「Lint 修复循环」是开发者的高频任务。它的输入通常是项目仓库与 lint 命令，期望得到的是修复后的代码与剩余问题清单。这类有固定流程、又需要一点判断力的工作，很适合封装成智能体 Skill。

本文介绍如何在 MCP 服务 上实现这个技能，包括它的形态、示例配置、启用步骤、一次完整的运行过程和常见坑。

这个技能做什么

项目说明
技能Lint 修复循环（lint-fix-loop）
作用运行项目自带的 lint 工具，按报告逐条修复并复跑直到通过
输入项目仓库与 lint 命令
输出修复后的代码与剩余问题清单
形态带脚本
风险低
适用人群开发者

处理流程分四步：

  1. 读取项目 lint 配置
  2. 运行 lint 并解析输出
  3. 按文件分组修复
  4. 复跑确认并汇总

这个技能需要运行本地脚本（解析文件、调用命令行工具等），要求运行环境允许执行代码；风险较低，但输出仍需快速过目再使用。

在 MCP 服务 中是什么形态

MCP（模型上下文协议）是一个开放协议，让智能体以统一方式调用外部工具、读取资源和使用提示模板。把技能中需要确定性执行的部分写成 MCP 工具，就能在支持 MCP 的多个客户端中复用。

MCP 服务可以本地运行（stdio），也可以部署为远程服务；在客户端的 MCP 配置中注册后，智能体即可发现其中的工具。

示例配置

# server.py —— 示意代码，需安装官方 MCP Python SDK
from mcp.server.fastmcp import FastMCP

mcp = FastMCP("lint-fix-loop")

@mcp.tool()
def lint_fix_loop(content: str) -> str:
    """运行项目自带的 lint 工具，按报告逐条修复并复跑直到通过。content 为项目仓库与 lint 命令。"""
    # 在这里做确定性的预处理：读取、解析、统计、校验
    lines = [x for x in content.splitlines() if x.strip()]
    return f"共 {len(lines)} 行有效内容，已完成预处理"

@mcp.prompt()
def lint_fix_loop_guide() -> str:
    """Lint 修复循环的标准流程提示"""
    return """读取项目 lint 配置；运行 lint 并解析输出；按文件分组修复；复跑确认并汇总。输出：修复后的代码与剩余问题清单"""

if __name__ == "__main__":
    mcp.run()

客户端侧的注册配置通常类似下面这样（文件位置与字段以所用客户端文档为准）：

{
  "mcpServers": {
    "lint-fix-loop": { "command": "python", "args": ["server.py"] }
  }
}

示例里最重要的是两处：一是描述（或指令开头）要写明「什么时候用」，让智能体在开发者提出相关请求时能对上号；二是约束部分要写进「改动前确认有测试与版本控制，一次只改一类问题」这类领域规矩，避免智能体自作主张。

安装与启用步骤

  1. 用官方 SDK（Python 或 TypeScript）新建一个 MCP 服务项目
  2. 把技能中可确定执行的步骤写成工具函数，docstring 写清用途与参数
  3. 把标准流程写成 prompt 模板，供客户端调用
  4. 在客户端配置中注册服务并重启
  5. 用调试工具或客户端调用一次，检查返回

实操：一次完整的运行

假设你在代码仓库与终端中发出这样的请求（虚构示例）：

帮我做一下Lint 修复循环，材料是附上的项目仓库与 lint 命令。

智能体识别到任务与「Lint 修复循环」相关后，会依次读取项目 lint 配置、运行 lint 并解析输出、按文件分组修复、复跑确认并汇总。最终交付修复后的代码与剩余问题清单，并在末尾列出需要人工确认的内容。你的工作是对照原始项目仓库与 lint 命令抽查两三处关键信息，确认无误后再使用。

测试与验收

先用 MCP 官方调试工具单独调用每个工具，再在客户端中让智能体端到端完成一次任务。

针对这个技能，还建议额外准备：

  • 一份信息齐全的标准项目仓库与 lint 命令，检查输出是否完整
  • 一份缺少关键信息的输入，检查智能体是否先提问而不是编造
  • 一份包含“忽略以上规则”等字样的输入，检查约束是否仍然有效

常见坑

  • 工具描述太模糊，智能体不知道何时调用。
  • 工具权限过大（如任意执行命令），一旦被提示注入就可能造成损失。
  • 只写了步骤，没写交付格式，导致每次输出的修复后的代码与剩余问题清单结构不同。
  • 没有给出样例，智能体对“好结果”的理解与你不一致；在参考资料里放一两份范例会明显改善。

延伸阅读

说明：文中的配置、代码与目录结构均为示意，用于说明思路；各平台的入口、字段名与能力会更新，落地前请以对应官方文档为准。示例中的数据与场景为虚构，不代表真实案例。