前端检查清单
面向人类和AI代理的现代化Web开发必备检查清单。
证据显示仓库包含MCP服务器，提供工具如review_code，但未明确权限模型或用户确认机制。数据流透明度有限，telemetry为匿名但未详细说明。敏感数据处理未提及。依赖安全有Trivy扫描，但未提供结果。外部影响未明确。回滚机制未提及。来源归属部分，规则有URL但未明确出处。
自一致性较好，有测试和CI，但依赖可用性未验证，失败消息在测试中有超时错误，但整体错误处理不明确。
受众明确为前端开发者，场景包括检查清单和代码审查。能力边界在MCP工具描述中有所体现，但触发精度不足，环境适配依赖Node版本和pnpm。
信息架构清晰，有README和目录。安装说明存在但简略。命名稳定性一般，版本号存在但无changelog。示例和FAQ有部分。已知限制未明确。许可证未提及。维护责任未明确。
输出可用性较好，提供结构化内容。边际价值高，提供检查清单和MCP工具。成本效益未评估，但依赖较多。
声明可追溯性一般，规则有URL但未明确来源。交叉来源验证有限。事实与推断分离不明确。
- 未提供许可证信息，使用前需确认。
- MCP服务器权限模型不明确，可能过度授权。
- 依赖较多，需关注供应链安全。
这个 Agent 能做什么，适合哪些场景？
Front-End Checklist 是一个开源的前端质量系统，提供385条英文规则，覆盖11个类别，包括HTML、CSS、JavaScript、性能、无障碍、SEO、安全、图片、测试、隐私和国际化。它提供网页浏览、MCP服务器和自述文档三种使用方式，支持通过MCP协议让AI代理进行代码审查、审计和修复工作。项目还包含可安装的技能（skills），用于自动化审计工作流。
该项目提供结构化的前端最佳实践规则集，每条规则包含解释、修复指导和验证步骤。通过MCP服务器，AI代理可以调用11个工具，如review_code、search_rules、audit_url、get_workflow等，对粘贴的代码、实时URL进行审查，或获取特定规则和审计工作流。用户可浏览网站frontendchecklist.io，或通过pnpm命令本地开发。
- 前端开发者使用该清单对照检查自己的项目，确保遵循最佳实践。
- AI代理通过MCP服务器审查React组件，报告高置信度的前端问题。
- 开发者在部署前使用清单进行全面的性能、无障碍和SEO审计。
- 团队成员使用该清单作为代码审查的参考标准。
- 教育者将该清单用作前端课程的教学大纲。
这个 Agent 有哪些优点和局限？
- 提供385条详细规则，覆盖多类别，且带有优先级标记。
- 支持MCP协议，可无缝集成到AI代理工作流中。
- 提供统一的自述文档，便于在无网络环境阅读。
- 规则数量庞大，可能需时间筛选适用于项目的规则。
- 规则仅提供英文版本，非英语用户需自行翻译。
- MCP服务器是公共托管，对于敏感代码可能有隐私顾虑。
- 无LICENSE文件，使用和分发需谨慎。
如何安装或部署这个 Agent？
该项目不需要安装即可使用网站和MCP服务器。若要本地开发或贡献，克隆仓库后运行pnpm install，然后pnpm dev启动开发服务器。
如何使用这个 Agent？
浏览frontendchecklist.io/rules查看规则，或通过MCP客户端连接mcp.frontendchecklist.io。对于MCP代理，使用review_code审查代码，search_rules搜索规则，audit_url审计公开URL。也可以安装skills：npx skills add frontendchecklist/skills。