MCP Server

@friday-ai-codes/mcp 是 Friday 的 MCP（Model Context Protocol）server，把 Friday 的代码索引、Graph RAG、编码计划与 PR / MR 工具暴露给 Cursor / Claude Code / Codex 等 AI 编码助手。

源码位于仓库 mcp/ 目录（TypeScript，stdio 传输）。

接入流程：

1 创建访问令牌2 setup 交互式配置3 注册到 IDE4 连通性测速5 调用 33 个工具

一条命令配好（推荐）

先在 Friday Web 控制台「个人资料 → 访问令牌」创建 PAT（明文只显示一次），然后：

bash

npx -y @friday-ai-codes/mcp setup

交互式中文向导会依次完成：凭证问答（服务地址 + 令牌）→ 自动注册进 Cursor / Claude Code / Codex → 连通性测速（延迟毫秒数高亮）→ 能力演示（随机介绍一个已索引仓库）。

初始化配置（命令式）

脚本 / CI 场景用命令式 init：

bash

npx -y @friday-ai-codes/mcp init --base-url https://friday.example.com --token <你的访问令牌>

不带参数在终端运行 init 同样会进入交互式问答。配置写入 ~/.friday/config.json（权限 0600），也可以用环境变量 FRIDAY_BASE_URL / FRIDAY_ACCESS_TOKEN 覆盖。

检查配置、注册状态与连通性（含延迟测速，不回显令牌）：

bash

npx -y @friday-ai-codes/mcp doctor

注册到 IDE

setup 已包含注册；也可以单独运行（自动探测本机 agent，幂等）：

bash

npx -y @friday-ai-codes/mcp register

手动注册的等价配置：

Claude CodeCursorCodex

bash

claude mcp add friday -- npx -y @friday-ai-codes/mcp

json

// .cursor/mcp.json 或 ~/.cursor/mcp.json
{
  "mcpServers": {
    "friday": { "command": "npx", "args": ["-y", "@friday-ai-codes/mcp"] }
  }
}

toml

# ~/.codex/config.toml
[mcp_servers.friday]
command = "npx"
args = ["-y", "@friday-ai-codes/mcp"]

内网无法访问 npm registry 时，可从源码构建后把 MCP 配置指向 mcp/dist/cli.js。

CLI 命令

命令	作用
`friday-mcp`（无参数）	启动 stdio MCP server
`friday-mcp setup`	交互式中文向导：凭证 → 注册 → 测速 → 能力演示
`friday-mcp init`	写入配置（带 `--base-url` / `--token` 为命令式，否则交互式问答）
`friday-mcp register [--agent <name>] [--project]`	幂等注册进 Cursor / Claude Code / Codex
`friday-mcp doctor`	检查配置、注册状态与连通性测速（不回显令牌）

工具集（33 个）

每个工具对应 Friday 的 POST {FRIDAY_BASE_URL}/api/mcp/tools/{tool_name}/ 端点：

分类	工具	用途
仓库发现	`route_repositories`	把需求路由到候选仓库并检查索引健康度
Graph RAG 检索	`search_rag_chunks`	混合检索代码 chunk（语义 + 关键词 + 图谱扩散）
	`find_related_chunks`	沿代码图谱找相关 chunk
	`reverse_lookup_requirements`	代码位置反查关联需求 / 文档 / 追溯路径（「这段代码是为哪个需求改的」）
精确检索	`grep_repository`	本地 git 镜像快照上的 grep 语义全量检索（ripgrep 优先，回退 git grep）：字面量 / 正则 / glob 过滤、可配置上下文行、`content` / `files_only` / `count` 输出模式、token 预算；默认单仓，`repository_ids` / `all_repositories` 显式跨仓，「穷举所有出现位置」类问题用这个
仓库浏览	`get_repository`	仓库元信息与索引状态
	`list_repository_files`	列出仓库文件
	`get_repository_file`	读取文件内容（优先 git 镜像全量读取，回退索引 chunk）
分析与计划	`analyze_repository`	基于 Graph RAG 证据的架构 / 风险 / 调用链分析
	`create_coding_plan`	从需求与代码证据生成结构化编码计划
	`improve_coding_plan`	按反馈修订计划生成新版本
执行与 MR	`execute_coding_plan`	执行已确认的计划（真实改代码）
	`get_coding_execution`	查询执行状态、`runner_logs`、`last_diff`、`recovery_state`
	`summarize_branch`	生成分支变更摘要
	`create_merge_request`	创建 PR / MR
飞书工作项	`get_feishu_work_item_context`	聚合工作项、关系、评论和文档
	`create_feishu_technical_plan`	结合代码证据生成并写回技术方案
	`create_work_item_repo_tasks`	拆解工作项为仓库任务矩阵
	`execute_work_item_repo_tasks`	执行仓库任务矩阵
学习案例	`create_learning_case`	沉淀可检索的执行经验
	`search_learning_cases`	检索历史案例
交付知识	`search_delivery_knowledge`	检索相似历史需求 / 方案 / 代码变更（支持 `as_of` 历史时点）
	`get_entity_timeline`	知识实体的版本迭代时间线
	`get_related_entities`	需求 → 方案 → MR 关联链图遍历
项目上下文环路	`lookup_project_by_branch`	用当前 git 分支名反查所属项目并召回需求 / 工件 / 记忆（三源：分支名 work_item 解析 → `ProjectBranch` 显式绑定 → 仓库关联兜底）
	`search_project_context`	项目交付上下文语义召回
	`grep_project`	项目上下文关键词精确匹配
	`read_project_doc`	读取项目工作区文档（MEMORY / STATE / 里程碑 / 调研 / 预检）
	`report_project_knowledge`	把会话沉淀写回项目记忆（按 `branch_name` 自动定位项目，服务端质量门槛 + 脱敏 + 审计兜底）
	`report_project_state`	把新增 / 改动 API 结构化清单回写项目 STATE
feature list 技术方案	`create_feature_tech_plan`	由 feature list 发起技术方案：判定功能点新增 / 改造 + 给出关联仓库建议，返回待确认项（不返回方案）
	`confirm_feature_tech_plan`	提交用户对关联仓库与分类的确认，继续编排
	`get_feature_tech_plan`	查询状态并推进编排；`status=completed` 时 `markdown` 为完整方案（整体 + 分仓 + 落点 + 伪代码）

feature list 技术方案是两段式的

create_feature_tech_plan 单次调用拿不到方案——它只跑到「强制确认」就停下，必须把返回的 questions 给用户过目、拿到答复后调 confirm_feature_tech_plan 才会继续。即便仓库路由是高置信度也一定会问一次，这是产品约束而非缺陷。

调研阶段是异步的：confirm 可能返回 status="researching"，此时需轮询 get_feature_tech_plan 直到 completed。该工具每次调用都会推进一步编排，不调它方案不会往前走。

每个工具都带 MCP 标准 annotations（中文 title 按「阶段 · 动作」分组，外加 readOnlyHint / idempotentHint / openWorldHint 行为提示），agent 可据此判断工具是否只读、是否触达外部系统。

此外，代码智能层还提供 find_api_handler / find_api_callers / list_endpoints 等图谱查询工具，见代码智能层。

HTTP 直调（降级方案）

MCP 不可用时可以直接调 HTTP：

text

POST {FRIDAY_BASE_URL}/api/mcp/tools/{tool_name}/
Authorization: Bearer {FRIDAY_ACCESS_TOKEN}
Content-Type: application/json

多步 Skill workflow 需保留首个响应的 run_id 并在后续调用带上：

text

X-Friday-Run-ID: {run_id}
X-Friday-Skill-Step: full_auto.plan

这样整条 workflow 会在 Interaction Ledger 中聚合为同一条审计轨迹（MCP 模式由 server 自动处理 run_id 透传）。

配合 Skill 使用

单独注册 MCP 已经可用，但配合 Friday Agent Skills 使用效果最佳 —— skill 提供了 workflow 编排、人工确认规则与故障恢复指引：

bash

npx @friday-ai-codes/skills

MCP Server ​

一条命令配好（推荐） ​

初始化配置（命令式） ​

注册到 IDE ​

CLI 命令 ​

工具集（33 个） ​

HTTP 直调（降级方案） ​

配合 Skill 使用 ​

MCP Server

一条命令配好（推荐）

初始化配置（命令式）

注册到 IDE

CLI 命令

工具集（33 个）

HTTP 直调（降级方案）

配合 Skill 使用