【亲测免费】 JetBrains MCP Proxy Server 使用教程
1. 项目介绍
JetBrains MCP Proxy Server 是一个模型上下文协议服务器,用于与 JetBrains IDEs(如 IntelliJ, PyCharm, WebStorm 等)协同工作。它也可以与 Android Studio 使用。该服务器的主要功能是代理来自客户端的请求,并将其转发到 JetBrains IDE。
2. 项目快速启动
环境准备
确保您的系统中安装了 Node.js 版本 18 或更高。您可以通过以下命令检查 Node.js 版本:
node -v
如果您使用的是 MacOS 并且通过 nvm(Node Version Manager)安装了 Node.js,您可能需要创建一个指向 nvm 中 npx 可执行文件的符号链接:
which npx > /dev/null && sudo ln -sf $(which npx) /usr/local/bin/npx
安装 MCP Server 插件
在您的 JetBrains IDE 中安装 MCP Server 插件。您可以在 IDE 的插件市场中搜索 "MCP Server" 并进行安装。
配置和使用
-
创建
claude_desktop_config.json文件,根据您的操作系统选择正确的路径:- MacOS:
~/Library/Application Support/Claude/claude_desktop_config.json - Windows:
%APPDATA%/Claude/claude_desktop_config.json
- MacOS:
-
在
claude_desktop_config.json文件中添加以下内容:
{
"mcpServers": {
"jetbrains": {
"command": "npx",
"args": ["-y", "@jetbrains/mcp-proxy"]
}
}
}
- 如果您运行多个 IDE 并且想要连接到特定的 IDE,可以在 MCP 服务器配置中添加环境变量:
"env": {
"IDE_PORT": "<IDE 的内置 Web 服务器端口>",
"HOST": "<IDE 的内置 Web 服务器地址或主机>"
}
- 要启用日志记录,添加:
"env": {
"LOG_ENABLED": "true"
}
3. 应用案例和最佳实践
使用 MCP 与外部客户端或 Docker 容器
当尝试从外部客户端、Docker 容器或第三方应用程序(如 LibreChat)连接到 JetBrains MCP 代理时,可能会遇到 404 错误或连接失败的问题。以下是一些解决方案:
- 在您的 JetBrains IDE 中,确保在 "Settings | Build, Execution, Deployment | Debugger" 中启用了 "Can accept external connections"。
- 使用您的计算机的局域网 IP 地址而不是
host.docker.internal,并明确设置IDE_PORT和HOST在您的配置中。
例如,对于 LibreChat 或类似的外部客户端配置:
{
"mcpServers": {
"intellij": {
"type": "stdio",
"command": "sh",
"args": [
"-c",
"IDE_PORT=YOUR_IDEA_PORT HOST=YOUR_IDEA_LAN_IP npx -y @jetbrains/mcp-proxy"
]
}
}
}
将 YOUR_IDEA_PORT 替换为您的 IDE 的调试端口(在 IDE 设置中找到),将 YOUR_IDEA_LAN_IP 替换为您的计算机的局域网 IP 地址(例如,192.168.0.12)。
4. 典型生态项目
目前,JetBrains MCP Proxy Server 的生态项目还不是很多,但它的设计允许开发者轻松地与各种 JetBrains IDEs 集成,从而可以预期在未来会有更多的生态项目出现。开发者可以关注 JetBrains 官方插件市场以及相关社区,以获取最新的生态项目信息。
atomcodeClaude Code 的开源替代方案。连接任意大模型,编辑代码,运行命令,自动验证 — 全自动执行。用 Rust 构建,极致性能。 | An open-source alternative to Claude Code. Connect any LLM, edit code, run commands, and verify changes — autonomously. Built in Rust for speed. Get StartedRust0191
cann-learning-hubCANN 学习中心仓,支持在线互动运行、边学边练,提供教程、示例与优化方案,一站式助力昇腾开发者快速上手。Jupyter Notebook0114
Step-3.7-FlashStep-3.7-Flash是一个拥有 1980 亿参数的稀疏混合专家(MoE)视觉语言模型,由 1960 亿参数的语言主干网络和 18 亿参数的视觉编码器组合而成,具备原生图像理解能力。Python00
JoyAI-EchoJoyAI-Echo,这是一个独立的、仅用于推理的版本,旨在实现分钟级多镜头音视频生成。它采用了经过蒸馏的DMD生成器、配对的跨模态记忆以及故事级别的一致性。其性能的核心在于,一个跨模态视听记忆库能够在长达五分钟的视频中保持角色外观和语音音色的一致性。同时,一个训练后处理流程将基于记忆的强化学习与分布匹配蒸馏相结合,实现了7.5倍的速度提升,显著增强了视觉质量和对齐效果。00
omega-aiOmega-AI:基于java打造的深度学习框架,帮助你快速搭建神经网络,实现模型推理与训练,引擎支持自动求导,多线程与GPU运算,GPU支持CUDA,CUDNN。Java04
llm-universe本项目是一个面向小白开发者的大模型应用开发教程,在线阅读地址:https://datawhalechina.github.io/llm-universe/Jupyter Notebook08