CangjieCoder

CangjieCoder 由三个仓颉项目组成：

• cangjie-tree-sitter/：tree-sitter 引擎的仓颉封装（动态库），内置 Cangjie 语法插件，支持接入更多语言
• service/：底层 Cangjie AI Coding Service，专注提供 stdio MCP 服务与 Cangjie 专用工具能力
• agent/：面向仓颉项目开发的单智能体应用，通过 stdio MCP 调用 service

补充文档：

• service/README.md：service 的能力、构建和运行说明
• agent/README.md：agent 的使用方式
• mcp.md：MCP 工具完整参考与客户端接入示例
• docs/serve-mode-and-roadmap.md：历史能力说明与演进背景（HTTP 服务已移除）

目录结构

.
├── cangjie-tree-sitter/  # tree-sitter 仓颉封装库（动态库，可独立复用）
├── service/              # MCP 工具服务（底层能力，仅 stdio MCP）
├── agent/                # 单智能体应用（大脑）
├── tests/                # Python 集成测试与端到端测试
│   ├── e2etest_jsonparser/      # 端到端: JSON 解析器项目（编译迭代）
│   ├── e2etest_taskmanager/     # 端到端: 任务管理器（AST 编辑/LSP 工具）
│   ├── e2etest_skills_ast_lsp/  # 端到端: Skills 能力 + AST/LSP 最优实践
│   └── cangjie/                 # 测试工作区
├── docs/                 # 补充说明文档
├── .github/skills/       # 仓颉 Skills 语料
└── cangjie-docs-full/    # 仓颉语言完整文档

环境准备

构建和测试依赖如下：

• Cangjie SDK 1.0.5
• 模型 API Key（仅在运行 agent/ 时通过环境变量注入，不写入仓库）

示例：

# 1) 解压 SDK 与 stdx
export CANGJIE_SDK_HOME=/path/to/cangjie-sdk
source "${CANGJIE_SDK_HOME}/envsetup.sh"
export STDX_PATH=/path/to/cangjie-stdx/linux_x86_64_cjnative/dynamic/stdx

# 2) 配置模型 Key（仅 agent 需要；示例变量名，不要把密钥写入代码）
export KIMI_API_KEY=your_kimi_api_key

构建与测试

仓库根目录是一个 cjpm workspace（含 cangjie-tree-sitter、service、agent 三个成员），可以直接统一验证：

# 1) 预编译 tree-sitter C 共享库
cd cangjie-tree-sitter/treesitter && make && cd ../..

# 2) 构建与测试全部项目
cjpm build
cjpm test

也可以分别进入子项目：

cd cangjie-tree-sitter && cjpm build && cjpm test
cd ../service && cjpm build && cjpm test
cd ../agent && cjpm build && cjpm test

快速开始

1. 启动 service 的 stdio MCP

cd service
cjpm run --run-args "mcp-stdio --repo /absolute/path/to/workspace"

2. 运行单智能体

cd agent
cjpm run --run-args "--workspace /absolute/path/to/workspace --prompt 为当前仓颉项目生成重构计划并执行必要的构建测试"

默认模型为 Kimi 2.5（kimi-k2.5）。所有 AI Provider、会话记忆与最终总结逻辑由 agent/ 本地负责，service/ 专注提供 MCP 工具能力（含 tree-sitter AST 解析、LSP 符号查询、定义跳转、文件创建与 AST 编辑等能力）。