Context7
Up-to-date docs for AI agents
Beschreibung vom Entwickler (englisches Original)
Audit architecture, security, memory, and code quality in Flutter, Laravel, Node, Python, & Vue.
Diese drei werden nie zu einer Punktzahl zusammengefasst: Meinungen, Messungen und Beliebtheit sind verschiedene Dinge.
Für diesen Server haben wir noch keine Zusammenfassung in einfacher Sprache geschrieben. Unten stehen die Fakten, die wir aus der Registry gelesen haben.
Wähle die KI-App, die du nutzt, und kopiere die Einstellungen.
Du brauchst
Welche App nutzt du?
Wähle oben deine App. Wir merken sie uns, damit der Button beim nächsten Mal „In … installieren“ anzeigt.
Öffne Claude Desktop → Settings → Developer → Edit Config und füge dies in claude_desktop_config.json ein
{
"mcpServers": {
"flutter-structure": {
"command": "docker",
"args": [
"run",
"-i",
"--rm",
"ghcr.io/nilesh9783/flutter_structure_mcp:1.0.3"
]
}
}
}Führe das in deinem Terminal aus
claude mcp add flutter-structure -- docker run -i --rm ghcr.io/nilesh9783/flutter_structure_mcp:1.0.3In .cursor/mcp.json in deinem Projekt oder in ~/.cursor/mcp.json einfügen
{
"mcpServers": {
"flutter-structure": {
"command": "docker",
"args": [
"run",
"-i",
"--rm",
"ghcr.io/nilesh9783/flutter_structure_mcp:1.0.3"
]
}
}
}Dein Browser fragt, ob er die App öffnen darf, dann zeigt die App die Einstellungen und bittet dich um Bestätigung. Schlüsselwerte bleiben leer, damit du sie selbst einträgst.
In .vscode/mcp.json in deinem Projekt einfügen
{
"servers": {
"flutter-structure": {
"type": "stdio",
"command": "docker",
"args": [
"run",
"-i",
"--rm",
"ghcr.io/nilesh9783/flutter_structure_mcp:1.0.3"
]
}
}
}Dein Browser fragt, ob er die App öffnen darf, dann zeigt die App die Einstellungen und bittet dich um Bestätigung. Schlüsselwerte bleiben leer, damit du sie selbst einträgst.
Dieser Server läuft auf deinem Computer, und ChatGPT kann sich nur mit Servern im Internet verbinden. Wähle eine andere App.
Deine Auswahl bleibt in einem Cookie auf diesem Gerät; kein Konto nötig.
Diese Einstellungen werden aus dem Registry-Eintrag des Entwicklers erzeugt. Wenn in der README etwas anderes steht, folge der README.
Läuft auf deinem Computer; die Tool-Liste erscheint nach der Installation in deiner KI-App.
Wir prüfen Informationen, die jeder sehen kann; den Code haben wir nicht gelesen. Checks, die nicht zutreffen, werden nicht mitgezählt. · Geprüft am 7. Nov. 2026
Der Registry-Name wurde mit dem GitHub-Konto Nilesh9783 bestätigt, dem das Repo gehört
Dieses Repo haben wir noch nicht von GitHub gelesen
Dieses Repo haben wir noch nicht von GitHub gelesen
Dieser Server läuft auf deinem Computer; es gibt keinen Endpunkt im Internet
Läuft auf deinem Computer und nutzt stattdessen lokale Einstellungen
Läuft auf deinem Computer; Tool-Listen können wir nur von Endpunkten im Internet lesen
Verglichen mit allen aktiven Servern dieser Kategorie in der Registry. Sterne zählen nur, wenn dem Herausgeber das Repo gehört.
Er hat 1 von 1 zutreffenden Basischecks bestanden. Den Code haben wir nicht gelesen. Bevor du einen Schlüssel oder Token hinzufügst, sieh nach, welche Zugriffe der Server verlangt, und nutze einen Schlüssel, der nur die Berechtigungen hat, die du brauchst.
Die Registry nennt keinen erforderlichen Schlüssel, manche Server bitten dich aber bei der ersten Nutzung, dich anzumelden.
Er läuft auf deinem Computer. Deine KI-App startet ihn bei Bedarf, und die Daten laufen nicht über die Server des Entwicklers (außer der Server ruft selbst einen Onlinedienst auf).
Das GitHub-Repo wurde zuletzt – geändert, und die neueste Version (1.0.3) kam vor 2 Monaten in die Registry.
Apps, die MCP unterstützen, etwa Claude Desktop, Claude Code, Cursor und VS Code. Außerdem brauchst du Docker auf deinem Computer.
In derselben Kategorie: Context7, Codebase Memory, Exa
Server derselben Kategorie von anderen Entwicklern, sortiert nach Sternen.
So liest du eine Karte:★ GitHub-SterneiDrei Säulen: Bewertungen · Checks · NutzungiAktualisiert = neueste Version in der Registry veröffentlichti
Up-to-date docs for AI agents
Codebase knowledge graph for AI agents — 162 languages, sub-ms queries, 99% fewer tokens.
Connect AI agents to Exa for web search, content fetching, and multi-step research.
Unverändert aus dem Repo des Entwicklers übernommen. PopNx MCP hat den Inhalt weder geprüft noch empfiehlt es ihn. HTML, Bilder und Skripte wurden entfernt. Links führen von dieser Website weg.
flutter_architect_mcp is a Model Context Protocol (MCP) server and command-line utility designed to automate the process of bootstrapping new Flutter applications. It sets up architectural structures, injects required package dependencies, sets up routing, databases, networks, and backend configurations, and copies a comprehensive collection of shared utilities, widgets, and extensions into the generated codebase.
The project contains a complete template library and a generator pipeline organized as follows:
├── bin/
│ ├── server.dart # MCP Server entry point (communicates via stdio) │ └── flutter_architect_mcp.dart # Direct dart run test script ├── config/ │ ├── packages.yaml # Map of package versions for different setup choices │ └── architecture.yaml # Supported architectures configuration ├── lib/ │ ├── generators/ │ │ ├── project_generator.dart # Master orchestrator │ │ ├── architecture_generator.dart # Clean, MVC, and MVVM template setup │ │ ├── state_generator.dart # Bloc, GetX, Provider, Riverpod, RxDart │ │ ├── package_generator.dart # Database, Router, Network, Backend setup │ │ └── feature_generator.dart # Generates features (login, dashboard, profile, home) │ ├── models/ │ │ └── project_config.dart # Encapsulates configuration parameters │ ├── services/ │ │ ├── copy_service.dart # Directory cloner with smart import rewriting │ │ ├── flutter_service.dart # Runs flutter create and flutter pub get │ │ ├── yaml_service.dart # YAML parser helper │ │ └── pubspec_service.dart # Dynamic dependency injector into pubspec.yaml │ └── tools/ │ ├── architectures_create/ │ │ └── create_project.dart # CLI runner script │ └── scanners_and_audit_reports/ │ └── run_audit.dart # Audit CLI runner script └── templates/ # Core template assets ├── architecture/ # Codebases for clean, mvc, and mvvm ├── state/ # State configurations ├── network/ # dio, retrofit templates ├── database/ # hive, isar, drift templates ├── backend/ # firebase, supabase templates ├── router/ # go_router, auto_route, own_extensions templates ├── feature/ # login, dashboard, profile, home templates └── shared/ # Common widgets, extensions, and helpers
All assets copied from templates/shared are automatically adjusted to compile in the new project:
When a project is generated, the tool executes the following steps:
graph TD;
A[Start: CLI or MCP Request] --> B[Run 'flutter create' in Target Dir]; B --> C[Replace default 'lib' folder with Architecture Template]; C --> D[Add State Management Template & Packages]; D --> E[Add Database Templates & Packages]; E --> F[Add Backend Templates & Packages]; F --> G[Add Router Templates & Packages]; G --> H[Add Network Templates & Packages]; H --> I[Copy Features login, dashboard, profile, home]; I --> J[Inject Shared utils, common widgets, helpers, extensions]; J --> K[Rewrite Hardcoded package:expense_tracker/ Imports to package:projectName/]; K --> L[Run 'flutter pub get' in Generated Project]; L --> M[Project Ready & Fully Compilable!];
You can execute the generator in three ways:
Configure flutter_architect_mcp in your LLM desktop client (e.g., Claude Desktop, Cursor, or VS Code MCP plugin).
Add this to your claude_desktop_config.json (usually at ~/Library/Application Support/Claude/claude_desktop_config.json on macOS):
{
"mcpServers": { "flutter-architect": { "command": "dart", "args": [ "run", "/path/to/your/project/my_mcp/flutter_architect_mcp/bin/server.dart" ] } } }
create_projectprojectName (String, required): Lowercase, snake_case name of the project.architecture (String, required): clean, mvc, or mvvm.stateManagement (String, optional): bloc, getx, provider, riverpod, or rxdart.database (String, optional): hive, isar, or drift.backend (String, optional): firebase or supabase.network (String, optional): dio or retrofit.router (String, optional): go_router, auto_route, or own_extensions.targetDirectory (String, optional): Absolute path to output directory (defaults to current directory)."Please run a full audit on the project located at
/path/to/project. Generate HTML/PDF reports, and email it to team@example.com (optional)."
"Run a full codebase audit on the folder
/path/to/project. Automatically detect the project type and output separate reports."
"Scaffold a new Flutter app named
my_appat/path/to/outputwith MVVM architecture, Riverpod state, Drift database, and GoRouter."
"Generate suggested fixes for
/path/to/projectand apply them safely."
"Start the performance monitor dashboard server on port 8080."
You can invoke the standalone CLI tool directly using the standard arguments:
dart run lib/tools/architectures_create/create_project.dart \
--name my_awesome_app \ --arch clean \ --state bloc \ --db hive \ --backend firebase \ --network dio \ --router go_router \ --target /path/to/output/folder
--name: Name of the project (required)--arch: Architecture style: clean, mvc, mvvm (required)--state: State management: bloc, getx, provider, riverpod, rxdart--db: Local database: hive, isar, drift--backend: Backend service: firebase, supabase--network: Network client: dio, retrofit--router: Routing solution: go_router, auto_route, own_extensions--target: Absolute path of parent folder (defaults to current path)Run the pre-configured flutter_architect_mcp.dart script to quickly test or launch a default workspace setup:
dart run bin/flutter_architect_mcp.dart
This script generates a pre-configured project named expense_tracker_with_mcp with clean architecture, bloc, hive, firebase, dio, and go_router in the local directory.
The Runtime Performance Monitor spins up a local server hosting a live web-based DevTools-like dashboard to profile active screens, HTTP API timing latencies, heap memory (RAM), and local database storage consumption. Stopping a session compiles all metrics into a formatted printable PDF HTML report.
You can launch the dashboard server directly from CLI:
dart run lib/tools/scanners_and_audit_reports/run_runtime_perf.dart --port 8080
--port (defaults to 8080).http://localhost:8080 in your web browser.You can start the tool via the MCP server using the start_runtime_perf_check tool:
{
"name": "start_runtime_perf_check", "arguments": { "port": 8080 } }
Copy the helper code integrations displayed under the Integration Guide tab of your dashboard:
PerfNavigatorObserver in your MaterialApp observers to track navigation changes.main() to stream RAM (RSS) size and local DB file size points.All data streams directly to the dashboard, and clicking the Stop & Save PDF button on the dashboard will export a detailed engineering review report with remediation steps!
To allow your running mobile app to post metrics back to the local performance server, configure the connection URL according to your target device environment:
Since the iOS simulator runs directly on the host Mac, it can connect via localhost:
http://localhost:8080/api/recordAndroid emulators run within a virtual loopback environment. To access the host machine's localhost, use the special IP address 10.0.2.2:
http://10.0.2.2:8080/api/recordYou can forward port 8080 from the device back to your computer using ADB:
adb reverse tcp:8080 tcp:8080
localhost directly:http://localhost:8080/api/record192.168.1.45 or 10.0.0.12).http:// :8080/api/record