Local Coding Agent

Name: Local Coding Agent
Author: pvnc228

von pvnc228Version 1.2.0i★ –iLäuft auf deinem Computer

Name in der Registryio.github.pvnc228/local-coding-agent

Installieren

Überblick

Beschreibung vom Entwickler (englisches Original)

Delegate small coding tasks to local Ollama/llama.cpp models; patches gated by real test runs.

Die drei Säulen von PopNx MCP

Diese drei werden nie zu einer Punktzahl zusammengefasst: Meinungen, Messungen und Beliebtheit sind verschiedene Dinge.

Stimmen der NutzeriNoch keine BewertungenBewertungen starten in einem späteren Schritt zusammen mit Benutzerkonten
Unsere Basischecksi1 von 1 bestandenAnhand öffentlicher Informationen geprüft; Code noch nicht gescannt
NutzungiNoch nicht gemessen★ –

Was du damit machen kannst

Für diesen Server haben wir noch keine Zusammenfassung in einfacher Sprache geschrieben. Unten stehen die Fakten, die wir aus der Registry gelesen haben.

Verbindung: Läuft auf deinem Computer
Transport: stdio
Kategorie: Sonstiges

Installation

Wähle die KI-App, die du nutzt, und kopiere die Einstellungen.

Bevor du installierst

Basischecks: 1 von 1 bestanden
Läuft auf deinem Computer mit den Rechten deines Benutzerkontos (Dateien, Netzwerk, Apps).
Die Registry nennt keinen Schlüssel zum Eintragen.

Du brauchst

PyPIuv für Python installiert (für den Befehl uvx)

Welche App nutzt du?

ClaudeClaude CodeCursorVS CodeChatGPT

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": {
    "local-coding-agent": {
      "command": "uvx",
      "args": [
        "local-coding-agent",
        "serve-mcp",
        "--workspace",
        "your-value"
      ]
    }
  }
}

Führe das in deinem Terminal aus

claude mcp add local-coding-agent -- uvx local-coding-agent serve-mcp --workspace your-value

Dieser Server braucht Werte in seiner Befehlszeile, also kopier die Einstellungen und trag sie ein.

Oder kopier die Einstellungen selbst

In .cursor/mcp.json in deinem Projekt oder in ~/.cursor/mcp.json einfügen

{
  "mcpServers": {
    "local-coding-agent": {
      "command": "uvx",
      "args": [
        "local-coding-agent",
        "serve-mcp",
        "--workspace",
        "your-value"
      ]
    }
  }
}

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 braucht Werte in seiner Befehlszeile, also kopier die Einstellungen und trag sie ein.

Oder kopier die Einstellungen selbst

In .vscode/mcp.json in deinem Projekt einfügen

{
  "servers": {
    "local-coding-agent": {
      "type": "stdio",
      "command": "uvx",
      "args": [
        "local-coding-agent",
        "serve-mcp",
        "--workspace",
        "your-value"
      ]
    }
  }
}

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.

Was er kann

Läuft auf deinem Computer; die Tool-Liste erscheint nach der Installation in deiner KI-App.

Basischecksi

Wir prüfen Informationen, die jeder sehen kann; den Code haben wir nicht gelesen. Checks, die nicht zutreffen, werden nicht mitgezählt. · Geprüft am 6. Nov. 2026

✓ Bestanden
Entwickler passt zum Repo
Der Registry-Name wurde mit dem GitHub-Konto pvnc228 bestätigt, dem das Repo gehört
… Noch nicht geprüft
Wird noch gepflegt
Dieses Repo haben wir noch nicht von GitHub gelesen
… Noch nicht geprüft
Hat eine Lizenz
Dieses Repo haben wir noch nicht von GitHub gelesen
– Nicht zutreffend
Endpunkt antwortet
Dieser Server läuft auf deinem Computer; es gibt keinen Endpunkt im Internet
– Nicht zutreffend
Anmeldung mit OAuth
Läuft auf deinem Computer und nutzt stattdessen lokale Einstellungen
… Noch nicht geprüft
Keine versteckten Anweisungen in Tool-Beschreibungen
Läuft auf deinem Computer; Tool-Listen können wir nur von Endpunkten im Internet lesen

Im Vergleich mit anderen in Sonstigesi

Mehr Sterne als 0 % der anderen 32410 Server in dieser Kategorie
Neuer in der Registry veröffentlicht als 91 % der anderen 32410 Server in dieser Kategorie
Basischecks gleich gut wie oder besser als bei 100 % der anderen 32410 Server in dieser Kategorie

Verglichen mit allen aktiven Servern dieser Kategorie in der Registry. Sterne zählen nur, wenn dem Herausgeber das Repo gehört.

Häufige Fragen

Ist Local Coding Agent sicher?

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.

Welche Schlüssel oder Codes braucht er?

Die Registry nennt keinen erforderlichen Schlüssel, manche Server bitten dich aber bei der ersten Nutzung, dich anzumelden.

Läuft er auf meinem Computer oder in der Cloud?

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).

Wird er noch gepflegt?

Das GitHub-Repo wurde zuletzt – geändert, und die neueste Version (1.2.0) kam vor 3 Tagen in die Registry.

Welche Apps können ihn nutzen?

Apps, die MCP unterstützen, etwa Claude Desktop, Claude Code, Cursor und VS Code. Außerdem brauchst du Python (uv) auf deinem Computer.

Was kann ich stattdessen nutzen?

In derselben Kategorie: Spec Driven Development, Remote Desktop Commander, debuff

Alternativen

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

Spec Driven Development

von formulahendry

MCP Server that facilitates spec-driven development workflows, not just Vibe Coding.

Läuft auf deinem Computer★ 440MITAktualisiert vor 14 Monaten

Installieren

Remote Desktop Commander

von desktop-commander

Remote Desktop Commander: use files, terminal and processes on your own computers from any AI app.

Läuft in der Cloud★ 211Aktualisiert gestern

Installieren

debuff

von debuffjp

Let coding agents play, test and tune your 2D web game: live state, explained errors, replays, fuzz.

Läuft auf deinem ComputerAktualisiert heute

Installieren

README vom Entwickler

README öffnen

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.

Local Coding Agent

Local execution and safety layer for delegating coding tasks from cloud agents to models on your own machine.

What is Local Coding Agent?

Local Coding Agent lets a cloud coding agent delegate a narrow task to a local model without giving that model unrestricted access to your repository. Connect Codex, Claude Code, Cursor, Windsurf, Cline, OpenCode, Antigravity, or another compatible harness through MCP, the reusable Agent Skill, or the local-agent CLI. The cloud agent stays in charge of the larger task; Local Coding Agent supplies the controlled local execution path.

The calling agent sends a focused goal, a workspace, an allowlist of files, and checks. Your local model returns a proposal for review. The local model proposes; the controller verifies. A change is only reported as applied after the declared file scope held, the patch passed static analysis, and a real external test runner confirmed the configured checks. If a post-apply check fails, the change is rolled back and the rollback is itself verified against recorded file digests. The local model does not receive unrestricted shell or write access to your workspace.

Use the Desktop Harness when you want a Windows interface for local chat, model selection, sessions, task status, and change review. Use the CLI for terminals, scripts, CI, or direct integration with a coding harness. Both use the same controller and safety rules.

You keep control of Git and delivery. Local Coding Agent does not create commits, push branches, publish releases, or download a model on its own.

What the gate refuses

The same gate backs apply_proposal, local-agent apply, and the desktop apply action:

A patch that touches a file outside the declared scope is rejected before the workspace is touched (error.kind: patch_outside_scope).
An apply with no targeted check is refused — no external evidence, no apply (error.kind: apply_requires_checks).
A patch that fails the post-apply checks is rolled back; the result is "rejected" with error.kind: post_apply_check_failed.
A rollback that cannot be confirmed against the recorded baseline is reported as workspace_modified: true with workspace_state: "unknown" and risk kind rollback_failed — never as a clean restore.

Choose your download

Current public release: v1.2.0

Choose the CLI release for terminal workflows, scripts, CI, or integration with another AI coding environment. It provides the local-agent command, MCP server, Agent Skill, diagnostics, sessions, model tools, and task delegation.

Download the CLI wheel or CLI source archive. Windows users can download the Desktop Harness installer and verify the published files with SHA256SUMS.txt.

The v1.2.0 release contains the CLI archives and the Windows Desktop Harness installer. Local inference remains local; install Ollama or run a compatible local model server before requesting live model responses.

Desktop Harness

Open the Harness, choose a workspace, select a local model, and start working. The desktop application brings the complete local coding workflow into one focused interface:

Interactive Chat for questions, explanations, and everyday coding work.
Chat, Build, Plan, and Auto modes for different kinds of requests.
Delegated Tasks for handing a focused coding change to a local model.
Workspace sessions so you can return to previous conversations and tasks.
Model discovery, model profiles, context settings, hardware telemetry, and diagnostics.
Clear status messages when the local backend is ready, unavailable, or needs attention.
Reviewable code changes and checks before changes are applied.

The 30-second tour below follows one delegated change: the local model proposes, the controller checks scope, a real test runner decides, and a failed check rolls the change back. Click it for the video with sound.

CLI installation

Requirements:

Python 3.10 or newer.
Git on PATH for workspace operations.
Ollama or an OpenAI-compatible local model server for live inference.

Install the CLI package:

pipx install local-coding-agent

Or install from a checkout:

git clone https://github.com/pvnc228/local-coding-agent.git

cd local-coding-agent python -m pip install -e .

Check the installation:

local-agent doctor

local-agent test-run --mock

Add --json where supported when the output will be consumed by another tool.

Connect another AI coding agent

Local Coding Agent can provide its capabilities to other AI coding environments through MCP or an Agent Skill:

local-agent init-mcp --auto --write

local-agent init-skill --write

Start the MCP server manually when a client needs an explicit command:

local-agent serve-mcp --workspace . --enable-tasks

See local_coding_agent/docs/MCP_INTEGRATION.md for client configuration examples and skills/local-coding-agent/SKILL.md for the reusable Agent Skill.

A typical coding request

Choose a workspace and a local model.
Ask a question or describe the change you want.
Inspect the suggested code change in the application.
Run the relevant checks and apply the change when it looks right.

The application keeps the workflow understandable: you can see what is being changed, which checks are being run, and whether the local backend is available. Commits, tags, pushes, and publishing remain under your control.

CLI commands

Command	Purpose
`local-agent delegate`	Give a focused coding task to a local model.
`local-agent decompose`	Break a larger request into smaller coding tasks.
`local-agent apply`	Apply a reviewed change and run its checks.
`local-agent chat`	Run a prompt or a persistent chat session.
`local-agent sessions`	List or inspect saved sessions.
`local-agent profiles`	Inspect configured model profiles.
`local-agent memory`	Inspect model memory and VRAM settings.
`local-agent calibrate`	Calculate safe worker bounds for a VRAM budget.
`local-agent benchmark`	Run the local coding benchmark.
`local-agent doctor`	Diagnose Python, Git, Ollama, RAM, VRAM, and models.
`local-agent monitor`	Serve the local metrics dashboard.
`local-agent test-run --mock`	Run deterministic local workflow checks.

Examples:

local-agent chat "Explain what context_manager.py does"

local-agent chat --repl --session-id refactor-session local-agent delegate --task task.json --model qwen2.5-coder:7b --json local-agent apply --patch-file patch.diff --workspace . --file src/foo.py --check "pytest tests/" local-agent monitor --port 8765

Open http://127.0.0.1:8765/dashboard to view queue load, latency, tokens per second, and change records.

The CLI also exposes preview surfaces that are not part of the stable contract and may change without notice: ui/app, lsp, serve-acp, skeletonize, lint-patch, scan-models, spill-read, and grep. The stable, tested set is the table above plus desktop, chat, serve-mcp, init-mcp, and init-skill.

Field results & limitations

The published numbers come from a 20-task suite, so treat them as directional rather than settled:

On that suite, qwen3.8-27b-q4 scored 100.0% correctness with a 95% Wilson interval of [83.9%, 100.0%], and qwen3-8b-q6k scored 90.0% [69.9%, 97.2%]. The wide intervals are the small sample size, not a rounding artifact.
Small models handle single-file work in this harness; cross-file coordination (Tier 3 in the capability ladder) needs the host agent to decompose the task into atomic envelopes first.
Results are model and hardware specific. Reproduce them with local-agent benchmark before relying on any figure.

See local_coding_agent/docs/BENCHMARK.md for the methodology and the full table.

Local models

Model profiles describe the provider, model, context window, generation limits, and keep-alive behavior. The Harness can discover installed Ollama models and local GGUF files, while the CLI exposes the same information for scripts and integrations.

local-agent profiles list --json

local-agent memory status --json

Documentation

Quickstart
FAQ
MCP integration
Security policy
Changelog
Architecture reference
Protocol reference
Benchmark methodology
Roadmap
Runtime setup tips: context, KV cache, thinking and CPU limits

The same pages open inside the Desktop Harness under Help, and local-agent help-docs prints them in a terminal.

License

Local Coding Agent is distributed under the MIT License.

Local Coding Agent

Überblick

Die drei Säulen von PopNx MCP

Was du damit machen kannst

Installation

Bevor du installierst

Was er kann

Basischecksi

Entwickler passt zum Repo

Wird noch gepflegt

Hat eine Lizenz

Endpunkt antwortet

Anmeldung mit OAuth

Keine versteckten Anweisungen in Tool-Beschreibungen

Im Vergleich mit anderen in Sonstigesi

Häufige Fragen

Alternativen

Spec Driven Development

Remote Desktop Commander

debuff

README vom Entwickler

Local Coding Agent

What is Local Coding Agent?

What the gate refuses

Choose your download

Current public release: v1.2.0

Desktop Harness

CLI installation

Connect another AI coding agent

A typical coding request

CLI commands

Field results & limitations

Local models

Documentation

License