XcodeBuildMCP
XcodeBuildMCP 是一款专为 iOS 和 macOS 开发打造的智能辅助工具,它基于模型上下文协议(MCP)构建,充当了 AI 编程助手与苹果开发环境之间的桥梁。在传统的移动开发中,让 AI 准确理解复杂的项目结构、执行编译命令或处理构建错误往往存在障碍,而 XcodeBuildMCP 通过提供标准化的命令行接口和服务器模式,赋予了 AI 代理直接操作 Xcode 项目的能力,从而显著提升了代码构建、调试及项目管理的自动化水平。
这款工具特别适合广大苹果生态开发者,尤其是那些希望将 Cursor、Claude Code 等先进 AI 编码助手融入日常工作的工程师。无论是需要快速排查构建报错,还是希望 AI 协助管理多目标项目配置,XcodeBuildMCP 都能让交互更加流畅自然。其技术亮点在于“双模”设计:既可作为独立的命令行工具供人工直接调用,也能作为后台 MCP 服务器无缝对接各类 AI 客户端。此外,它支持通过 Homebrew 和 npm 灵活安装,并针对主流开发编辑器提供了开箱即用的配置方案,无需繁琐设置即可享受智能化的开发体验,让构建过程更加高效可靠。
使用场景
iOS 开发者在修复一个因依赖版本冲突导致构建失败的复杂项目时,需要频繁查询构建设置、清理缓存并重新编译以验证修复效果。
没有 XcodeBuildMCP 时
- 开发者必须在终端手动输入冗长的
xcodebuild命令,极易因参数拼写错误(如 scheme 名称大小写)导致构建失败。 - 排查问题时需反复切换上下文,人工查阅
.xcodeproj文件或构建日志来定位具体的配置项,效率极低。 - AI 编程助手由于缺乏直接访问本地构建系统的权限,只能提供通用的理论建议,无法执行实际的编译操作或读取实时构建状态。
- 每次修改配置后,都需要手动执行清理派生数据(DerivedData)和重新构建的步骤,流程繁琐且容易遗漏。
- 在多 Scheme 项目中,难以快速确认当前激活的构建设置是否已同步应用到所有相关目标中。
使用 XcodeBuildMCP 后
- 开发者只需通过自然语言指令让 AI 调用 XcodeBuildMCP,即可自动执行精确的构建命令,彻底消除手动输入参数的错误风险。
- AI 助手能直接利用工具读取项目真实的构建设置和日志,瞬间定位到具体的冲突依赖或配置缺失项。
- XcodeBuildMCP 赋予 AI“双手”,使其能自主执行清理缓存、指定 Scheme 编译及运行测试等实际操作,实现从诊断到修复的闭环。
- 复杂的“清理 - 构建”流程被封装为一步到位的自动化动作,大幅缩短了验证代码修改的反馈周期。
- 工具可自动遍历并校验多 Scheme 项目的配置一致性,确保所有相关目标均应用了最新的构建策略。
XcodeBuildMCP 通过将底层构建能力转化为 AI 可调用的标准接口,让智能助手真正具备了理解和操作 iOS/macOS 工程的全栈能力。
运行环境要求
- macOS
未说明
未说明

快速开始
一个模型上下文协议(MCP)服务器和命令行工具,为在 iOS 和 macOS 项目中工作的智能体提供辅助工具。
安装
XcodeBuildMCP 以单个软件包形式提供两种模式:一种是用于直接在终端使用的 CLI,另一种是面向 AI 编码智能体的 MCP 服务器。无论采用哪种安装方式,您都可以同时获得这两种模式。
选项 A — Homebrew
brew tap getsentry/xcodebuildmcp
brew install xcodebuildmcp
使用 CLI:
xcodebuildmcp --help
MCP 客户端配置:
"XcodeBuildMCP": {
"command": "xcodebuildmcp",
"args": ["mcp"]
}
后续升级时,运行 brew update && brew upgrade xcodebuildmcp。
选项 B — npm / npx(Node.js 18+)
仅用于 CLI,可全局安装:
npm install -g xcodebuildmcp@latest
xcodebuildmcp --help
仅用于 MCP 服务器,无需全局安装,直接添加到您的客户端配置中:
"XcodeBuildMCP": {
"command": "npx",
"args": ["-y", "xcodebuildmcp@latest", "mcp"]
}
如需锁定特定版本,将 @latest 替换为具体版本号(例如 xcodebuildmcp@1.0.0)。
客户端特定设置
以下示例使用 npx(选项 B)。如果您通过 Homebrew 安装,请将命令替换为 "command": "xcodebuildmcp", "args": ["mcp"]。
Cursor
推荐做法(项目范围):在工作区根目录下添加 .cursor/mcp.json:
{
"mcpServers": {
"XcodeBuildMCP": {
"command": "npx",
"args": ["-y", "xcodebuildmcp@latest", "mcp"]
}
}
}
对于全局 Cursor 配置文件 (~/.cursor/mcp.json),可以使用以下变体,以便启动时与当前活动的工作区保持一致:
{
"mcpServers": {
"XcodeBuildMCP": {
"command": "/bin/zsh",
"args": [
"-lc",
"cd \"${workspaceFolder}\" && exec npx -y xcodebuildmcp@latest mcp"
]
}
}
}
或者使用快速安装链接:
Claude Code
运行以下命令:
claude mcp add XcodeBuildMCP -- npx -y xcodebuildmcp@latest mcp
Codex CLI
运行以下命令:
codex mcp add XcodeBuildMCP -- npx -y xcodebuildmcp@latest mcp
或者将以下内容添加到 ~/.codex/config.toml:
[mcp_servers.XcodeBuildMCP]
command = "npx"
args = ["-y", "xcodebuildmcp@latest", "mcp"]
Claude Desktop
将以下内容添加到 ~/Library/Application Support/Claude/claude_desktop_config.json:
{
"mcpServers": {
"XcodeBuildMCP": {
"command": "npx",
"args": ["-y", "xcodebuildmcp@latest", "mcp"]
}
}
}
VS Code / VS Code Insiders
将以下内容添加到您的 VS Code 设置 JSON 文件中:
"mcp": {
"servers": {
"XcodeBuildMCP": {
"command": "npx",
"args": ["-y", "xcodebuildmcp@latest", "mcp"]
}
}
}
或者使用快速安装链接:
Kiro / Kiro CLI
工作区级别(仅适用于当前工作区):在项目根目录下添加 .kiro/settings/mcp.json:
{
"mcpServers": {
"XcodeBuildMCP": {
"command": "npx",
"args": ["-y", "xcodebuildmcp@latest", "mcp"]
}
}
}
用户级别(适用于所有工作区):将以下内容添加到 ~/.kiro/settings/mcp.json:
{
"mcpServers": {
"XcodeBuildMCP": {
"command": "npx",
"args": ["-y", "xcodebuildmcp@latest", "mcp"]
}
}
}
Windsurf
将以下内容添加到 ~/.codeium/windsurf/mcp_config.json:
{
"mcpServers": {
"XcodeBuildMCP": {
"command": "npx",
"args": ["-y", "xcodebuildmcp@latest", "mcp"]
}
}
}
Trae
将以下内容添加到 ~/Library/Application Support/Trae/User/mcp.json:
{
"mcpServers": {
"XcodeBuildMCP": {
"command": "npx",
"args": ["-y", "xcodebuildmcp@latest", "mcp"]
}
}
}
Xcode(Codex Agent)
需要 Xcode 26.3 或更高版本。Codex 代理必须在 Xcode 设置 -> 智能 -> Open AI 中安装并配置。
截至撰写本文时,添加 MCP 服务器的唯一方法是在项目工作区根目录下使用项目范围的 .codex/config.toml 文件:
/path/to/your/project/.codex/config.toml
[mcp_servers.XcodeBuildMCP]
args = [
"-lc",
"PATH=/opt/homebrew/bin:/usr/local/bin:/usr/bin:/bin:/usr/sbin:/sbin; export NVM_DIR=\"$HOME/.nvm\"; [ -s \"$NVM_DIR/nvm.sh\" ] && . \"$NVM_DIR/nvm.sh\"; nvm use --silent >/dev/null 2>&1 || true; npx -y xcodebuildmcp@latest mcp"
]
command = "/bin/zsh"
enabled = true
tool_timeout_sec = 10000
注意: Codex Agent 在 Xcode 中运行时,默认 PATH 有限。上述示例对大多数用户应有效,但如果发现服务器无法启动或不可用,很可能是由于找不到 npx,您可能需要相应调整上述配置。
Xcode(Claude Code Agent)
需要 Xcode 26.3 或更高版本。Claude Code 代理必须在 Xcode 设置 -> 智能 -> Anthropic 中安装并配置。
将以下内容添加到 Xcode 的 Claude Code 代理配置文件末尾,或替换现有的 mcpServers 对象,路径为:
~/Library/Developer/Xcode/CodingAssistant/ClaudeAgentConfig/.claude.json
// ... 文件其余部分 ...
"mcpServers": {
"XcodeBuildMCP": {
"command": "/bin/zsh",
"args": [
"-lc",
"PATH=/opt/homebrew/bin:/usr/local/bin:/usr/bin:/bin:/usr/sbin:/sbin; export NVM_DIR=\"$HOME/.nvm\"; [ -s \"$NVM_DIR/nvm.sh\" ] && . \"$NVM_DIR/nvm.sh\"; nvm use --silent >/dev/null 2>&1 || true; npx -y xcodebuildmcp@latest mcp"
]
}
}
}
注意: Claude Code Agent 在 Xcode 中运行时,默认 PATH 有限。上述示例对大多数用户应有效,但如果发现服务器无法启动或不可用,很可能是由于找不到 npx,您可能需要相应调整上述配置。
AdaL CLI
在 AdaL CLI 提示符下运行以下命令:
/mcp add XcodeBuildMCP --command npx --args "-y,xcodebuildmcp@latest,mcp"
更多安装选项请参阅 入门指南。
系统要求
- macOS 14.5 或更高版本
- Xcode 16.x 或更高版本
- Node.js 18.x 或更高版本(通过 Homebrew 安装则无需此要求)
技能
XcodeBuildMCP 现在包含两种可选的代理技能:
MCP 技能:为代理预置使用 MCP 服务器工具的指令(在使用 MCP 服务器时为可选项)。
CLI 技能:为代理预置 CLI 导航指令(建议在使用 CLI 时启用)。
通过全局二进制安装:
xcodebuildmcp init
或者无需全局安装,直接通过 npx 安装:
npx -y xcodebuildmcp@latest init
有关安装技能的更多信息,请参阅:docs/SKILLS.md
注意事项
- XcodeBuildMCP 会请求 xcodebuild 跳过宏验证,以避免在构建使用 Swift Macros 的项目时出现错误。
- 设备工具需要在 Xcode 中配置代码签名。请参阅 docs/DEVICE_CODE_SIGNING.md。
隐私政策
XcodeBuildMCP 仅将 Sentry 用于内部运行时错误遥测。有关详细信息及退出说明,请参阅 docs/PRIVACY.md。
CLI
XcodeBuildMCP 提供统一的命令行界面。mcp 子命令用于启动 MCP 服务器,而其他所有命令则提供对工具的直接终端访问:
# 全局安装
npm install -g xcodebuildmcp@latest
# 启动 MCP 服务器(供 MCP 客户端使用)
xcodebuildmcp mcp
# 列出可用工具
xcodebuildmcp tools
# 为模拟器构建
xcodebuildmcp simulator build --scheme MyApp --project-path ./MyApp.xcodeproj
CLI 使用基于工作区的守护进程来执行有状态的操作(日志捕获、调试等),该守护进程会在需要时自动启动。完整文档请参阅 docs/CLI.md。
文档
- 入门指南:docs/GETTING_STARTED.md
- CLI 使用:docs/CLI.md
- 配置与选项:docs/CONFIGURATION.md
- 工具参考:docs/TOOLS.md
- 故障排除:docs/TROUBLESHOOTING.md
- 隐私政策:docs/PRIVACY.md
- 技能:docs/SKILLS.md
- 贡献指南:docs/dev/CONTRIBUTING.md
许可证
本项目采用 MIT 许可证授权——详情请参阅 LICENSE 文件。 第三方许可声明请参阅 THIRD_PARTY_LICENSES 文件。 npm 包的归属信息请参阅 THIRD_PARTY_PACKAGE_LICENSES 文件。
版本历史
v2.3.22026/03/31v2.3.12026/03/27v2.3.02026/03/16v2.2.12026/03/08v2.2.02026/03/07v2.1.02026/02/23v2.0.72026/02/10v2.0.62026/02/10v2.0.52026/02/10v2.0.02026/02/08v2.0.0-beta.12026/02/02v1.15.12025/12/20v1.15.02025/12/15v1.15.0-beta.02025/11/20v1.14.12025/09/22v1.14.02025/09/22v1.13.12025/09/21v1.12.102025/09/10v1.12.82025/09/09v1.12.72025/09/09常见问题
相似工具推荐
openclaw
OpenClaw 是一款专为个人打造的本地化 AI 助手,旨在让你在自己的设备上拥有完全可控的智能伙伴。它打破了传统 AI 助手局限于特定网页或应用的束缚,能够直接接入你日常使用的各类通讯渠道,包括微信、WhatsApp、Telegram、Discord、iMessage 等数十种平台。无论你在哪个聊天软件中发送消息,OpenClaw 都能即时响应,甚至支持在 macOS、iOS 和 Android 设备上进行语音交互,并提供实时的画布渲染功能供你操控。 这款工具主要解决了用户对数据隐私、响应速度以及“始终在线”体验的需求。通过将 AI 部署在本地,用户无需依赖云端服务即可享受快速、私密的智能辅助,真正实现了“你的数据,你做主”。其独特的技术亮点在于强大的网关架构,将控制平面与核心助手分离,确保跨平台通信的流畅性与扩展性。 OpenClaw 非常适合希望构建个性化工作流的技术爱好者、开发者,以及注重隐私保护且不愿被单一生态绑定的普通用户。只要具备基础的终端操作能力(支持 macOS、Linux 及 Windows WSL2),即可通过简单的命令行引导完成部署。如果你渴望拥有一个懂你
stable-diffusion-webui
stable-diffusion-webui 是一个基于 Gradio 构建的网页版操作界面,旨在让用户能够轻松地在本地运行和使用强大的 Stable Diffusion 图像生成模型。它解决了原始模型依赖命令行、操作门槛高且功能分散的痛点,将复杂的 AI 绘图流程整合进一个直观易用的图形化平台。 无论是希望快速上手的普通创作者、需要精细控制画面细节的设计师,还是想要深入探索模型潜力的开发者与研究人员,都能从中获益。其核心亮点在于极高的功能丰富度:不仅支持文生图、图生图、局部重绘(Inpainting)和外绘(Outpainting)等基础模式,还独创了注意力机制调整、提示词矩阵、负向提示词以及“高清修复”等高级功能。此外,它内置了 GFPGAN 和 CodeFormer 等人脸修复工具,支持多种神经网络放大算法,并允许用户通过插件系统无限扩展能力。即使是显存有限的设备,stable-diffusion-webui 也提供了相应的优化选项,让高质量的 AI 艺术创作变得触手可及。
everything-claude-code
everything-claude-code 是一套专为 AI 编程助手(如 Claude Code、Codex、Cursor 等)打造的高性能优化系统。它不仅仅是一组配置文件,而是一个经过长期实战打磨的完整框架,旨在解决 AI 代理在实际开发中面临的效率低下、记忆丢失、安全隐患及缺乏持续学习能力等核心痛点。 通过引入技能模块化、直觉增强、记忆持久化机制以及内置的安全扫描功能,everything-claude-code 能显著提升 AI 在复杂任务中的表现,帮助开发者构建更稳定、更智能的生产级 AI 代理。其独特的“研究优先”开发理念和针对 Token 消耗的优化策略,使得模型响应更快、成本更低,同时有效防御潜在的攻击向量。 这套工具特别适合软件开发者、AI 研究人员以及希望深度定制 AI 工作流的技术团队使用。无论您是在构建大型代码库,还是需要 AI 协助进行安全审计与自动化测试,everything-claude-code 都能提供强大的底层支持。作为一个曾荣获 Anthropic 黑客大奖的开源项目,它融合了多语言支持与丰富的实战钩子(hooks),让 AI 真正成长为懂上
ComfyUI
ComfyUI 是一款功能强大且高度模块化的视觉 AI 引擎,专为设计和执行复杂的 Stable Diffusion 图像生成流程而打造。它摒弃了传统的代码编写模式,采用直观的节点式流程图界面,让用户通过连接不同的功能模块即可构建个性化的生成管线。 这一设计巧妙解决了高级 AI 绘图工作流配置复杂、灵活性不足的痛点。用户无需具备编程背景,也能自由组合模型、调整参数并实时预览效果,轻松实现从基础文生图到多步骤高清修复等各类复杂任务。ComfyUI 拥有极佳的兼容性,不仅支持 Windows、macOS 和 Linux 全平台,还广泛适配 NVIDIA、AMD、Intel 及苹果 Silicon 等多种硬件架构,并率先支持 SDXL、Flux、SD3 等前沿模型。 无论是希望深入探索算法潜力的研究人员和开发者,还是追求极致创作自由度的设计师与资深 AI 绘画爱好者,ComfyUI 都能提供强大的支持。其独特的模块化架构允许社区不断扩展新功能,使其成为当前最灵活、生态最丰富的开源扩散模型工具之一,帮助用户将创意高效转化为现实。
gemini-cli
gemini-cli 是一款由谷歌推出的开源 AI 命令行工具,它将强大的 Gemini 大模型能力直接集成到用户的终端环境中。对于习惯在命令行工作的开发者而言,它提供了一条从输入提示词到获取模型响应的最短路径,无需切换窗口即可享受智能辅助。 这款工具主要解决了开发过程中频繁上下文切换的痛点,让用户能在熟悉的终端界面内直接完成代码理解、生成、调试以及自动化运维任务。无论是查询大型代码库、根据草图生成应用,还是执行复杂的 Git 操作,gemini-cli 都能通过自然语言指令高效处理。 它特别适合广大软件工程师、DevOps 人员及技术研究人员使用。其核心亮点包括支持高达 100 万 token 的超长上下文窗口,具备出色的逻辑推理能力;内置 Google 搜索、文件操作及 Shell 命令执行等实用工具;更独特的是,它支持 MCP(模型上下文协议),允许用户灵活扩展自定义集成,连接如图像生成等外部能力。此外,个人谷歌账号即可享受免费的额度支持,且项目基于 Apache 2.0 协议完全开源,是提升终端工作效率的理想助手。
markitdown
MarkItDown 是一款由微软 AutoGen 团队打造的轻量级 Python 工具,专为将各类文件高效转换为 Markdown 格式而设计。它支持 PDF、Word、Excel、PPT、图片(含 OCR)、音频(含语音转录)、HTML 乃至 YouTube 链接等多种格式的解析,能够精准提取文档中的标题、列表、表格和链接等关键结构信息。 在人工智能应用日益普及的今天,大语言模型(LLM)虽擅长处理文本,却难以直接读取复杂的二进制办公文档。MarkItDown 恰好解决了这一痛点,它将非结构化或半结构化的文件转化为模型“原生理解”且 Token 效率极高的 Markdown 格式,成为连接本地文件与 AI 分析 pipeline 的理想桥梁。此外,它还提供了 MCP(模型上下文协议)服务器,可无缝集成到 Claude Desktop 等 LLM 应用中。 这款工具特别适合开发者、数据科学家及 AI 研究人员使用,尤其是那些需要构建文档检索增强生成(RAG)系统、进行批量文本分析或希望让 AI 助手直接“阅读”本地文件的用户。虽然生成的内容也具备一定可读性,但其核心优势在于为机器