DevBoost Server

Что делает MCP-сервер

Какую боль решает: Сервер DevBoost решает две классические проблемы локальной разработки, отнимающие часы времени:

1. Проблемы с окружением: залипшие порты (EADDRINUSE) и рассинхрон системных версий (Node/Python) между разработчиками.
2. Проблемы с базами данных: медленные SQL-запросы, сложность профилирования (чтение "простыней" EXPLAIN ANALYZE) и непонимание того, где конкретно не хватает индексов.

Для кого полезен: Fullstack-разработчики, джуниор/мидл бэкендеры и AI-агенты, так как сервер превращает любую LLM в локального DevOps-инженера и DBA (Database Administrator).

Какие инструменты реализованы (4 инструмента):

• check_versions — проверка версий установленного локального софта.
• kill_port_hog — устранение зависших процессов по порту.
• explain_query — профилирование SQL-запросов (поиск узких мест типа Seq Scan).
• suggest_index — выявление отсутствующих индексов для оптимизации таблиц.

---

Быстрый старт (Запуск для Жюри)

Мы максимально упростили запуск проекта, автоматизировав установку зависимостей, сборку и запуск БД.

1. Требования к окружению

Для запуска проекта вам понадобится:

• Установленный Docker и Docker Compose (для запуска сервера и базы данных).
• Установленный Node.js (npm/npx) (для интерфейса Inspector).
• Установленный Python 3.10+ (для локальной установки пакетов).

2. Запуск в один клик (Автоматизированный стенд)

Для проверяющих жюри и быстрого тестирования в корне проекта лежат исполняемые файлы. Просто запустите нужный файл двойным кликом (на Windows) или через терминал (на Mac/Linux):

• Windows: Двойной клик по 1_Запустить_Сервер.bat
• Mac/Linux: bash 1_start_server.sh

Что произойдет автоматически:

1. Скрипт создаст чистое локальное окружение и установит зависимости.
2. Соберет Docker-образ MCP-сервера DevBoost.
3. Поднимет тестовую базу данных на 100 000 строк и сам сервер.
4. Автоматически скачает и откроет MCP Inspector в вашем браузере!

После запуска скрипта вам останется лишь перейти по предоставленной браузерной ссылке (обычно http://localhost:5173) и начать работать с ИИ во вкладке Chat!

---

(Опционально) Ручная установка и запуск

Если вы хотите запустить проект вручную:

Создание окружения и локальная установка пакета:

⚠️ Важно для Windows: Пакет asyncpg может выдавать ошибку компиляции на Python 3.13. Рекомендуем использовать Python 3.10-3.12.

python3 -m venv .venv
# Mac/Linux: source .venv/bin/activate
# Windows: .venv\Scripts\activate
pip install -e .

Сборка образа и запуск (без базы данных):

docker build -t devboost-mcp .
docker run -p 8080:8000 devboost-mcp serve

Как проверить /health

Для быстрой проверки работоспособности образа (Smoke Test), который запустится, проверит собственный /health и моментально завершится:

docker run --rm devboost-mcp smoke

Также вы можете вручную проверить эндпоинт, если сервер запущен через команду server:

curl http://localhost:8080/health

Как подключиться через MCP Inspector/клиент

Тестирование через Inspector браузера (локально): Для проверки всего функционала руками, мы подготовили папку demo_project/ с тестовой БД. Подробная инструкция по запуску Inspector'а описана в файле demo_project/DEMO.md.

Подключение реального ИИ (Claude Desktop): Добавьте этот блок в конфиг claude_desktop_config.json и перезапустите приложение:

{
  "mcpServers": {
    "devboost": {
      "command": "/АБСОЛЮТНЫЙ_ПУТЬ_ДО_ВЕНВ_ПРОЕКТА/bin/python",
      "args": ["/АБСОЛЮТНЫЙ_ПУТЬ_ДО_ПРОЕКТА/run_stdio.py"],
      "env": {
        "DATABASE_URL": "postgresql://testuser:testpass@localhost:54322/testdb"
      }
    }
  }
}

---

Как использовать

Сервер предоставляет ИИ-ассистентам следующие функции (Tools):

1. check_versions

• Что делает: Проверяет установленные в системе версии утилит (например, node, docker).
• Входные параметры: tools: array of strings (список имен бинарников, например ["node", "docker"]).
• Ожидаемый результат: Текст с найденным путем до бинарника и его версией, либо сообщение об отсутствии.

2. kill_port_hog

• Что делает: Находит и завершает процесс (PID), который занимает указанный порт. Безопасен, так как убивает только процессы текущего пользователя.
• Входные параметры: port: integer (например, 8080).
• Ожидаемый результат: Имя и PID убитого процесса, либо уведомление, что порт свободен.

3. explain_query

• Что делает: Выполняет EXPLAIN ANALYZE для переданного SQL-запроса в подключенной PostgreSQL базе.
• Входные параметры: query: string (валидный SQL SELECT запрос).
• Ожидаемый результат: JSON-структура плана выполнения запроса (показывает реальное время и методы сканирования, например Seq Scan).

4. suggest_index

• Что делает: Читает схему базы данных PostgreSQL, находя все существующие индексы для заданных таблиц.
• Входные параметры: tables: array of strings (список таблиц, например ["users"]).
• Ожидаемый результат: Список существующих индексов. ИИ использует эту информацию для генерации команды CREATE INDEX, если выявил проблему шагом ранее.

---

Ограничения / допущения

Что поддерживается:

• Мониторинг портов и завершение процессов работает на macOS и Linux.
• Инструменты для работы с базами данных строго завязаны на PostgreSQL.
• Работа по протоколу MCP через потоки stdio (Python) или SSE эндпоинты (Docker).

Что не поддерживается:

• Windows-специфичные сетевые команды (инструмент kill_port_hog использует lsof под капотом).
• Другие СУБД (MySQL, SQLite, MongoDB).
• Выполнение мутирующих SQL-запросов клиентом напрямую в обход explain (сервер спроектирован для анализа, а не для удаления данных).

На каком тестовом проекте проверялось: Сервер проверялся на проекте из папки demo_project/. Внутри находится классическая проблема: конфигурация docker-compose, поднимающая базу данных PostgreSQL 15, в которой развернута таблица users на 100 000 строк. Присутствует скрипт инициализации init-db.sql. Эта конфигурация гарантированно воспроизводит проблемы долгого Seq Scan без индексов.

---

(Опционально) Расширенный режим

Данный MCP-сервер является автономным и не требует внешних платных сервисов (OpenAI, Anthropic API) на своей стороне. Единственная "интеграция" — подключение к вашей локальной базе данных.

Как включить: При запуске сервера необходимо передать строку подключения через переменную окружения DATABASE_URL. В репозитории лежит шаблон .env.example, который вы можете использовать для локального тестирования. Секретов в репозитории нет.