返回首页
24小时热榜
我搭建了一个MCP服务器,可以返回您在各种生态系统中使用的依赖包的最新版本,例如Python、NPM、Go和GitHub Actions。
该服务器还支持通过mise-en-place工具查找近1000种工具的最新版本,包括开发运行时(如Python、Node、dotnet)、开发工具(如Gradle)以及各种DevOps工具(如kubectl或Terraform)。
支持的生态系统/工具包括:
1) 开发者生态系统:NPM、PyPI、NuGet、Maven/Gradle、Go、PHP、Ruby、Rust、Swift、Dart
2) DevOps生态系统:
- Docker:来自Docker注册表的Docker容器镜像
- Helm:来自ChartMuseum仓库和OCI注册表的Helm图表
- GitHub Actions:在GitHub.com上托管的Actions,返回其当前版本、输入和输出,以及(可选)完整的README和使用示例
- Terraform提供者和模块:来自Terraform Registry、OpenTofu Registry或自定义注册表的提供者和模块
- 各种工具,如kubectl、terraform、gradle、maven等(只要它们被mise-en-place支持)
在<a href="https://package-version-check-mcp.onrender.com/mcp" rel="nofollow">https://package-version-check-mcp.onrender.com/mcp</a>上有一个免费托管版本,您可以使用Docker或uv(uvx)运行它。
这个MCP当然不是第一个解决“过时依赖”问题的工具。然而,我认为它相较于其他MCP有多种优势:
- 它提供的生态系统覆盖范围(远)优于其他MCP
- 完整的测试覆盖,具有自动化的依赖更新(由Renovate提供支持)和定期的自动化发布构建。相比之下,其他项目往往是随意编码的,测试不充分(或没有测试),并且已经被放弃
- 这个MCP使用了一个最小的Docker/OCI镜像,经过安全加固。您使用Trivy等工具生成的SBOM被认为是正确的,并且该镜像使用Cosign签名(这使您在想要自托管MCP时可以验证其真实性)
请告诉我您的想法。
我和我的妻子已经进行了五年的餐饮计划。我们使用的是 Google Keep,这对我们来说一直有效,但随着时间的推移,我们需要简化这个过程。我们尝试了其他方法,但都没有奏效,因此我花了一个月的时间开发了这个自定义应用程序。它包含了我们所需的一切,使我们的餐饮计划效率提高了至少五倍。具体功能包括:同步、一键导入食谱、购物清单、购物模式、每周餐饮计划、自定义餐点(如剩菜、素食、外出就餐等)。
上周日,我们在不到一分钟的时间内完成了餐饮计划,因为我们所有喜欢的(100多道)食谱都集中在一个地方。我们还根据每日饮食主题进行了标记(周一-意大利面,周二-肉类等),这样我们可以快速且无脑地为每一天选择一餐。
在这个应用程序中,我使用了人工智能对食品杂货进行过道分类,但不是生成式的,因为我发现简单的机器学习模型效果更好。
我非常欢迎其他开发者的反馈。
欢迎随意使用这个应用。它是免费的,除了同步功能,由于服务器成本,我不得不添加了订阅费用。我尽量让订阅条件宽松:每10个人一个订阅。
我是一名来自巴基斯坦的CNC设计师。我开发了一种新的矢量视频(SVGV)逻辑,用数学路径替代传统的像素。这种方法旨在解决预算型移动传感器上模糊和“劣质”视频的问题,并将高保真内容(如韩剧)的文件大小减少多达85%。我希望能获得对研究论文的技术反馈,并寻找潜在的C++/NDK合作伙伴。
虽然有许多像 CodeRabbit 这样的工具可以自动化 PR 审查,但我注意到完全依赖 AI 来撰写审查往往让我对同事的代码关注度降低。因此,我设计了 HighReview,作为一个“由 AI 辅助的代码审查工具”,而不是仅仅再造一个“AI 代码审查器”。其目标是帮助人类更深入地理解代码上下文,并更轻松地进行审查,AI 则作为支持系统。
此外,在进行详细审查时,我通常需要在本地检查分支,以查看相关代码。这个过程通常比较繁琐(需要切换上下文、暂存当前工作等)。我构建这个工具是为了针对这些具体痛点,简化我个人的代码审查工作流程。
<p>主要功能
- 无需单独登录:利用您的本地 gh cli 和本地 AI 代理。
- 独立审查环境:将目标项目检出到与您当前工作本地仓库分开的目录中(允许在项目级别重用而不干扰您的工作流程)。
- 上下文感知的 AI 预审查:使用 Tree-sitter 提取相关代码,为 AI 提供更广泛的上下文,从而实现更全面的审查。
- 代码导航:支持在 Diff 编辑器中使用 Tree-sitter 进行代码导航(我最初尝试使用 LSP,但转向了 Tree-sitter)。
- 丰富的分析功能:提供问题检测、解释性图表、重构建议、副作用分析和语义分析。(注意:为了获得最佳效果,需要持续调整提示。)
- 互动 AI 助手:支持问答功能,您可以向 AI 助手询问与审查结果相关的具体问题。
<p>请反馈。祝您愉快。谢谢。