AgentHubAgentHub

使用场景/代码审查与 GitHub

代码审查 / GitHub MCP 推荐

拉取 PR、读 diff、查 Issue、管理仓库。适合 Code Review、发布说明、CI 问题排查。

共匹配 6,813 个资源 · 第 53 / 142 页

什么是代码审查与 GitHub?

GitHub MCP 让 AI 进入你的协作流程:拉取 PR diff 做代码审查、检索 Issue 历史定位已知问题、读取 CI 日志分析构建失败、汇总提交生成 changelog。官方 github/github-mcp-server 通过 GitHub API 或个人访问令牌(PAT)鉴权,Gitee / GitLab 也有对应实现。

Code Review 实践:把团队的评审规范写成 Skill(如「检查竞态、边界、错误处理,按严重度输出」),配合 GitHub MCP 让 AI 先过一遍 PR,人工只看 AI 标出的高风险行——审查耗时通常明显下降,且低級错误漏检更少。

权限建议:使用细粒度 PAT(只授予目标仓库 contents / pull-requests 读写),组织仓库务必开只读起步;让 AI 发布评论或合并前先要求确认,防止误操作污染协作记录。

适合做什么

  • PR 自动审查
  • 生成 changelog
  • 跨仓库 Issue 检索
  • 依赖安全告警跟进

不太适合

  • 替代人工安全审计
  • 在无授权仓库上操作

相关资源

查看全部 →

本地 AI Agent local-ai-agents

SkillSkillsMP

使用 Microsoft Foundry Local 与 Qwen 函数调用模型,构建完全在开发者工作站上运行的本地优先 AI agent。涵盖小语言模型(SLM)、OpenAI 兼容的本地端点、沙箱化本地工具、基于 Chroma 的本地 RAG、本地 MCP server、云/本地混合路由,以及隐私/成本/离线的权衡取舍。基于《AI Agents for Beginners》第 17 课。适用于:本地运行 agent、离线 agent、端侧 agent、Foundry Local、Qwen 函数调用、本地工具调用、本地 RAG、Chroma 向量数据库、本地 MCP server、注重隐私的 agent、本地与云混合 agent、小语言模型 agent、本机上的工程助手。不适用于:大规模云端 agent 部署(用 deploying-scalable-agents / 第 16 课)、初次构建 agent 概念(第 01 课)、Foundry(云端)托管 agent、GPU 集群/服务端推理资源开通。

source

Azure OpenAI 迁移 Responses API azure-openai-to-responses

SkillSkillsMP

将 Python 应用从 Azure OpenAI Chat Completions 迁移到 Responses API。涵盖 AzureOpenAI/AsyncAzureOpenAI 客户端向 v1 端点的迁移、流式输出、工具、结构化输出、多轮对话、EntraID 认证与模型兼容性检查。聚焦 Python,针对 Azure OpenAI。适用于:迁移到 Responses API、从 chat completions 切换、openai responses、升级 openai SDK、Responses API 迁移、从 completions 转向 responses、gpt-5 迁移、azure openai python 迁移、chat completions 转 responses、AzureOpenAI 转 OpenAI 客户端、python azure openai 升级。不适用于:从零构建新应用(直接用 responses)、Node/TypeScript/C#/Java/Go 迁移(本 skill 仅支持 Python)、Azure 基础设施搭建(用 azure-prepare)、部署模型(用 microsoft-foundry)。

source

部署可扩展 Agent deploying-scalable-agents

SkillSkillsMP

把可用的 agent 原型带至 Microsoft Foundry 上可扩展、可观测的生产部署。涵盖部署模式(客户端托管、托管 agent、agent 工作流)、agent 生命周期、模型路由、响应缓存、评估门禁、人工审批环节、基于 OpenTelemetry 的可观测性、成本优化,以及用 AI Smoke Test 动作对已部署 agent 做冒烟测试。基于《AI Agents for Beginners》第 16 课。适用于:将 agent 部署到生产、为 agent 扩容、Microsoft Foundry 托管 agent、Foundry Agent Service、模型路由、响应缓存、评估门禁、发布门禁、人工审批工作流、agent 可观测性、agent 追踪、agent 成本优化、对托管 agent 做冒烟测试、生产客服 agent。不适用于:初次构建 agent(请从第 01 课开始)、在本地设备上运行 agent(用 local-ai-agents / 第 17 课)、与 agent 无关的 Azure 基础设施开通、非 Foundry 的部署目标。

source

本地 AI Agent local-ai-agents

SkillSkillsMP

使用 Microsoft Foundry Local 与 Qwen 函数调用模型,构建完全在开发者工作站上运行的本地优先 AI agent。涵盖小语言模型(SLM)、OpenAI 兼容的本地端点、沙箱化本地工具、基于 Chroma 的本地 RAG、本地 MCP server、云/本地混合路由,以及隐私/成本/离线的权衡取舍。基于《AI Agents for Beginners》第 17 课。适用于:本地运行 agent、离线 agent、端侧 agent、Foundry Local、Qwen 函数调用、本地工具调用、本地 RAG、Chroma 向量数据库、本地 MCP server、注重隐私的 agent、本地与云混合 agent、小语言模型 agent、本机上的工程助手。不适用于:大规模云端 agent 部署(用 deploying-scalable-agents / 第 16 课)、初次构建 agent 概念(第 01 课)、Foundry(云端)托管 agent、GPU 集群/服务端推理资源开通。

source

Azure OpenAI 迁移 Responses API azure-openai-to-responses

SkillSkillsMP

将 Python 应用从 Azure OpenAI Chat Completions 迁移到 Responses API。涵盖 AzureOpenAI/AsyncAzureOpenAI 客户端向 v1 端点的迁移、流式输出、工具、结构化输出、多轮对话、EntraID 认证与模型兼容性检查。聚焦 Python,针对 Azure OpenAI。适用于:迁移到 Responses API、从 chat completions 切换、openai responses、升级 openai SDK、Responses API 迁移、从 completions 转向 responses、gpt-5 迁移、azure openai python 迁移、chat completions 转 responses、AzureOpenAI 转 OpenAI 客户端、python azure openai 升级。不适用于:从零构建新应用(直接用 responses)、Node/TypeScript/C#/Java/Go 迁移(本 skill 仅支持 Python)、Azure 基础设施搭建(用 azure-prepare)、部署模型(用 microsoft-foundry)。

source

部署可扩展 Agent deploying-scalable-agents

SkillSkillsMP

把可用的 agent 原型带至 Microsoft Foundry 上可扩展、可观测的生产部署。涵盖部署模式(客户端托管、托管 agent、agent 工作流)、agent 生命周期、模型路由、响应缓存、评估门禁、人工审批环节、基于 OpenTelemetry 的可观测性、成本优化,以及用 AI Smoke Test 动作对已部署 agent 做冒烟测试。基于《AI Agents for Beginners》第 16 课。适用于:将 agent 部署到生产、为 agent 扩容、Microsoft Foundry 托管 agent、Foundry Agent Service、模型路由、响应缓存、评估门禁、发布门禁、人工审批工作流、agent 可观测性、agent 追踪、agent 成本优化、对托管 agent 做冒烟测试、生产客服 agent。不适用于:初次构建 agent(请从第 01 课开始)、在本地设备上运行 agent(用 local-ai-agents / 第 17 课)、与 agent 无关的 Azure 基础设施开通、非 Foundry 的部署目标。

source

端到端测试编写

SkillSkillsMP

当开发者要为 Opik 的某个功能、页面或分支添加、编写或创建端到端测试时使用——例如「为实验对比页添加 e2e 测试」「为刚做的功能写测试」「这个分支的 e2e 测试」「给数据集条目流程加测试」。在 tests_end_to_end/e2e/ 中跑完整个循环——分析功能与前端代码、用 Playwright MCP 探索真实 UI、编写 Page Object Model + spec,并在本地运行直到通过。

source

代码图谱查询

vdevelop

SkillSkillsMP

查询预构建的 code-review-graph 知识图谱(基于 Tree-sitter、覆盖整个 monorepo),而非用 Grep+Read 遍历调用链——成本低 2-6 倍,且能捕捉 grep 漏掉的分派调用。用于任何跨多文件的任务,即便用户从未提及图谱或主动索取:修复或追踪缺陷(「fix this bug」「why does X happen」「trace this」)、探索陌生代码(「how does X work」「who calls X」「what imports Y」「where is X used」)、规划或执行重构(「rename X」「is it safe to change or remove X」「what would break」「blast radius」「find dead code」),或审阅改动(「review this PR」「review this branch or diff」)。若你即将用 Grep 查找某符号的调用者/被调用者/引用者,停下来改用本技能。

source

常见问题

GitHub MCP 需要 OAuth 还是 Token?

本地 stdio 部署用个人访问令牌(推荐细粒度 PAT)最简单;多用户托管场景才需要 GitHub App / OAuth。环境变量名见资源详情页。

AI 审查会漏掉安全问题吗?

会。它是第一道过滤而非替代:语义类缺陷检出不错,但供应链、越权逻辑仍需专业审计与人工评审兜底。

私有仓库安全吗?

取决于模型提供方与令牌权限。企业内网可选本地模型 + 只读令牌;令牌务必设置过期与最小 scope,并定期轮换。

配套安装与配置教程

相关场景