opentokenz/mcpx

解决的问题

MCPX 是一个本地 MCP（模型上下文协议）运行时和网关，旨在安全地向 AI 客户端（如 ChatGPT、Claude、Cursor 和 Grok）暴露开发者的本地环境——包括工作区、源代码、终端命令和系统功能。它解决了 AI 模型在不牺牲安全性或丢失会话上下文的前提下，以可靠、可审计且有状态的方式与本地开发资产交互的问题。

工作原理

MCPX 作为 AI 客户端与本地机器之间的中间件。它使用 Streamable HTTP 与客户端通信，并通过 SQLite 数据库管理状态。主要机制包括：

• 远程会话：使用 remote_session_id 持久化工作区状态、权限和历史记录，使模型能够在不同连接或客户端之间恢复工作。
• 工作区管理：用户可注册特定项目目录为工作区，运行时将这些工作区绑定到会话。
• 工具编排：提供一组核心工具，用于读取文件（带 SHA-256 验证）、编辑文件（使用幂等替换）、执行终端命令（带安全策略引擎）以及管理项目任务。
• 安全层：对命令（允许/确认/拒绝）和文件实施严格的访问策略，支持 OAuth、Bearer Token 和 ACL 用于远程访问。
• 扩展系统：可发现并集成本地「技能」和上游 MCP 服务器，为模型提供统一的工具调用接口。

适用人群

• 希望让 LLM 深度、安全地访问本地代码库和终端的 AI 辅助开发者
• 需要追踪 AI 代理修改源代码或执行命令的可审计记录的团队
• 使用 MCP 兼容客户端（ChatGPT、Claude 等）的高级用户，希望拥有持久、专业级的本地运行时

核心亮点

• 状态保持连续性：通过持久化 ID 支持在不同 AI 客户端间恢复会话。
• 高精度编辑：使用基于 SHA 的版本保护和精确替换，避免文件损坏。
• 安全删除：实现两阶段 move_out 流程（准备 → 确认 → 提交），将文件移至系统回收站而非永久删除。
• 安全优先执行：细粒度命令策略引擎，对高风险操作（如 git push、docker）要求用户确认。
• 可扩展架构：无缝集成其他 MCP 服务器和自定义本地技能。
• 环境感知能力：向模型提供关于操作系统、架构和工具链的详细元数据。