MPM - Vibe Coding MCP

让 AI 从"猜代码"变成"懂代码"

这是什么

MPM 是一个 MCP 工程化层，让 AI 编程从"聊天"升级为"可控交付流程"。你可以在几乎无认知负担的情况下直接开始使用：初始化后将 _MPM_PROJECT_RULES.md 应用为系统 Rules 即可。

🚀 30秒上手（先做这一步）

1) initialize_project
2) 把 _MPM_PROJECT_RULES.md 贴到客户端系统规则
3) 直接提任务："帮我修复 XXX，并按规则执行"

这一步做对后，不需要先完整学习所有工具。

搜索友好摘要：

MPM 是一个面向 Claude Code / Cursor / Windsurf 的 MCP code intelligence server，基于 Rust AST 索引提供 code_search、code_impact、project_map、flow_trace 等能力，用于代码定位、影响分析、业务流程追踪和跨会话记忆。

核心差异：

传统方式	MPM 方式
`grep "Login"` → 500 条结果	`code_search("Login")` → 精确到文件:行号
"我觉得这里改了就行"	`code_impact` → 完整调用链分析
每次对话从零开始	`system_recall` → 跨会话记忆召回
AI 自由发挥	`manager_analyze` → 结构化任务规划

核心卖点

1. AST 精确定位，不是文本搜索

你：搜索 Login 函数
AI：找到 func:src/auth/login.go::Login (L45-67)
    签名: func Login(ctx context.Context, cred Credentials) (*Token, error)
    调用者: 3 个直接调用，12 个间接调用

背后技术：Rust AST 引擎 + canonical_id 消除同名歧义

2. 完整调用链追踪

你：分析修改 SessionManager 的影响
AI：CODE_IMPACT_REPORT
    风险等级: HIGH
    直接影响: 4 个函数
    间接影响: 23 个函数（3层调用链）
    
    修改清单:
    ▶ [core/session.go:100-150] MODIFY_TARGET
    ▶ [api/handler.go:45-80] VERIFY_CALLER
    ▶ [service/auth.go:200-250] VERIFY_CALLER

3. 跨会话记忆持久化

你：上次为什么把 timeout 改成 30s？
AI：(system_recall) 2024-01-15 的 memo：
    "将 timeout 从 10s 改为 30s，因为阿里云 ECS 冷启动延迟"

快速开始

1. 编译

# Windows
powershell -ExecutionPolicy Bypass -File scripts\build-windows.ps1

# Linux/macOS
./scripts/build-unix.sh

2. 配置 MCP

指向编译产物：mcp-server-go/bin/mpm-go(.exe)

3. 开始使用

初始化项目
帮我分析修复 Login 回调幂等问题的方案

初始化后会自动生成 _MPM_PROJECT_RULES.md，这是项目的“操作说明书”：

告诉 LLM 这个仓库的命名风格、工具使用顺序、硬规则
让你不必先完整学习所有工具细节，也能直接进入可用状态
新会话时优先让 LLM 先读取该文件，可明显降低误操作

推荐首句：先读取 _MPM_PROJECT_RULES.md 并按规则执行

4. 发布打包（固定目录）

python package_product.py

说明：

打包目录固定为 mpm-release/MyProjectManager
每次执行会先清理旧的 mpm-release 后再重建

工具速查表

触发词	工具	用途
`mpm 初始化`	`initialize_project`	项目绑定与 AST 索引（支持 `force_full_index`）
`mpm 索引状态`	`index_status`	查看后台索引进度/心跳/DB大小
`mpm 搜索`	`code_search`	AST 精确定位符号
`mpm 影响`	`code_impact`	调用链影响分析
`mpm 地图`	`project_map`	项目结构 + 热力图
`mpm 流程`	`flow_trace`	业务流程追踪（入口/上游/下游）
`mpm 分析`	`manager_analyze`	任务情报简报
`mpm 任务链`	`task_chain`	顺序执行与断点
`mpm 记录`	`memo`	变更备忘录
`mpm 历史`	`system_recall`	记忆召回
`mpm 人格`	`persona`	切换 AI 人格
`mpm 技能`	`skill_load`	加载领域专家指南
`mpm 时间线`	`open_timeline`	项目演进可视化

架构

┌─────────────────────────────────────────────────────────────┐
│                        MCP Client                           │
│              (Claude Code / Cursor / Windsurf)              │
└─────────────────────────┬───────────────────────────────────┘
                          │ MCP Protocol
┌─────────────────────────▼───────────────────────────────────┐
│                     Go MCP Server                           │
├──────────────┬──────────────┬───────────────┬───────────────┤
│   感知层      │    调度层     │    记忆层      │    增强层     │
│ code_search  │ manager_     │ memo          │ persona       │
│ code_impact  │ analyze      │ system_recall │ skill_load    │
│ project_map  │ task_chain   │ known_facts   │ open_timeline │
└──────────────┴──────────────┴───────────────┴───────────────┘
                          │
┌─────────────────────────▼───────────────────────────────────┐
│                   Rust AST Indexer                          │
│  • Tree-sitter 多语言解析 (Go/Python/JS/TS/Rust/Java/C++)   │
│  • canonical_id 精确标识 (func:file.go::Name)               │
│  • callee_id 精确调用链                                      │
│  • DICE 复杂度算法                                           │
└─────────────────────────────────────────────────────────────┘
                          │
┌─────────────────────────▼───────────────────────────────────┐
│                 SQLite 多库 (.mcp-data/*)                    │
│  • symbols.db: canonical_id/scope_path/callee_id            │
│  • mcp_memory.db: memos/tasks/known_facts                    │
│  • arch-ast.db: revisions/nodes/edges/proposals/events       │
└─────────────────────────────────────────────────────────────┘

AST 索引核心字段

MPM 的 AST 引擎维护 精确调用链：

字段	示例	价值
`canonical_id`	`func:core/session.go::GetSession`	全局唯一，消除同名歧义
`scope_path`	`SessionManager::GetSession`	层级作用域
`callee_id`	`func:core/db.go::Query`	精确调用链（不是猜测）

结果：code_impact 支持 3 层 BFS 遍历，完整展示影响传播路径。

效能对比

指标	无 MPM	有 MPM
符号定位	10+ 步搜索	1 步精确命中
首步命中率	0%	100%
影响评估	基于猜测	AST 调用链
Token 消耗	4000+	~800
认知恢复	每次从零	记忆召回

详见 MANUAL.md。

文档

MANUAL.md - 完整手册（工具详解 + 最佳实践 + Case Study）
README_EN.md - English Version
MANUAL_EN.md - English Manual

常见搜索问题

如何在 MCP 中做代码影响分析？ → 用 code_impact
如何让 LLM 看懂业务流程？ → 用 flow_trace
大型仓库索引进度怎么看？ → 用 index_status
如何强制全量索引？ → initialize_project(force_full_index=true)

更多示例见 MANUAL.md。

联系方式

问题反馈：GitHub Issues
邮箱：halflifezyf2680@gmail.com

许可证

MIT License

mpm-vibe-coding