DevSpace
在本机自托管 MCP 服务器，让 ChatGPT 等客户端直接读写、搜索并运行你本地项目中的代码。
- Star 数
- ★ 5.3k
- 最近更新
- 9 天前
- License
- MIT
- 主语言
- TypeScript
- FA 评分
- 50/100 · 缺口较多
30 秒速览
- 运行形态
- 可在哪里用
- 兼容但需适配ChatGPTClaude Code · Claude.ai · OpenAI API（部分支持）
- 费用
- 软件免费，模型调用费用自付
- 上手难度
- 中 · 需要几步配置
- 开始前需要
- 典型场景
- 个人开发者在 ChatGPT 中描述需求，希望它直接在自己真实仓库里改代码、跑测试，而不是把文件上传到第三方。
- 不适合
- 只使用 Windows PowerShell 或 cmd.exe、不打算安装 Git Bash 或 WSL 的团队
- 希望完全不知道也不管理公网隧道与密码审批的用户
- 不愿让云端模型在本地项目里执行 shell 命令的团队
- 源码审查
- 50/100 · 缺口较多
这个 Agent 能做什么，适合哪些场景？
DevSpace 是一个自托管的 MCP 服务器，通过 npm 包 @waishnav/devspace 提供 CLI，让你把 ChatGPT、Claude 或其他 MCP 客户端安全地接到自己机器上的真实项目目录。你在本机运行 devspace init 与 devspace serve，用自己控制的隧道（Cloudflare Tunnel、ngrok、Pinggy、Tailscale Funnel 或其它反向代理）把 /mcp 端点暴露出去，客户端连接时需要通过 Owner 密码审批。连接后客户端可以打开被允许的根目录作为工作区，读取、写入、编辑文件，搜索代码，运行测试与构建命令，并借助隔离的 Git worktree 并行开多个编码会话。同一个 /mcp 端点支持 2026-07-28 的按请求协议，并自动兼容 2025 年代的旧客户端，无需手动选择协议模式。产品以 MIT 许可开源，运行需要 Node >=22.19 <27、npm、Git 与 Bash 兼容 shell；Windows 需配合 Git Bash、WSL、MSYS2 或 Cygwin。
DevSpace 以 CLI 形式安装（npm install -g @waishnav/devspace），devspace init 收集使用场景（ChatGPT、编码代理或两者）、可作为子代理调用的本地代理、允许打开的项目目录，以及隧道提供的公共 HTTPS 基址；devspace serve 启动本地 MCP 端点，默认 http://127.0.0.1:7676/mcp。客户端连接时，DevSpace 弹出 Owner 密码审批页，密码在初始化时打印并存于 ~/.devspace/auth.json。通过审批后，客户端可把某个允许根目录下的项目当作工作区打开，并调用工具读写、编辑文件，搜索代码、检查目录，执行 shell 命令（测试、构建、git、包脚本），使用隔离 Git worktree 并行会话，读取 AGENTS.md 与 CLAUDE.md 的项目指令，发现本地技能目录中的技能，并在兼容 ChatGPT Apps 的宿主中显示工具卡片与变更摘要。devspace doctor 用于自检本地环境。
- 个人开发者在 ChatGPT 中描述需求，希望它直接在自己真实仓库里改代码、跑测试，而不是把文件上传到第三方。
- 团队已有 Claude 或其他 MCP 客户端，想用统一的自托管端点让多个代理访问同一台开发机上的项目目录。
- 需要在同一仓库上并行试几种实现方案时，用隔离 Git worktree 让多个编码会话互不干扰。
- 维护带 AGENTS.md 或 CLAUDE.md 项目规范的老项目，希望接入的代理自动遵循仓库内约定。
- 远程办公或使用笔记本时，通过自己掌握的隧道把本地开发环境临时开放给 ChatGPT 会话，用完即关。
如何安装或部署这个 Agent？
确认 Node 版本在 >=22.19 且 <27，并已安装 npm、Git 与 Bash 兼容 shell（Windows 上建议 Git Bash 或 WSL）。然后全局安装并初始化：
devspace init不想全局安装时可直接运行：
npx @waishnav/devspace init初始化会询问使用场景（ChatGPT、编码代理或两者）、可作为子代理调用的代理；若选择 ChatGPT，还会询问允许打开的项目目录和隧道的公共 HTTPS 基址（填不带 /mcp 的来源地址，例如 https://your-tunnel-host.example.com）。安装后可用以下命令自检：
devspace doctor如何使用这个 Agent？
先在本地启动你选择的反向代理隧道（Cloudflare Tunnel、ngrok、Pinggy、Tailscale Funnel 等），再启动服务：
devspace serve在 MCP 客户端中配置公共端点（注意带 /mcp）：
https://your-tunnel-host.example.com/mcp本地直连时使用默认端点：
http://127.0.0.1:7676/mcp客户端首次连接会打开 Owner 密码审批页，输入 devspace init 打印的密码（也保存在 ~/.devspace/auth.json）完成授权，然后让客户端打开一个允许根目录下的项目作为工作区即可开始读写与运行命令。若只面向编码代理，初始化结束时还会打印一条 skills 命令，由 Skills CLI 完成接入安装。
这个 Agent 有哪些优点和局限？
- 自托管架构：代码留在本机，只通过你自己控制的隧道与 Owner 密码审批对外暴露。
- 同一 /mcp 端点同时服务 2026-07-28 按请求协议与 2025 年代旧客户端，无需配置协议模式。
- 工具面覆盖完整编码闭环：读写编辑文件、搜索、执行 shell、隔离 Git worktree 并行会话。
- 会读取项目内 AGENTS.md 与 CLAUDE.md 指令，并发现本地技能目录，便于接入既有仓库约定。
- MIT 许可开源，提供 devspace doctor 自检与 devspace serve 单命令启动。
- 需要自己准备并维护公共 HTTPS 隧道与 Owner 密码，属于多步骤部署。
- Windows 上仅支持 PowerShell 或 cmd.exe 的环境目前不可用，必须安装 Git Bash 或 WSL。
- 运行时绑定 Node >=22.19 <27、Git 与 Bash 兼容 shell，版本窗口较窄。
- 连接后的客户端在已打开工作区内拥有 shell 执行能力，安全边界依赖你选定的根目录与信任判断。
- 子代理调用、ChatGPT Apps 工具卡片等能力依赖具体宿主，换客户端需重新验证。
这个 Agent 与同类方案有什么区别？
与相关度最高的同类 agent 并排比较关键指标。
| Agent | 源码审查 | 形态 / 费用 | Star | 最近更新 | 主语言 | 完整支持的平台 |
|---|---|---|---|---|---|---|
| DevSpace 当前 | 50 · 缺口较多 | 命令行工具免费 + 模型费 | ★ 5.3k | 9 天前 | TypeScript | ChatGPT |
| wcgw 本地编码终端 | 45 · 缺口较多 | MCP 服务器免费 + 模型费 | ★ 678 | 1 个月前 | Python | Claude.ai |
| Aster | 77 · 表现良好 | 命令行工具免费 + 模型费 | ★ 131 | 3 天前 | Rust | OpenAI API |
| Remembra Relay | 72 · 存在缺口 | Agent 插件 / 技能免费版 + 付费版 | ★ 16 | 10 天前 | Python | Claude Code |
FollowAgents 如何评估这个 Agent？
查看各维度的扣分理由
安全模型文档明确给出文件系统白名单、Owner 密码 OAuth 审批、Host 头白名单、shell 权限边界与 artifact 下载的 fail-closed 处理，least_privilege 与 user_confirmation 有实质支撑（2）。但 shell 工具按设计可执行任意本地命令，worktree 明确声明不是安全边界，external_effects 缺乏对破坏性操作的确认/恢复机制（1）。依赖面庞大且含多个原生/第三方 SDK，仅靠 overrides 固定少数传递依赖，未见漏洞审计证据，dependency_security 记 1。rollback 仅提及 worktree 与配置迁移备份，缺少对文件编辑/命令副作用的回滚（1）。source_attribution 仅 README 自述作者，无发布者验证（1）。
README、configuration、security 三处对端点、端口、配置键、环境变量迁移的描述基本一致（2）。但依赖版本大量使用 ^ 浮动范围，且含 better-sqlite3、koffi、node-pty 等原生模块，跨平台可用性存在风险，dependency_availability 记 1。failure_messages 仅在配置迁移处提到 actionable error，整体错误处理未见系统说明（1）。
面向 ChatGPT/Claude 等 MCP 客户端与编码代理，场景描述清晰（2）。capability_boundaries 明确列出工具集、codex/claude 两种模式与不支持 PowerShell（2）。trigger_precision 依赖自然语言与 MCP 工具调用，无精确触发规则说明（1）。environment_fit 给出 Linux/macOS/Windows 支持矩阵与 doctor 命令（2）。
文档结构清晰，含 setup/configuration/security/gotchas 等分册（2）。安装步骤完整含 Node 版本与 pnpm 固定（2）。naming_stability 存在 v1.0→v1.1 环境变量大规模移除与配置结构变更，稳定性一般（1）。examples_and_faq 有配置示例但缺 FAQ（1）。known_limitations 明确列出平台限制与安全边界（2）。LICENSE 为完整 MIT（3）。versioning_changelog 有发布工作流与迁移说明，但无独立 CHANGELOG（1）。maintenance_responsibility 为个人维护者，发布者未验证（1）。
output_usability 提供工具卡片、变更摘要与明确工作流（2）。marginal_value 将本地编码能力接入 ChatGPT 有实际价值（2）。cost_benefit 需自建隧道、管理密码与信任客户端，运维成本较高（1）。
claim_traceability 多数安全声明指向文档但无代码级引用（1）。cross_source_corroboration README 与 docs 相互印证但无独立第三方验证（1）。fact_inference_separation 文档区分了设计意图与限制，但部分安全声明（如 descriptor-relative 操作）无法从所给文件核实（1）。
- shell 工具按设计可执行任意本地命令，worktree 不是安全边界，连接客户端应视为可信编码伙伴。
- 依赖面庞大且含原生模块与浮动版本范围，跨平台安装与供应链风险需自行审计。
- 发布者身份未经验证，维护责任与更新路径依赖单一作者。
- v1.0→v1.1 环境变量大规模移除，升级需手动迁移配置。
- 部分安全声明（如 descriptor-relative 文件操作）无法从所给文件核实，需代码级审查。