最近在折腾 MCP(Model Context Protocol)时,我遇到一个很实际的需求:大模型在 IDE 里写代码,却不知道当前 Git 仓库到底处于什么状态。让它分析“当前分支改了什么”,它只能靠猜;让它查最近的提交记录,它要么让我手动复制输出,要么干脆编一个。与其等官方工具补上这个能力,不如自己开发一个 Git 信息查询 MCP 服务,把 git status、git log、git diff、git branch 这类查询能力以标准协议暴露给模型。这篇东西适合想自己写 MCP Server 的开发者,也适合项目里准备接入 AI 辅助编码、需要精细化控制 Git 数据访问的人。我会把从协议理解、环境搭建、核心实现到安全边界的完整过程都过一遍,最后还会分享几个调试时踩到的坑。
1. 为什么我决定自建 Git 信息查询 MCP 服务
1.1 大模型和 Git 仓库之间缺一个“标准插座”
先说清楚我为什么要做这件事。大语言模型本身没有 shell 执行能力,也不会主动去读 .git 目录。你可以把 Git 仓库里所有的信息都理解为躺在磁盘上的状态数据,但模型既不能用眼睛看,也不能用命令行查。它只能基于对话上下文和训练知识来回答。如果你问它“当前分支改了什么”,它最大的可能就是根据你贴出来的代码片段做个推断,一旦工作区里发生过文件增删,推断结果基本等于瞎猜。
IDE 里那些 Git 插件虽然能展示状态,但那是写死的 UI 逻辑,模型没法把这些信息当作可推理的依据。MCP 的场景正好补上这一环:把查询能力封装成工具,模型在需要时自己决定调用。相当于给模型配了一个只读终端,它想看仓库状态时就敲一条命令,拿到输出后再基于真实数据回答。刚开始你会觉得这有点绕,但跑通之后会发现,这是让 AI 具备“对环境感知”的通用做法。
1.2 为什么不用现成的 GitHub 示例服务
先别急着写代码。社区里其实已经有不少 MCP Server,比如官方示例里的 mcp-server-github,可以把 GitHub 上的 issue、PR、代码搜索拉给模型。但这个方案偏远程托管仓库,对本地开发场景帮助有限。你本地没推送的分支、工作区里未暂存的改动、某个 commit 实际改了哪些文件,这些信息在 GitHub API 那边根本不存在。也有一些社区维护的 Git MCP 服务,但我试过几个,大多绑死了特定客户端,或者安装方式依赖第三方工具,改起来反而更费劲。
所以我的判断是:自建一个只读的 Git 查询服务,用最少的代码暴露最需要的命令。一来可控,二来可以按团队内部仓库结构和权限模型做定制。后面聊到安全边界时你会发现,自建的意义不只是“能用”,而是“知道它在什么边界内工作”。像 Figma MCP、数据库 MCP 这类现成服务解决的是通用接入问题,而本地 Git 仓库这种场景,带有很强的工程上下文和个人工作流属性,自己写往往比适配别人的实现更快。
1.3 与 Agent Skill 的区别
搜索这个问题时经常看到“agent skill 和 mcp 有什么区别”。我理解两者的定位完全不同。Skill 更像是 Agent 内部的一种编排资产,本质是
