Coding Tools MCP 是一个模型中立的编程工具集，通过 ++Model Context Protocol++ 对外提供服务： 文件读取与搜索、结构化多文件补丁、命令执行、交互式会话、git 操作—— 一个服务器，任何 MCP 客户端都能驱动。Claude Desktop、Claude Code、Cursor、 Cline，或你自己写的 agent，拿到的都是同一套久经考验的 20 个工具： 限定在单一工作区内，由权限模式层层把关。
它能做什么？
Coding Tools MCP 目前提供一套固定的 20 个编程工具，主要覆盖以下几类能力：
- 读取文件、列出目录和搜索代码；
- 应用结构化、多文件代码补丁；
- 执行测试、构建和其他终端命令；
- 启动并持续操作 REPL、调试器等交互式进程；
- 查看 Git 状态、Diff、提交记录和 Blame；
- 读取图片，并把完整的结构化结果返回给 AI。
这意味着，一个普通的聊天客户端（如：ChatGPT网页版）也可以完成类似下面的任务：
帮我阅读这个项目，运行测试，找到第一个失败原因，修改代码并重新验证。
AI 不再只能告诉你“应该怎么改”，而是能够在指定工作区里真正完成操作。
为什么用它
- 让聊天应用变成编程 agent。 ChatGPT——或任何 MCP 聊天客户端—— 用你已有的订阅直接获得真实的仓库访问能力，无需额外产品。
- 安全是产品本身，不是附加项。 每个服务器进程绑定一个工作区根目录； 绝对路径、符号链接逃逸一律拒绝；权限模式对网络访问、shell 展开、内联脚本和破坏性命令逐项把关；Linux 上还有 ++Landlock++ 提供内核级文件系统隔离。
- 为上下文窗口精打细算。 工具结果按设计做摘要、分页与封顶；在确定性 dogfood 工作负载上，序列化结果字节数相比上一版本下降 37%，任务完成率不变。
不绑定某个模型或某家公司
我不希望这套能力只服务于某一个 AI 产品。
Coding Tools MCP 的工具接口和运行行为是固定的，更换模型或客户端时，不需要重新配置一套编程工具。今天可以从 ChatGPT网页版或Claude Desktop 使用，明天也可以接到 Cursor、Cline，或者自己的 Agent 框架中。
对于正在开发 AI Agent 的人来说，也不需要再从头处理路径安全、命令超时、多文件回滚、交互式进程、长输出分页和 Git 集成，这些能力可以直接通过 MCP 使用。
本地、远程和沙箱都可以运行
最简单的启动方式只需要一条命令：
uvx coding-tools-mcp --stdio --workspace /path/to/repo
使用 Node.js 工具链也可以运行：
npx coding-tools-mcp --stdio --workspace /path/to/repo
除了本地标准输入输出模式，Coding Tools MCP 也支持 Streamable HTTP，可以通过 Bearer Token 或 OAuth 2.1 进行认证。配合 Cloudflare Tunnel、ngrok 等工具，可以从远程 AI 客户端访问自己的开发机器。
项目还提供：
- Docker 沙箱；
- 通过 GitHub Actions 启动的临时云端沙箱；
- Cloudflare Worker 控制平面；
- 带中英文界面的桌面客户端；
- PyPI 包和 npm 启动器。
因此它既可以作为一个本地 CLI 工具，也可以作为远程 Agent 的执行后端。
对上下文窗口也做了专门优化
编程工具很容易一次返回几万行日志或代码，快速耗尽模型上下文。
Coding Tools MCP 会对文件、命令输出和 Git 结果进行摘要、分页和大小限制。长时间运行的命令会保留为会话，模型可以分批读取输出，而不是每次都把全部历史内容重新发送一遍。
这部分看起来不像一个显眼的功能，但对于长时间运行的 Agent 任务非常重要：真正限制模型工作时长的，往往不是代码能力，而是工具结果越来越长、上下文越来越混乱。
