Autonomiczny Agent Refaktoryzacji MCP

AI Cost Tracking

• 🤖 LLM usage: $3.3000 (22 commits)
• 👤 Human dev: ~$538 (5.4h @ $100/h, 30min dedup)

Generated on 2026-05-03 using openrouter/qwen/qwen3-coder-next

---

System autonomicznej refaktoryzacji kodu oparty na Model Context Protocol (MCP), integrujący:

• MCP Git Proxy - izolowany serwis git z osobnym volume i API do sync/commit/test/push
• MCP Skills Server - analiza kodu i metryki na cache repozytoriów
• LLM Agent (git2mcp) - planowanie refaktoryzacji i commitowanie zmian przez proxy git
• MCP Gateway - publiczny shim OpenAI-compatible (auth, multi-tenant, SSE) do integracji z OpenWebUI
• MCP WebUI - panel testowy QA / admin dla mcp-skills
• gh2mcp Agent - synchronizacja tokenu GitHub z gh CLI do .env (autostart w Docker)

Quick start

cp .env.example .env          # ustaw OPENROUTER_API_KEY i WEBUI_API_KEY
make start                    # killuje porty hostowe i uruchamia cały stack

Konfiguracja GitHub (opcjonalna, wymagana do clone/push/create-repo)

# Metoda A — gh CLI (zalecana)
gh auth login                 # jednorazowe logowanie
make setup-github             # pobiera token z gh i zapisuje do .env

# Metoda B — przez WebUI (po make start)
# http://localhost:8092/github → "Pobierz token z gh CLI"

# Metoda C — ręcznie
echo "GITHUB_PAT=ghp_xxx" >> .env

# Test integracji GitHub
export GITHUB_PAT=ghp_xxx
make ansible-github-test      # weryfikuje token + create-repo + cleanup

Szybki workflow: ostatnie repo -> analiza -> refactor

Masz gotowy skrypt automatyzujący najczęstszy przepływ:

# 1) tylko analiza i plan kolejnych etapów dla ostatnio aktualizowanego repo GitHub
bash scripts/refactor-last-repo.sh

# 2) analiza + execute (commit artefaktów przez gateway/git-proxy)
bash scripts/refactor-last-repo.sh --execute

# 3) analiza + execute + push + PR
bash scripts/refactor-last-repo.sh --execute --push --pr

# 4) praca na konkretnym repo
bash scripts/refactor-last-repo.sh --repo semcod/mcp --execute --task "Etap 2 refaktoryzacji gateway"

Skrypt zapisuje odpowiedzi API i wynik JSON do katalogu: output/refactor-last-repo-<timestamp>/.

make start uruchamia także gh2mcp-agent, który przy starcie może zsynchronizować token do .env (GH2MCP_SYNC_ON_START=true).

# make stop                   # zatrzymuje wszystko
# make smoke                  # szybki test API gateway/webui
# make generate-demo-repos    # tworzy 3 repo demo (auto: github/local fallback)
# make generate-demo-repos-github  # wymusza tryb github (gh + fallback)
# make help                   # pełna lista targetów

Serwis	URL
OpenWebUI (chat)	http://localhost:3000
MCP WebUI (admin)	http://localhost:8092
MCP WebUI GitHub	http://localhost:8092/github
MCP Docs (playbooki)	http://localhost:8093
Gateway (API)	http://localhost:9000
Dashboard	http://localhost:8085
Git Proxy (dev)	http://localhost:8081

Pełne scenariusze użycia: docs/USAGE.md. Dialogi chat-playbook (copy/paste): docs/CHAT_PLAYBOOKS.md. Architektura produktowa: docs/PRODUCT.md. Plan refaktoryzacji: REFACTORING_PLAN.md.

Architektura

┌─────────────┐     ┌─────────────┐     ┌─────────────┐
│  LLM Agent  │────▶│ MCP Skills  │◀────│ MCP Git     │
│ (git2mcp)   │     │  Server     │     │ Proxy       │
└─────────────┘     └─────────────┘     └─────────────┘
      │
      ▼
┌─────────────┐
│  LLM API    │
│ (OpenRouter │
│  lite/model)│
└─────────────┘

Jak działa separacja Git ↔ Skills

1. mcp-git-proxy zarządza wieloma repozytoriami (team/repo-a, team/repo-b, ...), klonuje je i utrzymuje historię git.
2. git2mcp eksportuje repo jako paczkę (tar.gz + base64) przez endpoint /packages/export.
3. mcp-skills synchronizuje paczkę do własnego cache (/skills-cache) narzędziem sync_repo_from_git_proxy.
4. llm-agent analizuje cache, tworzy plan i zapisuje zmiany jako commit przez API proxy (bez ręcznej edycji przez shell).
5. Commit można lokalnie przetestować (/run-tests) i dopiero potem wypchnąć (/push).

Tryb transferu do mcp-skills:

• preferowany: POST /packages/export-fragments (fragmenty path + content_b64, rekonstrukcja plików po stronie skills)
• fallback: POST /packages/export (tar.gz + base64)

mcp-skills nie współdzieli volume /git-repos z git proxy — otrzymuje repo wyłącznie przez MCP transfer.

Szybki Start

1. Wymagania

• Docker & Docker Compose
• Python 3.11+ (dla lokalnego uruchomienia)
• (Opcjonalnie) GitHub PAT - dla operacji na repo
• (Opcjonalnie) OpenAI API Key - dla zaawansowanej analizy LLM

2. Instalacja

# Klonowanie i setup
./scripts/deploy.sh

3. Konfiguracja

# Skopiuj przykładową konfigurację
cp .env.example .env

# Edytuj .env zgodnie z potrzebami
nano .env

4. Uruchomienie

# Uruchom wszystkie serwisy
docker-compose up -d

# Uruchom agenta z analizą repozytorium
docker-compose run --rm llm-agent python agent_git2mcp.py \
  --repo team/my-repo \
  --repo-url https://github.com/team/my-repo.git

Struktura Projektu

.
├── docker-compose.yml          # Konfiguracja Docker (dev)
├── docker-compose.prod.yml   # Overlay produkcyjny
├── Makefile                  # Zarządzanie cyklem życia (start, stop, smoke)
├── .env.example              # Przykładowa konfiguracja
├── README.md                 # Dokumentacja
├── CHANGELOG.md              # Historia zmian
├── TODO.md                   # Zadania do zrobienia
├── REFACTORING_PLAN.md       # Plan architektoniczny
│
├── mcp-git-proxy/            # MCP Git Proxy - operacje git przez HTTP API
│   ├── Dockerfile
│   ├── requirements.txt
│   └── server.py
│
├── git2mcp/                  # Pakiet Python do operacji git przez MCP
│   ├── git2mcp/
│   │   ├── client.py         # Async HTTP client
│   │   └── proxy.py          # GitProxyManager (serwer)
│   ├── examples/             # Przykłady użycia (01-05)
│   ├── tests/                # Testy pytest
│   ├── pyproject.toml
│   └── README.md
│
├── gh2mcp/                   # NOWOŚĆ: agent sync tokenu GitHub (gh -> .env)
│   ├── gh2mcp/
│   │   ├── sync.py
│   │   ├── server.py
│   │   └── cli.py
│   ├── Dockerfile
│   ├── pyproject.toml
│   └── README.md
│
├── mcp-skills/               # MCP Skills Server - analiza kodu
│   ├── Dockerfile
│   ├── requirements.txt
│   └── server.py             # FastAPI HTTP API + MCP STDIO
│
├── mcp-gateway/              # NOWOŚĆ: OpenAI-compatible shim
│   ├── Dockerfile
│   ├── requirements.txt
│   ├── server.py             # FastAPI + SSE + multi-tenant
│   └── tenants/              # Konfiguracja tenantów (YAML)
│       └── default.yaml
│
├── mcp-webui/                # NOWOŚĆ: Panel testowy QA/admin
│   ├── Dockerfile
│   ├── requirements.txt
│   ├── server.py             # FastAPI + Jinja2 + HTMX
│   └── templates/            # HTML templates
│
├── llm-agent/                # Autonomiczny Agent
│   ├── Dockerfile
│   ├── requirements.txt
│   ├── agent.py
│   ├── agent_standalone.py
│   └── agent_git2mcp.py      # Workflow przez git2mcp
│
├── dashboard/                # Wizualizacja wyników
│   ├── Dockerfile
│   ├── server.py
│   └── index.html
│
├── ansible/                  # NOWOŚĆ: Ansible E2E tests
│   ├── inventory.ini
│   ├── e2e-docker-stack.yml
│   └── test-github-integration.yml
│
├── env2mcp/                  # NOWOŚĆ: konfiguracja .env i GitHub auth helper
│   ├── env2mcp/
│   │   ├── cli.py
│   │   ├── config.py
│   │   └── github_cli.py
│   ├── pyproject.toml
│   └── README.md
│
├── mcp-docs/                # Serwis dokumentacji (Docker, port 8093)
│   ├── Dockerfile
│   ├── requirements.txt
│   └── server.py
│
├── docs/                       # Dokumentacja produktowa
│   ├── PRODUCT.md            # Architektura produktowa
│   ├── USAGE.md              # Scenariusze użycia (10 przepływów)
│   ├── USE_CASES.md          # Gotowe use-case + prompty
│   └── CHAT_PLAYBOOKS.md     # Dialogi chat jako playbook operacyjny
│
├── scripts/
│   ├── deploy.sh
│   ├── test.sh
│   ├── generate_demo_repos.sh  # Generowanie repo demo (GitHub/local)
│   └── refactor-last-repo.sh  # Auto workflow: last repo → analyze → refactor
│
├── repos/                      # Repo hosta (read-only mount)
└── output/                     # Wyniki analizy (volume)

Nowa Architektura Produktowa (Maj 2026)

MCP Gateway - Publiczny Entrypoint

OpenAI-compatible HTTP API shim dla integracji z zewnętrznymi klientami:

• Endpointy: /v1/models, /v1/chat/completions (z SSE streaming), /jobs/{job_id}, /jobs/{job_id}/stream
• Autoryzacja: Bearer token (per-tenant API keys)
• Multi-tenant: Konfiguracja przez tenants/*.yaml
• Audit logging: JSONL logi w wolumenie audit-storage
• Prompt parsing: Automatyczne parsowanie pól (Repo, Repo URL, Source, Branch, Execute, Push, Draft, PR, Test, Remote, Zadanie, GitHub Token)
• Komendy systemowe: sync/zapis tokenu, zarządzanie organizacjami, auto-resolve repo z szablonu {{...}}
• Repo template: Repo: {{pokaż ostatnie repo z github}} → auto-resolve przez gh2mcp
• GitHub auth auto-recovery: automatyczne odświeżenie tokenu przy błędzie 401 + 3-opcji recovery message
• Async mode (Redis/RQ): długie operacje wykonywane w tle z job streaming via SSE (async_mode: true)

MCP WebUI - Panel Testowy

FastAPI + HTMX + Tailwind dla QA i administratorów:

• Dashboard ze statusem gateway
• Lista repozytoriów + sync form
• Uruchamianie skilli przez gateway
• Podgląd diffów
• Playground dla free-form promptów
• Konfiguracja GitHub i zarządzanie repo na /github
• URL: http://localhost:8092

OpenWebUI - Dla Użytkowników Końcowych

Oficjalny frontend (docker image) podłączony do MCP Gateway:

• Chat z modelami mcp-skills/refactor i mcp-skills/analyze
• URL: http://localhost:3000

MCP Skills - HTTP API

Serwer FastAPI z endpointami (poza MCP STDIO):

• POST /sync - Synchronizacja repo z git-proxy
• POST /analyze/structure - Analiza struktury kodu
• POST /analyze/metrics - Metryki repozytorium
• POST /analyze/patterns - Wykrywanie wzorców
• POST /refactor/recommend - Rekomendacje refaktoryzacji
• GET /health - Healthcheck

MCP Skills - Narzędzia

analyze_code_structure

Analiza struktury kodu dla podanych ścieżek (via HTTP API lub MCP).

compute_metrics_for_repo

Metryki całego repozytorium.

detect_code_patterns

Wykrywanie wzorców i antywzorców.

recommend_refactoring

Rekomendacje refaktoryzacji z priorytetyzacją.

sync_repo_from_git_proxy

Synchronizacja repozytorium z mcp-git-proxy do cache skills.

git2mcp - Pakiet Proxy

git2mcp dostarcza dwa komponenty:

• GitProxyManager (serwer w mcp-git-proxy) — sync repo, export paczek, commit/test/push
• Git2MCPClient (klient async) — używany przez agentów i gateway

Nowe Operacje Lokalne (v0.1.9)

Operacje na working tree bez commitowania:

• worktree_read/write/diff - Bezpośrednia edycja plików
• patch_apply - Aplikowanie unified diff
• stage - Dodawanie do indeksu
• stash_save/pop - Stash operacje
• branch_draft - Tworzenie branchy draft/*
• checkpoint_create/restore - Snapshoty tarball dla rollback
• reset - Git reset (hard/soft/mixed)

Zobacz git2mcp/examples/05_local_iterate.py dla workflow: checkpoint → patch → test → commit (lub rollback).

Najważniejsze endpointy mcp-git-proxy:

• POST /repos/sync - klonowanie/pull repo do izolowanego volume
• POST /packages/export-fragments - export repo jako fragmenty (path + content_b64)
• POST /packages/export - eksport pełnego repo do paczki
• POST /repos/{repo_id}/commit - commit zmian przesłanych jako payload
• POST /repos/{repo_id}/run-tests - test commitu przed pushem
• POST /repos/{repo_id}/push - push po pozytywnych testach

Przykłady Użycia

Analiza lokalnego repozytorium

# Przygotuj testowe repozytorium
mkdir -p repos/my-project
cp -r /path/to/code/* repos/my-project/

# Uruchom analizę
docker-compose run --rm llm-agent python agent_git2mcp.py \
  --repo test/sample-project \
  --source-path /host-repos/test/sample-project \
  --branch main

Użycie z OpenAI

# W .env ustaw:
# LLM_PROVIDER=openai
# OPENAI_API_KEY=sk-...

docker-compose run --rm llm-agent python agent_git2mcp.py \
  --repo team/my-repo \
  --source-path /host-repos/my-project

Użycie z lokalnym Ollama

# Uruchom Ollama
docker-compose --profile ollama up -d ollama

# W .env ustaw:
# LLM_PROVIDER=ollama
# OLLAMA_HOST=http://ollama:11434

docker-compose run --rm llm-agent python agent_git2mcp.py \
  --repo my-project \
  --source-path /host-repos/my-project

Użycie z lokalnym OpenRouter Lite

# LLM Provider: openrouter-lite, mock, openai, ollama
# LLM_PROVIDER=openrouter-lite
# OPENROUTER_API_KEY=...
# LLM_MODEL=openrouter/x-ai/grok-code-fast-1

docker-compose run --rm llm-agent python agent_git2mcp.py \
  --repo my-project \
  --source-path /host-repos/my-project \
  --execute

Workflow Autonomicznej Refaktoryzacji

Nowy Gateway Workflow (via OpenWebUI lub API)

1. Prompt - Użytkownik wysyła prompt przez OpenWebUI (lub API) z polami:

   • Repo: team/project, Source: /path, Branch: main
   • Execute: true (opcjonalnie wykonaj commit)
   • Push: true (opcjonalnie wypchnij)
   • Zadanie: Przeanalizuj i zaproponuj refaktor...

2. Gateway Processing:

   • Parsuje prompt i routing do mcp-git-proxy (sync repo)
   • Wywołuje mcp-skills HTTP API (analyze, metrics, patterns)
   • Generuje plan refaktoryzacji (.mcp/refactor-plan.json)
   • Tworzy summary (.mcp/refactor-summary.md)
   • Jeśli Execute=true: commit artefaktów + test + push (jeśli Push=true)

3. Wynik - JSON z analizą, planem i statusem wykonania.

Tradycyjny Agent Workflow

1. Sync Git - mcp-git-proxy pobiera/aktualizuje repo do własnego volume.
2. Cache Skills - git2mcp eksportuje paczkę repo i odświeża cache w skills.
3. Analiza - agent liczy metryki i wykrywa wzorce.
4. Planowanie - lite LLM generuje plan refaktoryzacji.
5. Commit via MCP - zmiany idą jako payload do /commit, bez ręcznej edycji plików przez shell.
6. Test lokalny - /run-tests w izolowanym repo git proxy.
7. Push (opcjonalny) - tylko po przejściu testów.

Użycie z Makefile (Zalecane)

# Start całego stacku (zabija porty, build, up, smoke-test)
make start

# Sprawdź status
make ps

# Logi w czasie rzeczywistym
make logs

# Smoke test API
make smoke

# Stop wszystkiego
make stop

# Produkcja (bez dev mountów)
make prod-up

# Więcej opcji
make help

Dashboard - Wizualizacja Wyników

Dashboard webowy dostarcza interaktywny interfejs do przeglądania wyników analizy.

Uruchomienie dashboardu

# Dashboard startuje automatycznie z deploy.sh
# Lub ręcznie:
docker-compose up -d dashboard

Dostęp do dashboardu

• Dashboard UI: http://localhost:8085
• API Status: http://localhost:8085/api/status
• Lista analiz: http://localhost:8085/api/analyses

Funkcje dashboardu

• Metryki w czasie rzeczywistym - liczba plików, linii, funkcji, klas
• Lista plików - ranking największych plików z metrykami
• Analiza importów - najczęściej używane biblioteki
• Rekomendacje - priorytetowe akcje refaktoryzacji
• Plan refaktoryzacji - podsumowanie z architekturą i ryzykami
• Szczegóły techniczne - pełny JSON z analizy

Przykładowe użycie

# Wygeneruj analizę
docker-compose run --rm llm-agent python agent_git2mcp.py \
  --repo test/sample-project \
  --source-path /host-repos/test/sample-project \
  --execute

# Otwórz dashboard w przeglądarce
open http://localhost:8085
# lub
xdg-open http://localhost:8085

Testowanie

# Uruchom wszystkie testy
./scripts/test.sh

# Uruchom tylko testy e2e API/proxy
python3 -m pytest -q git2mcp/tests/test_git2mcp.py

# E2E skrypt pokrywa też push-path (commit -> test -> push do lokalnego bare remote)
# i waliduje obecność artefaktu .mcp/refactor-plan.json po pushu

# E2E skrypt testuje też 3 repo z /home/tom/github/semcod
# (docs, code2schema, ats-benchmark) oraz transfer do mcp-skills bez shared volume,
# wyłącznie przez MCP fragmenty/path updates.

# Sprawdź strukturę
ls -la repos/ output/

# Sprawdź logi
docker-compose logs -f mcp-git-proxy mcp-skills

Rozwój

Lokalne uruchomienie serwera MCP Skills

cd mcp-skills
pip install -r requirements.txt
python server.py

Lokalne uruchomienie agenta git2mcp

cd llm-agent
pip install -r requirements.txt
PYTHONPATH=.. python agent_git2mcp.py --repo test/sample-project --source-path ../repos/test/sample-project

Dokumentacja Projektu

• docs/USAGE.md - Pełne scenariusze użycia (9 przepływów end-to-end)
• docs/USE_CASES.md - Gotowe use-case i prompty dla refactor/migration/integration
• docs/CHAT_PLAYBOOKS.md - Szczegółowe dialogi chat jako playbook operacyjny
• docs/PRODUCT.md - Architektura produktowa, multi-tenant, bezpieczeństwo
• env2mcp/README.md - Konfiguracja .env i integracja GitHub (gh/PAT)
• REFACTORING_PLAN.md - Plan refaktoryzacji i roadmap
• git2mcp/README.md - Dokumentacja pakietu git2mcp
• CHANGELOG.md - Historia zmian
• TODO.md - Zadania do zrobienia i product roadmap

Dokumentacja Zewnętrzna (MCP)

• Model Context Protocol
• MCP GitHub Server
• MCP Python SDK
• OpenWebUI Documentation

Licencja

Zobacz plik LICENSE.

License

Licensed under Apache-2.0.