新闻详情

新闻详情

首页 / 资讯中心 / 详情

让Claude Code接入sentrux MCP服务器:AI Agent自动感知架构劣化的完整配置教程

发布时间:2026/11/14 3:02:14来源:尧图网络
让Claude Code接入sentrux MCP服务器:AI Agent自动感知架构劣化的完整配置教程
让Claude Code接入sentrux MCP服务器AI Agent自动感知架构劣化的完整配置教程【免费下载链接】sentruxReal-time architectural sensor that helps AI agents close the feedback loop, enabling recursive self-improvement of code quality. Pure Rust.项目地址: https://gitcode.com/gh_mirrors/se/sentruxsentrux是一款纯 Rust 编写的实时架构传感器它内置MCP服务器能让 Claude Code 等 AI Agent 直接读取项目的架构健康度。本教程带你完成完整配置安装传感器 → 接入 Claude Code → 建立会话门禁让 AI 在每次会话前后自动感知架构劣化代码质量不再靠猜。为什么要给AI Agent装一个传感器用 Claude Code 写代码时你经常会看到一串Modified src/foo.rs——但你看不到这个文件在依赖图里的位置也看不到它刚刚制造了一个循环依赖。AI 生成的代码越快没有传感器时架构腐化得也越快。sentrux 的做法很简单扫描解析整个项目计算一个 0–10000 的质量信号Quality Signal诊断把分数拆解为模块化、无环性、深度、均衡性、冗余度 5 个根因门禁会话前存基线、会话后对比劣化立刻报警全部分析在本地完成零网络调用。下面是它的实时界面Agent 改动文件时对应区块会发光依赖关系以边缘线呈现。第一步安装sentrux30秒完成sentrux 是单二进制文件无运行时依赖通过 tree-sitter 插件支持52 种语言Rust、Python、Go、TypeScript、Java……。# macOS brew install sentrux/tap/sentrux # Linux curl -fsSL https://raw.githubusercontent.com/sentrux/sentrux/main/install.sh | sh # Windows从 Releases 下载 sentrux.exe验证安装sentrux check . # 在当前项目跑一次规则检查CI友好退出码0或1 如果没有现成的二进制也可以从源码构建git clone https://gitcode.com/gh_mirrors/se/sentrux然后cargo build --release。第二步Claude Code接入sentrux MCP服务器插件方式在 Claude Code 里输入两条命令即可完成接入/plugin marketplace add sentrux/sentrux /plugin install sentrux插件清单定义在仓库的 marketplace.json 中它会把 sentrux 注册为 MCP 服务器并附带一个scan技能——教会 Agent 何时该扫描、何时该跑会话门禁技能说明见 SKILL.md。第三步其他MCP客户端手动配置Cursor、Windsurf、OpenCode 或任何 MCP 客户端只需在 MCP 配置里加一段{ mcpServers: { sentrux: { command: sentrux, args: [--mcp] } } }MCP 服务器通过 stdin/stdout 走 JSON-RPC 通信实现了initialize、tools/list、tools/call三个核心方法核心实现见 mod.rs工具处理逻辑在 handlers.rs。9个MCP工具Agent能感知到什么接入后Agent 可以调用 9 个工具覆盖体检 → 门禁 → 深度分析的完整链路工具作用什么时候用scan扫描目录返回质量信号每次会话的第一步health5 大根因拆解 自动定位最弱瓶颈想知道该先修哪里session_start保存当前架构为基线Agent 开始写代码前session_end重扫并对比基线报告劣化Agent 完成一轮修改后rescan拾取上次扫描后的文件变更大批量改动中途check_rules校验rules.toml架构约束提交代码/合并前evolutionGit 历史分析churn、热点、bus factor评估历史风险dsm依赖结构矩阵检测分层倒挂诊断分层混乱test_gaps找出高风险但未测试的文件补测试时定优先级推荐的Agent工作流scan → 基线 → 门禁sentrux 设计的标准闭环只有 3 步可以让 Agent 自己执行把这段写进你的 CLAUDE.md 提示词即可Agent: scan(/path/to/project) → { quality_signal: 7342, files: 139 } Agent: session_start() → { status: Baseline saved, quality_signal: 7342 } ... Agent 写了几百行代码 ... Agent: session_end() → { pass: false, signal_before: 7342, signal_after: 6891, summary: Quality degraded }看到pass: falseAgent 就知道这一轮把架构改坏了——它会带着health返回的瓶颈信息比如bottleneck: modularity自动回头修复而不是带着劣化直接提交。这就是闭环sentrux 是传感器你的规则是规格Agent 是执行器。进阶用规则文件给Agent划边界在项目的.sentrux/rules.toml里声明架构约束check_rules工具以及sentrux check命令就会强制执行。仓库自带的示例 rules.toml 展示了典型写法[constraints] max_cycles 0 # 禁止循环依赖 max_cc 25 # 函数圈复杂度上限 [[layers]] name core paths [src/core/*] order 0 # 高层只能依赖低层 [[boundaries]] from src/renderer/* to src/analysis/* reason Renderer must not depend on analysis directly把check_rules加进 CI架构约束就从口头约定变成了机器可执行的门禁。常见问题Q免费版有什么限制核心工具全部免费。免费版会截断部分明细只返回 Top-3 摘要、最多 3 条规则Pro 版解锁完整诊断列表与无限量规则。Q代码会被上传到网络吗不会。所有解析与指标计算都发生在本地进程内MCP 服务器零网络调用。Q项目语言不在支持列表里怎么办sentrux 的语言知识全部外置在插件里plugins/ 目录下的plugin.tomltags.scm查询文件可以用sentrux plugin add name安装新语言插件甚至用sentrux plugin init my-lang自建一个。小结三步接入 Claude Code安装 sentrux →/plugin install sentrux→ 让 Agent 按scan → session_start → session_end循环工作。从此每一次 AI 会话都有架构分数兜底劣化在提交的瞬间就被看见——这才是把 AI 的速度变成生产力而不是债务。【免费下载链接】sentruxReal-time architectural sensor that helps AI agents close the feedback loop, enabling recursive self-improvement of code quality. Pure Rust.项目地址: https://gitcode.com/gh_mirrors/se/sentrux创作声明:本文部分内容由AI辅助生成(AIGC),仅供参考
网站建设高端定制企业官网
RELATED

相关资讯

更多精彩内容,欢迎继续阅读

较早相关资讯

最新相关资讯

【外设】之大彩串口显示屏 2026/11/13 0:43:49

【外设】之大彩串口显示屏

大彩串口屏初步使用 1 .官网下载 STM32 屏幕 GUI 设计资料 http://www.gz-dc.com/category/typeid/4112 找到 STM32 Keil 工程,移植相关代码因项目而异进行移植,由于项目简单,本人只对用到的指令接口进行修改。 比如:注意事项&…

阅读更多 →
无法下载Windows系统iso文件 2026/11/12 23:59:09

无法下载Windows系统iso文件

当我遇到这个问题的时候,我打开了一个网站: 登录 然后我打算下载的时候: 突然那个官方的连接就可以下载了:

阅读更多 →
【清华代码熊】DeepSeek V4.1 Flash 后训练详解 2026/11/13 10:09:00

【清华代码熊】DeepSeek V4.1 Flash 后训练详解

📌 上期解析了 DeepSeek V4.1 Flash 模型架构改进,本期解析 DeepSeek V4.1 Flash 预训练/后训练技术: 🌟 预训练:45T 文本 多模态混合语料、直接训练 sparse attention(取消 DeepSeek V4 的 dense 冷启动&…

阅读更多 →
Shuffle-R1: Efficient RL framework for Multimodal Large Language Models via Data-centric Dynamic ... 2026/11/13 13:31:48

Shuffle-R1: Efficient RL framework for Multimodal Large Language Models via Data-centric Dynamic ...

文章主要内容和创新点 主要内容 本文聚焦于多模态大语言模型(MLLM)强化学习(RL)训练中的效率问题,提出了一个名为Shuffle-R1的框架。研究发现,当前RL训练存在两个关键缺陷: 优势值坍缩(Advantage Collapsing):批次中大多数优势值集中在零附近,导致有效梯度信号被淹…

阅读更多 →
PRvL: Quantifying the Capabilities and Risks of Large Language Models for PII Redaction 2026/11/13 16:11:45

PRvL: Quantifying the Capabilities and Risks of Large Language Models for PII Redaction

一、文章主要内容总结 本文聚焦于利用大型语言模型(LLMs)实现个人身份信息(PII)脱敏的研究,旨在解决传统脱敏方法(如基于规则的系统、领域特定命名实体识别(NER)模型)泛化能力差、跨格式/跨语境适应性弱的问题。 研究通过全面评估多种LLM架构(包括密集型LLM(D-LLM…

阅读更多 →
LLaVA-RE: Binary Image-Text Relevancy Evaluation with Multimodal Large Language Model 2026/11/13 0:02:27

LLaVA-RE: Binary Image-Text Relevancy Evaluation with Multimodal Large Language Model

文章主要内容和创新点 主要内容 本文聚焦于二进制图像-文本相关性评估任务(判断图像与文本“相关”或“不相关”),针对该任务中文本格式多样、相关性定义随场景变化等挑战,提出了基于多模态大语言模型(MLLM)的解决方案LLaVA-RE。 模型设计:LLaVA-RE基于LLaVA 1.5架构,…

阅读更多 →

今日资讯

本周资讯

本月资讯

看完文章仍有疑问?

联系尧图顾问,获取一对一建站咨询

立即免费咨询 📞 400-888-8888
📞 ✉