mcp-devbridge
Exposes a local development project as a secure MCP server over a stable HTTPS URL via Cloudflare tunnel, with configurable access permissions and 33 development tools for file, command, Git, and process operations.
README
MCP DevBridge
让 ChatGPT、Gemini Spark 等支持 MCP 的网页端,直接连接你的本地开发项目。
MCP DevBridge 是一款面向 Windows 的可视化本地开发桥接工具。
你在桌面选择一个项目目录并启动服务后,ChatGPT、Gemini Spark 等 MCP 客户端就可以通过一个固定的 HTTPS MCP 地址读取项目、搜索代码、修改文件、执行测试和 Git 操作。
它本身不调用任何大模型 API,也不需要你为 MCP DevBridge 配置 OpenAI / Gemini 模型 API Key。
如果你已经在使用 ChatGPT、Gemini 等网页端订阅,又不希望为了本地 Coding Agent 额外长期购买大量 API Token,MCP DevBridge 提供了一条更直接的路径:
ChatGPT / Gemini Spark
│
│ MCP over HTTPS
▼
MCP DevBridge
│
┌─────┴─────┐
▼ ▼
CodexPro Windows-MCP
项目开发 可选系统控制
│
▼
你的本地项目
[!IMPORTANT] MCP DevBridge 只是本地工具桥接层,不提供模型推理,也不会绕过 ChatGPT、Gemini 或其他平台自身的套餐、额度、工具权限和安全确认规则。
网页端是否允许写操作、是否要求确认、以及相关使用如何计入平台额度,都以对应平台当前规则为准。
为什么做这个项目?
很多 AI Coding Agent 能力很强,但通常需要单独购买 API Token。大型项目持续开发时,模型调用成本可能很高。
另一方面,很多用户已经订阅了 ChatGPT 或 Gemini,但网页端默认无法直接:
- 读取本地项目文件;
- 搜索整个代码仓库;
- 修改代码并应用 Patch;
- 执行测试、构建和 Git;
- 启动或停止本地开发进程。
MCP DevBridge 解决的就是中间这一层:
把支持 MCP 的网页端 AI,安全地连接到你的本地开发环境。
你不需要自己手写 MCP Server、HTTP 网关、OAuth、Cloudflare Tunnel、项目权限管理和桌面控制程序。
主要功能
-
可视化项目选择
在桌面窗口直接选择需要开发的本地项目,无需手写路径配置。 -
固定 MCP 地址
支持 Cloudflare Named Tunnel,例如:https://mcp.example.com/mcp正常重启程序或切换项目后,公网地址不需要改变。
-
ChatGPT + Gemini Spark
同一个 MCP DevBridge 可用于多个支持远程 MCP 的客户端。 -
本地文件开发能力
支持读取、搜索、写入、编辑、Patch、目录操作等开发工作流。 -
Git 与命令执行
支持 Git status / diff / commit / push,以及 PowerShell、测试、构建和长期进程管理。 -
OAuth + Bearer 认证
公网入口支持 MCP OAuth 流程,同时保留 Bearer Token 兼容路径。 -
权限模式
支持:- 只读
- 项目工作区
- 系统级权限
-
可选 Windows 控制能力
可通过 Windows-MCP 扩展桌面操作、应用控制、PowerShell、文件系统等能力。 -
审计与脱敏
提供工具调用日志、进程日志,并对 Token、Secret、Password 等敏感值进行脱敏。 -
桌面化运行
PySide6 单窗口界面,一键启动 / 停止本地引擎、OAuth Gateway 和 Tunnel。
快速开始
方式一:安装 Windows 安装包(推荐)
普通用户建议直接使用 GitHub Releases 中的安装包,不需要自己搭 Python 项目环境。
1. 下载
打开:
下载最新版本的:
MCPDevBridge-Setup-x.x.x.exe
如果 Releases 页面暂时还没有安装包,可以使用下面的“从源码运行”方式。
2. 安装并启动
安装完成后打开:
MCP DevBridge
3. 选择项目
在主界面选择你希望 ChatGPT / Gemini 操作的项目文件夹,例如:
D:\Projects\my-project
建议第一次使用时选择:
项目工作区
权限模式。
4. 选择连接方式
如果只是本机调试,可以使用本地模式。
如果希望 ChatGPT / Gemini 网页端长期连接,推荐:
Cloudflare 固定地址
然后填写:
- 固定域名,例如
mcp.example.com - Cloudflare Named Tunnel Token
5. 点击启动
启动成功后,程序会显示固定 MCP 地址:
https://mcp.example.com/mcp
6. 在网页端添加 MCP
将这个地址添加到 ChatGPT 或 Gemini Spark 的自定义 MCP / Connected App 中。
之后正常使用时通常只需要:
打开 MCP DevBridge
→ 选择项目
→ 点击启动
→ 去 ChatGPT / Gemini 开发
固定地址模式下,不需要每次重新生成 MCP URL。
Cloudflare 固定地址部署
如果你希望网页端长期使用同一个 MCP 地址,推荐使用 Cloudflare Named Tunnel。
需要准备
- 一个 Cloudflare 账号;
- 一个托管在 Cloudflare 的域名;
- 一个 Named Tunnel;
- 一个固定子域名,例如:
mcp.example.com
推荐结构
https://mcp.example.com
│
▼
Cloudflare Named Tunnel
│
▼
127.0.0.1:8786
MCP DevBridge OAuth Gateway
│
▼
127.0.0.1:8787
Local MCP Engine
当前 OAuth Gateway 默认监听:
127.0.0.1:8786
因此 Cloudflare Public Hostname 的 Service 应指向:
http://localhost:8786
MCP Endpoint 为:
https://mcp.example.com/mcp
端口配置
- 公网入口端口(Gateway):默认
8786。在桌面主界面的 “访问令牌与 MCP 地址”区域可以修改、检测占用、恢复默认; 修改后必须同步将 Cloudflare Tunnel 的 Service URL 改为http://localhost:<新端口>,否则公网连接会失败(界面会醒目提示)。 - 内部组件端口:CodexPro
8787、Windows-MCP28731、Legacy backend8765。 通过主界面「高级设置…」可改,默认无需操作;设置永久保存,服务运行期间锁定。 - 所有端口仅监听
127.0.0.1;启动前会检查端口占用,被占用时提示处理, 不会偷偷改端口。 - 端口默认值集中在
src/local_dev_mcp_bridge/constants.py的DEFAULT_*_PORT。
正常情况下:
curl.exe -i https://mcp.example.com/mcp
在没有认证信息时返回 401 Unauthorized,通常意味着:
DNS
→ Cloudflare
→ Tunnel
→ 本地 Gateway
→ MCP 认证层
这条公网链路已经打通。
[!WARNING] Cloudflare Tunnel Token、MCP Bearer Token、OAuth Client Secret 都属于敏感凭据。不要提交到 Git,不要粘贴到公开聊天或 Issue 中。
ChatGPT 连接
在支持自定义 MCP 的 ChatGPT 环境中:
-
启用相应的 Developer / MCP 功能;
-
新建自定义 MCP App;
-
Server URL 填:
https://mcp.example.com/mcp -
根据当前 ChatGPT 界面配置认证;
-
扫描并启用需要的 Actions / Tools;
-
新建会话开始使用。
示例任务:
读取当前项目的 AGENTS.md 和 README.md,
检查 Git 状态,
然后根据项目约束定位当前未完成任务。
不要修改代码,先给我开发计划。
或者:
阅读相关代码并修复这个 bug。
修改后运行测试,
再用 Git diff 检查改动。
ChatGPT 对 MCP 写操作、工具刷新、Action 快照以及确认机制的支持可能随套餐和产品版本变化。
“Allow all actions” 只会影响已经暴露给 ChatGPT 的工具,并不会替 MCP Server 自动新增工具。
Gemini Spark 连接
MCP DevBridge 提供 OAuth Gateway,可用于 Gemini Spark 的 Custom Connected App。
一般流程:
-
在 Gemini Spark 中添加自定义 Connected App;
-
MCP Server URL 填:
https://mcp.example.com/mcp -
按 Gemini 当前界面完成 OAuth / Client 配置;
-
浏览器会打开 MCP DevBridge 授权页;
-
确认项目目录和授权范围;
-
点击允许;
-
返回 Gemini Spark 使用。
MCP DevBridge 对外身份为:
mcp-devbridge
显示名称:
MCP DevBridge
权限模式
只读
适合第一次连接或代码审查。
允许:
- 查看项目;
- 读取文件;
- 搜索代码;
- Git 只读操作。
不允许直接修改项目。
项目工作区
推荐日常开发使用。
允许在当前选中的项目范围内:
- 读取和搜索;
- 写文件;
- Edit / Patch;
- Git;
- 受控命令执行;
- 测试和构建;
- 本地开发进程管理。
系统权限
允许更高风险的系统级能力。
如果启用了 Windows-MCP,AI 还可能获得:
- PowerShell;
- 应用控制;
- 文件系统;
- 进程管理;
- 注册表;
- Windows UI 自动化等能力。
[!NOTE] Windows 桥接工具按权限档位过滤:
项目工作区 / 只读下只放行desktop_ui白名单(点击、输入、快照、应用等 UI 操作), PowerShell / 注册表 / 文件系统等系统级工具会被拒绝; 仅系统权限模式放行全部工具(system_full)。 每次调用还会与桥端实时工具清单(inventory)交叉校验。
[!CAUTION] 系统权限意味着远程 AI 工具可能影响项目目录之外的电脑状态。
除非确实需要,否则优先使用“项目工作区”。
从源码运行
环境要求
基础开发环境:
- Windows 10 / 11 x64
- Python 3.12
- Node.js 20+
- Git
- uv
- npm
固定公网连接还需要:
cloudflared
Windows 系统控制为可选能力,依赖 Windows-MCP 及其对应运行时要求。
1. Clone
git clone https://github.com/ShiningSugar35/mcp-devbridge.git
cd mcp-devbridge
2. 创建 Python 环境
py -3.12 -m venv .venv
.\.venv\Scripts\python.exe -m pip install --upgrade pip uv
.\.venv\Scripts\uv.exe pip install -e ".[dev,package]"
3. 构建 CodexPro 引擎
cd third_party\codexpro
npm ci
npm run build
npm run smoke
cd ..\..
4. 准备 cloudflared
如果需要 Cloudflare Tunnel,将官方 cloudflared.exe 放到:
.tools\cloudflared.exe
如果只使用本机模式,可以暂时跳过。
5. 启动桌面程序
.\.venv\Scripts\python.exe -m local_dev_mcp_bridge.desktop_main
开发与测试
运行 Python 测试:
$env:PYTHONIOENCODING="utf-8"
.\.venv\Scripts\python.exe -m pytest tests -q
Ruff:
.\.venv\Scripts\python.exe -m ruff check src tests
Pyright:
.\.venv\Scripts\pyright.exe
CodexPro:
cd third_party\codexpro
npm ci
npm run build
npm run smoke
构建 Windows 程序前,应先确保 CodexPro 的:
third_party/codexpro/dist
third_party/codexpro/node_modules
均已经生成。
项目架构
┌─────────────────────────────────────┐
│ MCP DevBridge GUI │
│ PySide6 │
│ │
│ 项目选择 / 权限 / Tunnel / 日志 │
└─────────────────┬───────────────────┘
│
▼
┌───────────────────┐
│ ServiceCoordinator│
└───────┬───────┬───┘
│ │
│ └───────────────┐
▼ ▼
CodexPro Engine Windows-MCP
项目 Coding 能力 可选系统能力
│
└──────────┬────────────┘
▼
OAuth Gateway
127.0.0.1
│
▼
Cloudflare Tunnel
│
▼
ChatGPT / Gemini Spark
更详细的实现说明:
中文开发文档:
项目架构.mdAGENTS.md
安全说明
MCP DevBridge 的目标就是让远程 AI 能够操作本地开发环境,因此安全边界非常重要。
当前设计包括:
- MCP 引擎只监听
127.0.0.1; - 公网入口经过 Cloudflare Tunnel;
- 公网请求需要 OAuth 或有效 Bearer;
- Token 使用 Windows Credential Manager / DPAPI 保存;
- 认证比较使用 constant-time comparison;
- 失败认证有限速;
- 日志对 Token / Secret / Password / Cookie 等字段脱敏;
- Workspace 模式限制项目文件访问范围;
- 高风险工具提供 destructive metadata;
- Windows-MCP 仅作为本地可选桥接后端,并按权限档位过滤工具(
desktop_ui白名单 /system_full); - 端口默认值集中维护(
constants.DEFAULT_*_PORT),启动前检查占用,不做静默换端口。
建议:
- 不使用时停止 MCP DevBridge;
- 不公开分享 MCP URL + 凭据;
- 默认使用“项目工作区”;
- 定期轮换 Bearer / OAuth 凭据;
- 不要把
.env、SSH Key、Cookie、Tunnel Token 提交到 Git。
详见:
上游项目与致谢
MCP DevBridge 是一个独立的桌面集成项目,本项目构建在以下优秀的开源项目之上:
CodexPro
- Upstream:
rebel0789/codexpro - 用途:本地项目 Coding MCP Engine
- License: MIT
MCP DevBridge 内维护了一个受控 fork,用于增加 Windows Bridge 等集成功能。
Windows-MCP
- Upstream:
CursorTouch/Windows-MCP - 用途:可选 Windows 系统与 UI 控制后端
- License: MIT
详细版本、修改和第三方许可证:
当前状态
MCP DevBridge 目前处于早期 Beta 阶段。
已经完成的核心路径包括:
- Windows GUI
- 本地项目选择
- CodexPro Coding Engine
- 文件 / Git / 命令 / 进程工具
- Cloudflare 固定 MCP URL
- Bearer 认证
- MCP OAuth Gateway
- Gemini Spark 接入
- ChatGPT MCP 接入
- Windows-MCP 可选桥接
- 日志与审计
- PyInstaller / Inno Setup 打包
欢迎提交 Issue、Bug 报告和兼容性测试结果。
License
MCP DevBridge 项目代码按仓库声明的许可证发布。
第三方组件保留各自原始许可证与版权声明。
请参阅:
Recommended Servers
playwright-mcp
A Model Context Protocol server that enables LLMs to interact with web pages through structured accessibility snapshots without requiring vision models or screenshots.
Audiense Insights MCP Server
Enables interaction with Audiense Insights accounts via the Model Context Protocol, facilitating the extraction and analysis of marketing insights and audience data including demographics, behavior, and influencer engagement.
Magic Component Platform (MCP)
An AI-powered tool that generates modern UI components from natural language descriptions, integrating with popular IDEs to streamline UI development workflow.
VeyraX MCP
Single MCP tool to connect all your favorite tools: Gmail, Calendar and 40 more.
graphlit-mcp-server
The Model Context Protocol (MCP) Server enables integration between MCP clients and the Graphlit service. Ingest anything from Slack to Gmail to podcast feeds, in addition to web crawling, into a Graphlit project - and then retrieve relevant contents from the MCP client.
Kagi MCP Server
An MCP server that integrates Kagi search capabilities with Claude AI, enabling Claude to perform real-time web searches when answering questions that require up-to-date information.
E2B
Using MCP to run code via e2b.
Neon Database
MCP server for interacting with Neon Management API and databases
Exa Search
A Model Context Protocol (MCP) server lets AI assistants like Claude use the Exa AI Search API for web searches. This setup allows AI models to get real-time web information in a safe and controlled way.
Qdrant Server
This repository is an example of how to create a MCP server for Qdrant, a vector search engine.