ofc-ai 0.1.5

OFC-AI - An intelligent AI coding backend service with MCP (Model Context Protocol) integration

OFC-AI

OFC-AI 是一个基于 MCP (Model Context Protocol) 的后端服务，专为 AI 辅助编程而设计。它提供了一套完整的工具集，用于项目规范初始化、需求文档生成、PRP（产品需求提示）文档管理以及思维处理等功能。

🚀 特性

• MCP 集成: 完全兼容 Model Context Protocol，可与支持 MCP 的 AI 客户端无缝集成
• 项目规范管理: 自动生成和管理项目开发规范
• 需求文档生成: 提供标准化的需求文档模板和生成工具
• PRP 文档系统: 支持产品需求提示（Product Requirements Prompt）文档的创建和执行
• 思维处理工具: 结构化的思维过程管理和输出格式化
• 使用记录追踪: 自动记录工具使用情况，便于分析和优化

📦 安装

使用 uv（推荐）

uv add ofc-ai

使用 pip

pip install ofc-ai

🛠️ 使用方法

作为 MCP 服务器运行

# 直接运行
uv run ofc-ai

# 或者使用 Python 模块方式
python -m ofc_ai.main

MCP 客户端配置

在你的 MCP 客户端配置文件中添加以下配置：

{
  "mcpServers": {
    "ofc-ai": {
      "autoApprove": [
        "generate_prp",
        "execute_prp",
        "init_requirements_doc",
        "init_project_rules",
        "process_thought",
        "log_report",
        "java_fast_coding",
        "skills_expert"
      ],
      "timeout": 600,
      "command": "uvx",
      "type": "stdio",
      "transportType": "stdio",
      "args": [
        "--refresh",
        "--index-url",
        "https://mirrors.aliyun.com/pypi/simple/",
        "ofc-ai"
      ],
      "disabled": false
    }
  }
}

🔧 可用工具

1. init_project_rules

• 描述: 初始化项目规范模板
• 参数: 无
• 返回: 项目规范模板内容
• 用途: 为新项目生成标准化的开发规范和最佳实践指南

2. init_requirements_doc

• 描述: 初始化需求描述文档模板
• 参数: 无
• 返回: 需求文档模板内容
• 用途: 生成标准化的需求文档模板，帮助团队规范需求描述

3. generate_prp

• 描述: 根据功能需求文件生成全面的产品需求提示（PRP）文档
• 参数:
  • feature_file (string): 功能需求文件路径
• 返回: 完整的 PRP 文档生成指导
• 用途: 将功能需求转换为结构化的 PRP 文档，指导 AI 进行精确的功能实现

4. execute_prp

• 描述: 根据 PRP 文件生成执行指南
• 参数:
  • prpFile (string): PRP 文件路径
• 返回: 完整的执行步骤指南
• 用途: 为 PRP 文档提供详细的执行流程和验证步骤

5. process_thought

• 描述: 处理单一思维并返回格式化输出
• 参数:
  • thought (string): 思维内容
  • thought_number (int): 当前思维编号
  • total_thoughts (int): 预计总思维数量
  • next_thought_needed (bool): 是否需要下一步思维
  • stage (string): 思维阶段
  • tags (array, optional): 思维标签
  • axioms_used (array, optional): 使用的公理
  • assumptions_challenged (array, optional): 挑战的假设
• 返回: 格式化的思维处理输出
• 用途: 结构化管理复杂的思维过程，提供清晰的思考路径

6. log_report

• 描述: 上报工具使用记录
• 参数:
  • work_dir (string): 工作目录路径
  • tool_type (string): 使用的工具类型
  • skill_name (string, optional): 技能名称
• 返回: 记录确认信息
• 用途: 追踪工具使用情况，便于分析和优化

7. java_fast_coding

• 描述: Java 快速编码工具，基于简单描述生成 Java 后端代码
• 参数:
  • user_input (string): 用户简单描述的需求
  • repo_path (string): Java 项目根目录（绝对路径）
  • target_file (string, optional): 目标文件路径
  • modify_type (string, optional): 修改类型
  • design_doc_path (string, optional): 设计文档路径
• 返回: Java 代码生成指导
• 用途: 快速生成 REST API、数据模型、RPC 服务、业务服务等 Java 代码

8. skills_expert

• 描述: 智能 skills 专家，自动匹配并执行相应的技能
• 参数:
  • requirements (string, optional): 用户需求描述
  • requirements_file (string, optional): 需求文件路径
  • repo_path (string): Git 仓库目录（绝对路径）
• 返回: 技能执行指导
• 用途: 根据需求自动匹配最适合的技能并执行

📁 项目结构

ofc_ai/
├── __init__.py                 # 包初始化文件
├── main.py                     # MCP 服务器主程序
├── prompts/                    # 提示词模板目录
│   ├── __init__.py
│   ├── CreateFeatureProjectRules.md
│   ├── init_project_rules.py
│   ├── init_requirements_doc.py
│   └── prp_base.md
├── tools/                      # 工具实现目录
│   ├── __init__.py
│   ├── init_project_rules.py
│   └── init_requirements_doc.py
└── utils/                      # 工具函数目录
    ├── __init__.py
    ├── file_reader.py
    ├── file_utils.py
    ├── git_info.py
    ├── loader.py
    ├── log.py
    ├── template.py
    ├── user_info.py
    └── version.py

🔗 依赖项

• Python: >=3.13
• GitPython: >=3.1.45 (Git 操作支持)
• httpx: >=0.28.1 (HTTP 客户端)
• keyring: >=25.6.0 (密钥管理)
• mcp[cli]: >=1.18.0 (MCP 协议支持)
• pipx: >=1.8.0 (Python 应用管理)
• pydantic: >=2.0.0 (数据验证)

🚀 开发

环境设置

1. 克隆仓库：

git clone <repository-url>
cd ofc-ai

2. 安装依赖：

uv sync

3. 运行开发服务器：

uv run python -m ofc_ai.main

测试

# 运行测试
uv run pytest

# 运行测试并生成覆盖率报告
uv run pytest --cov=ofc_ai

📋 使用示例

1. 初始化项目规范

# 通过 MCP 客户端调用
{
  "method": "tools/call",
  "params": {
    "name": "init_project_rules",
    "arguments": {}
  }
}

2. 生成 PRP 文档

# 通过 MCP 客户端调用
{
  "method": "tools/call",
  "params": {
    "name": "generate_prp",
    "arguments": {
      "feature_file": "features/user-auth.md"
    }
  }
}

3. 处理思维过程

# 通过 MCP 客户端调用
{
  "method": "tools/call",
  "params": {
    "name": "process_thought",
    "arguments": {
      "thought": "需要分析用户认证系统的安全性",
      "thought_number": 1,
      "total_thoughts": 3,
      "next_thought_needed": true,
      "stage": "分析",
      "tags": ["安全", "认证"]
    }
  }
}

🤝 贡献

欢迎贡献代码！请遵循以下步骤：

1. Fork 本仓库
2. 创建特性分支 (git checkout -b feature/AmazingFeature)
3. 提交更改 (git commit -m 'Add some AmazingFeature')
4. 推送到分支 (git push origin feature/AmazingFeature)
5. 开启 Pull Request

📄 许可证

本项目采用 MIT 许可证。详情请参阅 LICENSE 文件。

👨‍💻 作者

hanshuai

🔗 相关链接

• Model Context Protocol - 了解更多关于 MCP 协议
• uv - 现代 Python 包管理器
• FastMCP - 快速构建 MCP 服务器的框架

📊 版本历史

• v0.1.2 - 当前版本
  • 完整的 MCP 工具集成
  • PRP 文档系统
  • 思维处理工具
  • 使用记录追踪
  • Java 快速编码工具
  • 技能专家系统

---

如果你觉得这个项目有用，请给它一个 ⭐️！