ai-devkit
★ 1.7k
vs
fastapi_mcp
★ 12.0k
ai-devkit vs fastapi_mcp
ai-devkit：AI DevKit 是给同时使用多个编码智能体的团队准备的本地优先操作层。一份 .ai-devkit.json 统一 Claude Code、Codex CLI、Gemini CLI、opencode、Pi、Cursor、Copilot 等工具的技能、MCP 和配置；agent console 是查看运行中会话的实时 TUI；agent send 把提示、日志或 stdin 发给正在运行的智能体；本地 SQLite 记忆在需要时通过 MCP 检索。dev-lifecycle 技能引导需求、设计、计划、实现、测试和评审。；fastapi_mcp：FastAPI-MCP允许您将现有的FastAPI端点作为模型上下文协议（MCP）工具公开。它与FastAPI进行原生集成，包括使用现有依赖项的内置认证，并保留了模型的架构和文档。
01
简评
ai-devkitDev Tooling · ★ 1.7k
在团队仓库中统一 Claude Code、Codex 和 Cursor 的配置
fastapi_mcpDev Tooling · ★ 12.0k
何时选择它（优势与适用）：
- 你已经有现成的 FastAPI 应用，希望直接复用现有的 FastAPI 鉴权依赖与 Swagger Schema，将接口一键暴露为 MCP 工具。
- 希望将 MCP 服务直接挂载到现有 ASGI 应用中或独立部署（MIT 许可）。
何时考虑替代方案：
- 你是从零构建独立的 MCP Server，而非包装已有的 FastAPI 服务；应使用 FastMCP 或官方 MCP Python SDK。
- 你要求依赖库近期持续高频更新（该仓库最后一次推送在 2025 年 11 月）。
02
并排对比
03
功能特性
ai-devkit01一份 .ai-devkit.json，为所选的每个工具写入智能体文件、技能和 MCP 配置
02agent list 和 agent console 跨服务商监控会话
03agent send 支持 --stdin、--wait 和分组，把工作发给运行中的智能体
04本地 SQLite 记忆通过 MCP 和命令行提供，只在需要时检索
05dev-lifecycle、verify、tdd、评审、调试、安全等技能
fastapi_mcp01内置认证，复用现有FastAPI依赖！
02FastAPI原生：并非简单的OpenAPI转MCP转换器
03零/极少配置要求
04保留请求和响应模型的架构
05灵活部署——可将MCP服务器挂载到同一应用，或独立部署
04
使用场景
ai-devkit↳在团队仓库中统一 Claude Code、Codex 和 Cursor 的配置
↳把测试输出发给运行中的智能体或一组评审智能体
↳让智能体可检索项目约定，而不必塞进每个提示
fastapi_mcp↳将FastAPI服务作为支持MCP的大型语言模型（LLM）的工具进行集成。
↳使LLM能够与通过FastAPI公开的现有业务逻辑和数据进行交互和利用。
↳在MCP生态系统中快速公开已认证的FastAPI API作为可发现和可用的工具。
05
适合场景
ai-devkit—
fastapi_mcp最受欢迎必备神器
FAQ
常见问题
ai-devkit 和 fastapi_mcp 有什么区别？
ai-devkit 和 fastapi_mcp 都属于 Dev Tooling 类别。ai-devkit 有 1.7k Stars，fastapi_mcp 有 12.0k Stars。
ai-devkit 和 fastapi_mcp 哪个更好？
最佳选择取决于你的具体需求。在团队仓库中统一 Claude Code、Codex 和 Cursor 的配置 时选 ai-devkit，将FastAPI服务作为支持MCP的大型语言模型（LLM）的工具进行集成。 时选 fastapi_mcp。
ai-devkit 是免费的吗？
是的，ai-devkit 在 GitHub 开源（Apache-2.0）。
fastapi_mcp 是免费的吗？
是的，fastapi_mcp 在 GitHub 开源（MIT）。
推荐云部署
Ad在 DigitalOcean 上一键部署
为你的 MCP 服务、Docker 容器与智能体提供即开即用云服务器，新用户立享 $200 免费额度（60天有效）。
→