MCP Legacy Analysis

该项目提供了一个用于分析遗留代码库（特别是COBOL、CLIST和Python等大型机技术）的服务器和工具。它利用大语言模型（LLMs）来提取程序流程、数据结构，并进行文件分类，从而更容易理解和现代化遗留系统。

功能

• 仓库获取： 克隆并注册COBOL/大型机仓库以供分析。
• 文件分类： 使用LLMs自动检测编程语言或文件类型。
• 数据结构提取： 提取COBOL数据结构并将其转换为人类可读的伪代码。
• 程序流程分析： 生成基于JSON的控制流图，适用于COBOL、CLIST和Python代码。
• 资源管理： 注册并管理分析结果作为资源以供进一步处理。
• C4模型生成： 根据分析的系统组件生成C4架构图。
• FastMCP集成： 基于FastMCP构建，实现可扩展、模块化的工具编排。

要求

• Python 3.12+
• uv（Python包管理器）
• Node.js（用于MCP Inspector，可选）
• Git（用于仓库克隆）

安装

1. 安装 uv 包管理器

uv 是一个快速的Python包管理和虚拟环境工具。

# 在Windows（PowerShell）上
iwr https://astral.sh/uv/install.ps1 -useb | iex

# 在macOS/Linux上
curl -Ls https://astral.sh/uv/install.sh | sh

参见uv安装文档了解更多信息。

2. 设置项目

# 同步依赖项并创建虚拟环境
uv sync

# 运行主服务器
uv run main.py

使用

运行MCP服务器检查器

npx @modelcontextprotocol/inspector uv run python main.py

MCP服务器在VS Code中的配置

在VS Code设置中添加以下内容以集成MCP：

"servers": {
    "legacy-code-analyzer-server-v1-01": {
        "command": "uv",
        "args": [
            "run",
            "--with",
            "fastmcp>=2.8.0",
            "--with",
            "gitpython>=3.1.44",
            "--with",
            "mcp-llm>=0.1.0",
            "--with",
            "uvicorn>=0.34.3",
            "python",
            "G:\\source\\python\\mcp_legacy_analysis\\main.py"
        ]
    }
},
"chat.mcp.serverSampling": {
    "Global in Code: legacy-code-analyzer-server-v1-01": {
        "allowedDuringChat": true
    }
}

项目结构

• main.py — FastMCP服务器的入口点。
• legacy_analysis_server.py — 注册用于分析的工具和资源。
• analysis.py — 文件内容检索和分类逻辑。
• data_structure.py — COBOL数据结构提取和伪代码转换。
• flow_analysis.py — 提取COBOL、CLIST和Python的程序流程。
• sampling.py — LLM采样辅助。
• templates/ — 各种分析任务的提示模板。
• workspace/ — 克隆的仓库和分析工件。

许可证

MIT许可证。详情请参见LICENSE。 </中文翻译>