重庆大学AI训练营+20230645+GitHub 开源项目智能分析

[eicon-xyz]

---

🚀 GitHub 开源项目深度分析 Agent

项目概述

GitHub 开源项目深度分析 Agent 是一个基于 Nexent + MCP + 多Agent协作 构建的项目学习助手。

它解决的核心问题是：

当开发者第一次接触一个大型开源项目时，

README 看不懂、

项目结构太复杂、

不知道从哪里开始读源码、

更不知道核心调用链在哪里。

系统通过 双Agent协作机制，将项目分析拆分为：

• 项目概览分析（Agent-A）
• 源码深度分析（Agent-B）

最终生成一份包含：

• 项目定位
• 技术栈
• 架构设计
• 核心模块
• 入口文件
• 调用链分析
• 源码验证结果

的完整技术报告。

---

🎯 项目定位

本项目定位为：

开源项目学习与源码分析助手

帮助开发者在几分钟内完成项目调研工作。

系统能做什么

能力	说明
项目概览分析	自动解析仓库信息
README解析	提取项目核心功能
技术栈识别	自动识别语言与依赖
项目结构分析	生成目录树
架构推断	判断单体/微服务/插件化
入口定位	自动发现入口文件
核心模块识别	找出关键源码目录
调用链追踪	验证真实执行流程
源码验证	避免仅依赖README
学习路线生成	给出源码阅读建议

---

❓ 为什么要做这个项目

目前大量 AI 项目分析工具存在一个共同问题：

第一类

仅分析 README

输出：

项目简介
技术栈
主要功能

看起来很完整。

实际上：

• 没看源码
• 不知道入口
• 不知道调用链
• 可能产生幻觉

---

第二类

直接分析源码

问题：

• 仓库太大
• 上下文不足
• 容易迷失方向
• Token 消耗巨大

---

本项目的解决方案

采用：

概览分析
    ↓
结构化JSON
    ↓
源码验证
    ↓
深度报告

先建立项目全局认知。

再进入源码验证阶段。

保证：

• 有全局视角
• 有源码依据
• 有真实调用链

---

🏗️ 系统架构

整体架构

flowchart TD

A[用户输入 GitHub 仓库地址]

A --> B[Agent-A<br>项目概览分析]

B --> C[MCP工具调用]

C --> D[仓库信息]
C --> E[README]
C --> F[技术栈]
C --> G[项目结构]
C --> H[架构分析]

D --> I[标准化JSON]
E --> I
F --> I
G --> I
H --> I

I --> J[Agent-B<br>源码深度分析]

J --> K[入口文件定位]

K --> L[源码读取]

L --> M[调用链追踪]

M --> N[架构验证]

N --> O[深度分析报告]

Loading

---

Agent协作设计

系统采用双Agent架构。

Agent-A：项目概览分析

职责：

• 信息收集
• 项目结构解析
• 技术栈识别
• 架构推断

输出：

{
  "repo_info": {},
  "readme": {},
  "tech_stack": {},
  "project_structure": {}
}

仅输出标准JSON。

不生成分析报告。

---

Agent-B：源码深度分析

职责：

• 入口定位
• 源码验证
• 调用链分析
• 架构验证

输入：

Agent-A输出JSON

输出：

深度分析报告

---

🔧 MCP工具体系

项目基于 FastMCP 构建 GitHub 分析工具集。

当前提供 12 项能力。

工具	功能
get_repo_overview	仓库概览
get_readme	README获取
get_tech_stack	技术栈分析
get_directory_structure	项目结构
get_key_modules	核心模块
get_architecture_analysis	架构分析
analyze_project_structure	项目类型识别
get_entry_points	入口定位
get_learning_roadmap	学习路线
search_code	代码搜索
get_file_content	源码读取
get_file_summary	文件摘要

---

🔍 工作流程

阶段一：项目概览分析

Agent-A 调用 MCP：

get_repo_overview

get_readme

get_tech_stack

get_directory_structure

get_key_modules

get_architecture_analysis

get_entry_points

输出标准化 JSON。

---

阶段二：源码深度分析

Agent-B：

Step1

解析 JSON

定位：

• 项目入口
• 核心模块

---

Step2

源码验证

调用：

get_file_content

读取真实代码。

---

Step3

调用链追踪

调用：

search_code

寻找：

main()

create_app()

run()

init()

等关键函数。

---

Step4

架构验证

验证：

• README描述
• 技术栈声明
• 实际代码实现

是否一致。

---

Step5

生成最终报告

输出：

• 项目定位
• 技术架构
• 核心模块
• 调用链
• 源码证据
• 学习路线

---

📊 输入与输出

输入

用户直接输入：

owner/repo

例如：

[langchain-ai/langchailangchainn](https://github.com/langchain-ai/langchain)

---

输出

最终生成：

项目概览

项目定位
主要功能
技术栈

架构分析

系统架构
模块关系

调用链分析

入口函数
调用路径
关键组件

源码验证

验证结果
证据位置
代码片段说明

学习路线

推荐阅读顺序

---

✨ 项目亮点

亮点	说明
双Agent架构	降低上下文压力
状态传递机制	Agent间协同工作
源码级验证	避免README幻觉
调用链追踪	真实执行路径分析
MCP工具化	易扩展
GitHub原生分析	无需下载仓库
自动学习路线	降低学习门槛
可扩展源码审计	支持后续安全分析

---

🚧 后续规划

方向	说明
UML自动生成	类图与时序图
架构图生成	自动绘制系统结构
RAG增强	建立项目知识库
多仓库分析	微服务系统分析
安全审计	漏洞与风险检测
测试覆盖率分析	测试质量评估
AI代码讲解	面向初学者解释源码

---

📌 使用方式

1. 配置 GitHub Token

export GITHUB_TOKEN=your_token

2. 启动 MCP 服务

python github-analyzer-mcp.py

3. 导入 Agent 配置

创建：

• Agent-A（项目概览分析）
• Agent-B（源码审计助手）

---

4. 开始使用

直接启动：

源码审计助手

输入：

https://github.com/owner/repo

系统将自动完成：

项目概览
↓
结构分析
↓
源码验证
↓
调用链追踪
↓
深度报告

---

Agent A:
agent_github_repo_analyzer_assistant_1780133162156.json
Agent B:
agent_source_code_audit_assistant_1780130970461.json

github_mcp.py