本試MCP览器
本試MCP览器 是 AI Skill Hub 本期精选MCP工具之一。综合评分 7.5 分，整体质量较高。我们推荐使用将其纳入你的 AI 工具库，帮助提升工作效率。
📚 深度解析
通过安装 本試MCP览器，你的 AI 助手将获得额外的工具调用能力，可以用自然语言直接操控该工具的功能，无需学习复杂的命令行语法。MCP 工具的核心价值在于"一次配置，永久增强"——配置完成后，每次与 AI 对话时都可以无缝调用这些工具。
在技术实现上，MCP 工具通过标准的 JSON-RPC 协议与 AI 客户端通信，工具的功能以"工具列表"的形式暴露给 AI 模型，AI 可以按需调用。本試MCP览器 提供了结构化的工具调用接口，使 AI 模型能够精确地理解和使用每个功能点，显著降低 AI 在工具使用上的错误率。
与传统的 API 集成相比，MCP 工具的优势在于无需编写代码——用户只需在配置文件中添加几行 JSON，即可让 AI 获得全新能力。AI Skill Hub 将 本試MCP览器 评为 AI 评分 7.5 分，属于同类工具中的优质选择。
📋 工具概览
导冶为网络为一个网络览器的为一题导冶。当前为网络为一题导冶。
本試MCP览器 是一款遵循 MCP（Model Context Protocol）标准协议的 AI 工具扩展。通过 MCP 协议，它可以让 Claude、Cursor 等主流 AI 客户端直接访问和操作外部工具、数据源和服务，实现 AI 能力的无缝扩展。无论是文件操作、数据库查询还是 API 调用，都可以通过自然语言在 AI 对话中直接触发，极大提升生产效率。
📖 中文文档
导冶为网络为一个网络览器的为一题导冶。当前为网络为一题导冶。
本試MCP览器 是一款遵循 MCP（Model Context Protocol）标准协议的 AI 工具扩展。通过 MCP 协议，它可以让 Claude、Cursor 等主流 AI 客户端直接访问和操作外部工具、数据源和服务，实现 AI 能力的无缝扩展。无论是文件操作、数据库查询还是 API 调用，都可以通过自然语言在 AI 对话中直接触发，极大提升生产效率。
- 通过标准 MCP 协议与 Claude、Cursor 等主流 AI 客户端深度集成
- 提供结构化工具调用接口，显著降低 AI 集成复杂度
- 支持 Claude Desktop 和 Claude Code 无缝接入，开箱即用
- 可与其他 MCP 工具组合叠加，构建完整 AI 工作站
- 轻量无侵入设计，不影响现有系统架构
- 在 Claude Desktop 对话中直接调用本地工具，实现 AI 与系统的深度联动
- 通过自然语言驱动复杂的多步骤自动化任务，代替繁琐手动操作
- 将多个 MCP 工具组合使用，构建个人专属 AI 工作站
# 方式一：通过 Claude Code CLI 一键安装
claude skill install https://github.com/Szpadel/codex-mcp-code-review
# 方式二：手动配置 claude_desktop_config.json
{
"mcpServers": {
"--mcp--": {
"command": "npx",
"args": ["-y", "codex-mcp-code-review"]
}
}
}
# 配置文件位置
# macOS: ~/Library/Application Support/Claude/claude_desktop_config.json
# Windows: %APPDATA%/Claude/claude_desktop_config.json
- 确认已安装 Node.js（v18 或以上版本）
- 打开 Claude Desktop 或 Claude Code 的 MCP 配置文件
- 按「交给 Agent 安装 → Claude Desktop」标签中的 JSON 配置填入 mcpServers 字段
- 保存配置文件并重启 Claude 客户端
- 重启后，在对话中即可使用本工具
# 安装后在 Claude 对话中直接使用 # 示例： 用户: 请帮我用 本試MCP览器 执行以下任务... Claude: [自动调用 本試MCP览器 MCP 工具处理请求] # 查看可用工具列表 # 在 Claude 中输入："列出所有可用的 MCP 工具"
// claude_desktop_config.json 配置示例
{
"mcpServers": {
"__mcp__": {
"command": "npx",
"args": ["-y", "codex-mcp-code-review"],
"env": {
// "API_KEY": "your-api-key-here"
}
}
}
}
// 保存后重启 Claude Desktop 生效
Codex MCP Code Review
Run Codex app-server reviews of uncommitted changes via an MCP tool. Compared to the built-in /review, this keeps review context clean while fixes happen in the main session that retains implementation knowledge, reducing regressions and enabling longer autonomous runs with better code quality.
Requirements
- Codex CLI installed and authenticated.
- uv installed.
Configure Codex (MCP)
Codex loads MCP servers from ~/.codex/config.toml and supports configuring them via the codex mcp CLI.
~/.codex/config.toml
[profiles.review] model = "gpt-5.5" model_reasoning_effort = "medium"
When the MCP server is started with `--profile review`, it reads this profile from
Codex config and applies supported review settings itself. Supported profile keys
are `model`, `model_provider`, `service_tier`, `model_reasoning_effort`, and
`model_reasoning_summary`.
AGENTS.md example instruction:
review_uncommitted_changes: runs=1 until no issues ```
Option A: CLI (recommended)
This registers a stdio MCP server that Codex launches when a session starts.
codex mcp add codex-code-review -- \
uv run -m mcp_code_review.server --parallelism 1 --concurrency-mode auto --timeout-seconds 2700 \
--profile reviewThe codex mcp add workflow is the supported way to add MCP servers from the CLI. After adding the server, set tool_timeout_sec in ~/.codex/config.toml (see Option B) so it is higher than --timeout-seconds.
Additional review instructions are enabled by default. Existing configurations that include --enable additional_review_instructions still work for backward compatibility.
To disable additional review instructions, add:
--disable additional_review_instructionsOption B: config.toml
Add an MCP server entry in ~/.codex/config.toml:
[mcp_servers.codex-code-review]
command = "uv"
tool_timeout_sec = 3000
args = [
"run",
"-m",
"mcp_code_review.server",
"--parallelism",
"1",
"--concurrency-mode",
"auto",
"--timeout-seconds",
"2700",
"--profile",
"review"
]Codex reads MCP server entries from the mcp_servers table in ~/.codex/config.toml.
Configure with uvx (run directly from Git)
If you prefer not to clone locally, you can run the server directly from the Git repository using uvx.
Repository: https://github.com/Szpadel/codex-mcp-code-review
Codex (config.toml)
[mcp_servers.codex-code-review-uvx]
command = "uvx"
tool_timeout_sec = 3000
args = [
"--from",
"git+https://github.com/Szpadel/codex-mcp-code-review",
"python",
"-m",
"mcp_code_review.server",
"--parallelism",
"1",
"--concurrency-mode",
"auto",
"--timeout-seconds",
"2700",
"--profile",
"review"
]config.toml
[mcp_servers.codex-code-review-dev]
command = "uv"
tool_timeout_sec = 3000
args = [
"run",
"--project",
"/absolute/path/to/codex-mcp-code-review",
"-m",
"mcp_code_review.server",
"--parallelism",
"1",
"--concurrency-mode",
"auto",
"--timeout-seconds",
"2700",
"--profile",
"review"
]导冶为网络为一题导冶的为个题导冶。当前为网络为一题导冶。为一题导冶的为个题导冶。
- 需要让 Claude / Cursor 操作本地工具的 AI 工程师
- 构建多智能体协作系统的 Agent 开发者
- 配置 MCP 服务器时建议使用 stdio 传输 + JSON-RPC，避免暴露公网
- Agent 任务先做 dry-run 验证工具调用链，再开启自主执行
- API key 直接提交到 git 仓库（请用 .env 并加入 .gitignore）
- MCP 配置路径拼错或权限不足，重启 Claude Desktop 才生效
- Python 依赖冲突：建议用 venv / uv 隔离环境
- CLI：直接 npm install -g / pip install，命令行调用
- 云端托管：可放在 Vercel / Railway / Fly.io 等 PaaS 平台
⚡ 核心功能
- 通过标准 MCP 协议与 Claude、Cursor 等主流 AI 客户端深度集成
- 提供结构化工具调用接口，显著降低 AI 集成复杂度
- 支持 Claude Desktop 和 Claude Code 无缝接入，开箱即用
- 可与其他 MCP 工具组合叠加，构建完整 AI 工作站
- 轻量无侵入设计，不影响现有系统架构
- 需要让 Claude / Cursor 操作本地工具的 AI 工程师
- 构建多智能体协作系统的 Agent 开发者
- 配置 MCP 服务器时建议使用 stdio 传输 + JSON-RPC，避免暴露公网
- Agent 任务先做 dry-run 验证工具调用链，再开启自主执行
- API key 直接提交到 git 仓库（请用 .env 并加入 .gitignore）
- MCP 配置路径拼错或权限不足，重启 Claude Desktop 才生效
- Python 依赖冲突：建议用 venv / uv 隔离环境
👥 适合人群
🎯 使用场景
- 在 Claude Desktop 对话中直接调用本地工具，实现 AI 与系统的深度联动
- 通过自然语言驱动复杂的多步骤自动化任务，代替繁琐手动操作
- 将多个 MCP 工具组合使用，构建个人专属 AI 工作站
⚖️ 优点与不足
- +标准化 MCP 协议，生态互联性强
- +与 Claude 官方生态无缝对接
- +即插即用，配置简单快捷
- −未明确开源协议，商用场景需谨慎评估
- −依赖 Claude 客户端，非 Claude 用户无法使用
- −MCP 协议仍在持续演进，接口可能变更
- −需要一定的配置步骤
该工具未明确声明开源协议，商业使用前请联系原作者确认授权范围，避免侵权风险。
AI Skill Hub 为第三方内容聚合平台，本页面信息基于公开数据整理，不对工具功能和质量作任何法律背书。
建议在沙箱或测试环境中充分验证后，再部署至生产环境，并做好必要的安全评估。
🔗 相关工具推荐
❓ 常见问题 FAQ
经综合评估，本試MCP览器 在MCP工具赛道中表现稳健，质量良好。如果你已有明确的使用需求，可以直接上手体验；如果还在评估阶段，建议对比同类工具后再做决策。
| 原始名称 | codex-mcp-code-review |
| 原始描述 | 开源MCP工具：Run Codex app-server reviews of uncommitted changes via an MCP tool.。⭐5 · Python |
| Topics | tag1tag2tag3 |
| GitHub | https://github.com/Szpadel/codex-mcp-code-review |
| 语言 | Python |
收录时间：2026-05-24 · 更新时间：2026-05-30 · License：未公布 · AI Skill Hub 不对第三方内容的准确性作法律背书。