Show HN: Scopewalker——一个用于代码库复杂度指标的MCP服务器
AI智能体往往会生成超过1000行的源文件，或给函数调用添加第20个参数，即便有规则文件明确禁止。为此，我构建了Scopewalker：一个本地MCP服务器（开源，通过stdio运行，不发起任何网络调用），为智能体提供可校验的实际数据。它提供8个只读工具：代码行数统计、认知复杂度/嵌套深度/参数数量、基于可配置阈值的超大文件/函数检查、文档覆盖率、代码气味检测（注释中的TODO/FIXME/HACK以及不安全类型转换），以及属性透传检测。底层基于tree-sitter + tokei + fast-glob，无需自定义解析。已在macOS上配合Claude Code测试，理论上兼容Cursor、VS Code、Windsurf、Gemini CLI、Codex及其他支持MCP协议的工具。支持TS/JS、Python、Go、Rust、Java、C/C++和Ruby。
背景速读
- **MCP (Model Context Protocol)** 是 Anthropic 推出的一种开放协议，让 AI 助手（如 Claude、Cursor）能安全地调用本地工具或读取本地数据。MCP 服务器就是实现了这个协议的本地服务进程。
- **"Vibe coding"** 是圈内调侃的说法，指开发者放任 AI 自动生成大量代码，自己只提供模糊意图、不做严格审查。这容易产生超长文件、过度嵌套、参数爆炸等技术债。
- **Scopewalker** 本质是一个本地运行的代码质量"哨兵"：它用 tree-sitter（语法分析器）、tokei（代码行数统计）等成熟工具，为 AI 提供只读的复杂度指标，让 AI 在生成代码时就能自我约束，而不是事后人工 review 才发现问题。
- **Prop-drilling** 指在 React 等前端框架中，为了把数据传到深层子组件，不得不在中间所有组件层层传递 props——这是常见的代码坏味道。
- 这个项目属于"AI 治理"新兴方向：用工具约束 AI 的行为质量，而不是完全依赖提示词或人工复审。