OrangePro MCP Server

官方

找出测试盲区，生成可运行的接地测试，并用变异测试动态证明行为。

分类: 开发工具第 5 / 438
Stars: ★ 18 热门
传输方式: stdio（本地进程）
运行环境: Node.js
凭据: 可选 API Key
许可证: MIT
最近提交: 12 天前
工具数: 18

75FMRS · B

OrangePro MCP 是一个设计严谨的本地测试工具：通过确定性图谱与变异击杀神谕严格区分分析（静态）与证明（动态），AI 仅为辅助通道，不污染证据体系。文档清晰、工具齐全（18 个 MCP 工具）、隐私声明明确。动态证明仅覆盖 TypeScript/JavaScript、Python、Go、Java；托管平台功能不在本仓库内。对寻求可审计测试盲区分析与接地测试生成的团队是可靠选择。

最强项 · 安全与权限 18/20 最弱项 · 可靠性 12/20

可靠性

12/20

安全与权限

18/20

维护活跃度

14/20

文档质量

16/20

安装易用性

15/20

查看各项评分依据

可靠性 12/20: 该MCP服务器提供了完整的工具列表和功能描述，支持stdio传输方式。代码结构清晰，有明确的错误处理机制。但因为没有执行实际代码，无法验证所有工具的实际功能，因此给予12分。
安全与权限 18/20: 服务器安全处理良好，API密钥通过环境变量传递，不存储在配置中。所有敏感操作都有明确的确认机制。数据边界清晰，不会修改现有源代码。没有发现明显的安全风险，给予18分。
维护活跃度 14/20: 项目版本为0.2.40，有持续的更新记录。MIT许可证明确，文档中提到了贡献指南。但GitHub上只有15个星标，0个开放问题，社区活跃度有限，给予14分。
文档质量 16/20: 文档非常详细，包含安装指南、使用方法、工具参数说明和工作流程。提供了多种客户端的配置示例，有清晰的限制和故障排除说明。文档质量高，给予16分。
安装易用性 15/20: 安装过程简单明了，支持npx直接运行。为多种IDE和客户端提供了配置指南。但需要先安装目标仓库的依赖，增加了设置的复杂性，给予15分。

静态评测 · 未实际运行收录于 2026-09-07

查看 FMRS 评分方法 →

选型与风险

能访问什么读取本地文件写入 / 删除本地文件执行命令或代码访问网络

适合谁

希望拥有确定性、本地优先测试工作流的中大型 TypeScript/JavaScript、Python、Go、Java 代码库团队
使用 Claude Code、Cursor、Codex、Copilot、OpenCode 等 MCP 兼容编码代理的开发者
注重隐私的团队（代码不离开本机，密钥保留在环境变量中）

不适合谁

Kotlin、Rust、PHP、C#、Ruby、Swift、C/C++ 项目中需要生成测试、运行时覆盖或动态证明的场景（目前仅支持静态行为提取）
希望托管平台自动化测试生命周期、跨仓库智能或 CI 策略门禁的团队（本仓库仅为免费本地工具）
不愿为 AI 生成配置模型密钥且仅靠确定性分析的用户（生成功能需要 BYOK）

所需权限

读取本地仓库文件与 git 元数据以构建证据图谱
将报告与元数据写入 .orangepro/ 目录
向 orangepro_generated/ 写入新的生成测试文件（不触碰既有源文件）
可选：从环境变量读取 OpenAI / Anthropic / Ollama 凭据，并将接地代码上下文直接发送给您配置的提供商

风险与副作用

生成的测试位于 orangepro_generated/，运行前应人工审查
AI 候选链接与流程仅为建议，绝非证据；AI 输出不改变证据等级
opro generate --pr 会检出 PR 并修改工作区，存在工作树被改动的风险
启用 AI 通道时，接地代码上下文会直接发送给配置的模型提供商
MCP 服务器对仓库拥有本地文件系统与命令执行能力，应仅对受信任的代码库使用

安装接入

准备工作

运行环境：Node.js

OPENAI_API_KEY 可选密钥可选的 OpenAI 密钥（BYOK），用于 AI 候选链接和测试生成；在 OpenAI 平台账户中获取。

ANTHROPIC_API_KEY 可选密钥可选的 Anthropic 密钥（BYOK），用于 AI 候选链接和测试生成；在 Anthropic 控制台获取。

其他可选配置项（5 个）

OLLAMA_BASE_URL 可选可选的本地 Ollama 端点（无需密钥），用于本地 AI 生成；指向本地运行的 Ollama 服务地址。

OPENAI_BASE_URL 可选可选，覆盖 OpenAI 兼容端点地址（自定义/代理服务时使用）。

OPENAI_MODEL 可选可选，覆盖默认的 OpenAI 模型名称。

ANTHROPIC_MODEL 可选可选，覆盖默认的 Anthropic 模型名称。

OLLAMA_MODEL 可选可选，覆盖默认的 Ollama 模型名称。

1) 先在目标仓库安装依赖（npm/pnpm/bun install）。2) 可选：导出 ANTHROPIC_API_KEY、OPENAI_API_KEY 或 OLLAMA_BASE_URL 以启用 AI 候选链接与测试生成。3) 运行 npx -y @orangepro/mcp-server@latest start . --prompt-version v5，然后打开 .orangepro/behavior-coverage.html 查看报告。4) 作为 MCP 服务器运行：npx -y @orangepro/mcp-server@latest mcp；或在客户端 MCP 配置中添加 {"mcpServers":{"orangepro-local":{"command":"npx","args":["-y","@orangepro/mcp-server@latest","mcp"]}}}。也可用 opro agent --client claude-code 等命令打印对应客户端的精确配置。

.mcp.json

{"mcpServers":{"orangepro-local":{"command":"npx","args":["-y","@orangepro/mcp-server@latest","mcp"]}}}

以 Claude Code 为例。其他客户端的配置文件位置或字段可能不同（如 VS Code 使用 servers 字段），可用下方配置生成器转换。

.vscode/mcp.json

{
  "servers": {
    "orangepro-local": {
      "command": "npx",
      "args": [
        "-y",
        "@orangepro/mcp-server@latest",
        "mcp"
      ]
    }
  }
}

写入项目的 .vscode/mcp.json（VS Code 使用 servers 字段）。

Terminal

claude mcp add orangepro-local -- npx -y @orangepro/mcp-server@latest mcp

在终端运行；先把 <…> 占位符换成你自己的值。

生成并校验客户端配置

验证是否装好

在客户端的 MCP 工具列表中确认出现 orangepro_start 等 18 个工具，然后让它运行 orangepro_start 分析当前仓库；报告写入 .orangepro/behavior-coverage.html 即证明连接正常。

常见排障

首次运行动态证明数为 0 属正常现象——需运行测试并击杀变异体才能获得动态证明
若环境无法运行测试，被拒的草稿会保留为手动测试；安装依赖后重新运行 opro start 即可转为可运行测试
使用 opro doctor 或 opro doctor --proof 查看需要补充哪些证据、为何动态证明未能闭环
在任意读取命令后加 -- 获取机器可读输出；运行 opro help 查看完整参考
确认环境变量名称与提供商顺序（OpenAI → Ollama → Anthropic），可用 --provider 与 --model 覆盖

试试这样问

连接成功后，可以直接对 AI 助手这样说：

使用 orangepro_start 分析这个仓库，然后生成覆盖率报告。
调用 orangepro_find_test_gaps 列出风险最高的未测试行为。
使用 orangepro_generate_tests 并指定 base_ref=main，把每个测试写到建议的路径，运行并报告通过/失败结果。
对某个行为运行 orangepro_prove_loop，完成动态证明并刷新报告。

工具能力 18

orangepro_start 写入

一键式设置：分析 + 报告 + 下一步行动建议

orangepro_analyze_sources 写入

构建或刷新证据图谱

orangepro_generate_tests 写入

为测试盲区生成接地测试

orangepro_prove 写入

对某个行为运行变异击杀神谕

orangepro_prove_loop 写入

为单个行为执行设置命令 + 动态证明 + 报告刷新

orangepro_find_test_gaps 只读

列出测试薄弱或缺失的行为，按风险排名

orangepro_graph_score 只读

图谱就绪度评分（0–100）

orangepro_status 只读

查看工作区状态而不生成任何内容

展开其余 10 个工具

orangepro_doctor 只读

建议下一步添加的证据以提升质量

orangepro_rtm 只读

需求追溯矩阵

orangepro_stats 只读

聚合统计

orangepro_changed_impact 只读

分析某个 diff 的影响范围（需要 git + 基准分支）

orangepro_record_run 写入

记录一次测试运行结果

orangepro_explain_test 只读

解释某个测试为何被生成

orangepro_export_evidence_pack 写入

导出仅含元数据的证据包

orangepro_update_graph 写入

增量更新图谱

orangepro_ai_links 只读

弱行为→符号建议（可选 AI）

orangepro_ai_flows 只读

候选流程发现（可选 AI）

使用场景

在编写新测试前，按爆炸半径（影响范围）找出未测试的行为

为 PR diff 或特定分支变更生成接地测试

通过运行测试并击杀变异体，将行为提升为动态证明

生成系统图谱、覆盖率报告、需求追溯矩阵与元数据证据包

支持客户端

Claude Code

Cursor

Codex

Copilot / VS Code

OpenCode

Generic MCP clients

依据项目文档列出，未经本站实测。

详细介绍

OrangePro 是一款本地优先的 CLI 与 MCP 服务器（stdio 传输），通过 tree-sitter 对本地代码仓库构建知识图谱，映射每个行为并划分证据等级（动态证明、运行时覆盖、静态链接、未确认候选、无信号）。它能按风险排名列出测试盲区，生成基于真实符号的集成级测试（而非幻觉导入），并通过变异击杀神谕（mutation-kill oracle）动态证明行为。分析、评分与证明无需模型密钥；AI 候选链接与测试生成需要可选的 BYOK 密钥（OpenAI、Anthropic 或本地 Ollama）。AI 输出永不改变证据等级，只有变异击杀才能授予“动态证明”。所有代码读取均在进程内完成，不上传源码，不修改既有源文件。