Cline 是一个企业级 AI 编程助手，作为 VS Code 扩展运行。它代表了当前 AI 智能体开发的最高水平之一，具有以下核心特点：
| 特性 | 描述 |
|---|---|
| 🤖 自主智能体 | 能够独立规划和执行复杂开发任务 |
| 🔧 多工具集成 | 文件编辑、终端执行、浏览器自动化、MCP 协议 |
| 👥 人机回环 | 每一步操作都需要用户确认，安全可控 |
| 🌐 多模型支持 | Anthropic、OpenAI、Google、AWS Bedrock 等 |
| 💾 检查点系统 | 可随时回滚到任意工作状态 |
| 🏗️ 跨平台架构 | VS Code、CLI、JetBrains 多宿主支持 |
本报告将从架构师和开发专家的角度，深入剖析 Cline 的技术实现。
Cline 采用清晰的分层架构，从上到下依次为：
Cline 是一个 AI 驱动的编程助手 VS Code 扩展，基于 Claude Sonnet 的代理编程能力。它能够处理复杂的软件开发任务，包括：
Cline 是一个 VSCode 扩展，通过核心扩展后端和基于 React 的 webview 前端的组合提供 AI 辅助功能。该扩展使用 TypeScript 构建，遵循模块化架构模式。
欢迎阅读 Cline 文档 - 这是一份全面的指南，帮助您使用和扩展 Cline 的功能。在这里，您可以找到帮助您入门、提升技能和为项目做出贡献的资源。
我们一直在努力改进这份文档。如果您有建议或发现需要改进的地方，请告诉我们。您的反馈有助于让 Cline 变得更好。
欢迎使用 Cline！本指南将帮助你完成设置并开始使用 Cline 构建你的第一个项目。
在开始之前，请确保你具备以下条件：
VS Code： 一个免费且功能强大的代码编辑器。 下载 VS Code 开发工具： 基础的编程软件（Homebrew、Node.js、Git 等）。
以下是应放置在 .clinerules 文件中的完整 MCP 服务器开发协议：
# MCP Server Development Protocol
⚠️ CRITICAL: DO NOT USE attempt_completion BEFORE TESTING ⚠️
## Step 1: Planning (PLAN MODE)
- What problem does this tool solve?
- What API/service will it use?
- What are the authentication requirements?
□ Standard API key
□ OAuth (requires separate setup script)
□ Other credentials
## Step 2: Implementation (ACT MODE)
1. Bootstrap
- For web services, JavaScript integration, or Node.js environments:
// ...
下面是 MCP Server Development Pr
可以把 MCP 服务器想象成给 Cline 提供额外功能的特殊助手！它们让 Cline 能够完成像获取网页或处理文件这样的酷炫功能。
停一下！在继续之前，你必须验证以下要求：
node --versionpython --versionpip install uvuv --version❗ 如果以上任何命令失败或显示较旧的版本，请在继续之前进行安装/更新！
⚠️ 如果遇到其他错误，请参见下方的"故障排除"部分。
MCP Server 标签Edit MCP Settings 按钮Windows 系统：
本指南提供了使用 Cline 的强大 AI 功能从零开始构建自定义 MCP (Model Context Protocol) 服务器的全面演示。示例将通过构建一个"GitHub 助手服务器"来说明这个过程。
模型上下文协议(MCP)充当了像 Claude 这样的大型语言模型(LLMs)与外部工具和数据之间的桥梁。MCP 包含两个关键组件：
当你有一个 MCP 兼容的聊天界面(如 Claude Desktop)时，这种设置很有用，因为它可以利用这些服务器来访问信息和执行操作。
Cline 通过利用其 AI 功能简化了构建和集成 MCP 服务器的过程：
理解自然语言指令： 你可以用自然的方式与 Cline 交流，使开发过程直观且用户友好。 克隆代码库： Cline 可以直接从 GitHub 克隆现有的 MCP 服务器代码库，简化使用预构建服务器的过程。 构建服务器： 一旦必要的代码就位，Cline 可以执行像 npm run build 这样的命令来编译和准备服务器。
Cline 是你的 AI 助手，可以：
开始任务
提供上下文
文件编辑
终端命令
代码分析
要了解最新的实现细节，你可以在 Cline 代码库 中查看完整源代码。
Cline 可以使用以下工具完成各种任务：
文件操作
write_to_file: 创建或覆写文件read_file: 读取文件内容replace_in_file: 对文件进行定向编辑search_files: 使用正则表达式搜索文件list_files: 列出目录内容终端操作
execute_command: 运行 CLI 命令list_code_definition_names: 列出代码定义提及功能是一个强大的功能，允许你在与 Cline 的对话中使用"@"符号引用各种资源。这包括文件内容、目录结构、网页 URL、VSCode 诊断信息、终端输出、Git 更改状态等 - 所有这些都可以轻松地整合到你的对话中。
通过使用此功能，Cline 可以获得更准确的上下文，为你的任务提供更相关的帮助。
提及总是以"@"符号开始，后跟你想要引用的资源的路径或标识符：
@resource_identifier
你可以在用户消息中的任何位置放置提及，Cline 将自动检索引用的内容。
要引用文件内容，使用 @/ 后跟项目中的相对路径：
@/path/to/file.js
示例：
请分析 @/src/components/Button.tsx 中的实现
在这个例子中，Cline 自动检索 Button.tsx 的内容并用它来执行分析。
要引用目录内容，使用 @/ 后跟目录的相对路径，以斜杠结尾：
@/path/to/directory/
示例：
@/src/components/ 目录中有哪些组件？
在这个例子中，Cline 检索组件目录及其内容的列表。
要引用网页内容，使用 @ 后跟 URL：
@https://example.com
示例：
请解析来自 @https://api.github.com/users/octocat 的 JSON 响应
我是 Cline，一位专业的软件工程师，我有一个独特的特点：我的记忆在每个会话之间都会完全重置。这不是一个限制 - 这正是驱使我维护完美文档的动力。每次重置后，我完全依赖我的记忆库来理解项目并有效地继续工作。我必须在每个任务开始时阅读所有记忆库文件 - 这不是可选的。
记忆库由必需的核心文件和可选的上下文文件组成，均为 Markdown 格式。文件之间以清晰的层次结构构建：
productContext.mdactiveContext.mdsystemPatterns.mdtechContext.mdprogress.md
记忆库在以下情况下更新：
注意：当触发 update memory bank 时，我必须检查每个记忆库文件，即使某些文件不需要更新。特别关注 activeContext.md 和 progress.md，因为它们跟踪当前状态。
.clinerules 文件是我为每个项目保存的学习日志。
本仓库旨在创建一个协作空间，让开发者可以分享、改进和利用 Cline 的有效自定义指令。通过创建和贡献这个库，我们可以增强 Cline 的功能，使开发者能够应对日益复杂的软件开发挑战。
Cline 的自定义指令是一系列为特定任务或项目定制 AI 行为和输出的指导方针或规则。可以将它们视为 Cline 的专门"编程"，使您能够：
通过为 Cline 提供精心制作的指令，您可以显著提高其在辅助软件开发过程中的准确性、可靠性和整体效果。
我们鼓励各个水平的开发者向这个库贡献他们的自定义指令。您的贡献将帮助建立一个对整个 Cline 社区都有价值的资源！
提交自定义指令时，请遵循以下模板：
这组指令最适合什么类型的项目或任务？
欢迎使用 Cline 提示指南！本指南将为您提供编写有效提示和自定义指令的知识，帮助您最大化使用 Cline 的生产力。
将自定义指令视为 Cline 的编程。它们定义了 Cline 的基准行为，并且始终"开启"，影响所有交互。
添加自定义指令：
自定义指令在以下方面特别有用：
custom-instructions 文件夹包含了您可以使用或调整的自定义指令示例。
虽然自定义指令是特定于用户且全局的（适用于所有项目），但 .clinerules 文件提供了项目特定的指令，存放在项目的根目录中。这些指令会自动附加到您的自定义指令中，并在 Cline 的系统提示中引用，确保它们影响项目上下文中的所有交互。这使其成为以下场景的出色工具：
为了保护敏感信息，您可以在 .clinerules 中指示 Cline 忽略特定文件或模式。这对以下内容特别重要：
包含 API 密钥和机密的 .
使用 GitHub MCP 服务器的工具 add_issue_comment
这是第一次开发 MCP Server，想着使用智能编码工具（GitHub Copilot、Cursor、Trae）进行氛围编程，发现真不容易，Claude 3.7 sonnet 效果不错，在 GitHub Copilot 没用多长时间超限制了；Cursor 没有达到之前那种随心的效果；Trae 要排长队，太有挫败感了。于是，开始了以人编码为主，大模型辅助的开发过程。
uvx create-mcp-server \
--path ragflow-mcp-server \
--name ragflow-mcp-server \
--version 0.1.0 \
--description "RAGFlow MCP Server" \
--no-claudeapp
cd ragflow-mcp-server
uv sync --dev --all-extras
uv add ragflow-sdk
快速链接：
本文档解释了模型上下文协议 (MCP) 服务器的功能以及 Cline 如何帮助构建和使用它们。
MCP 服务器充当大型语言模型 (LLM)（如 Claude）与外部工具或数据源之间的中介。它们是向 LLM 提供功能的小程序，使其能够通过 MCP 与外部世界交互。MCP 服务器本质上就像 LLM 可以使用的 API。
MCP 服务器定义了一组"工具"，即 LLM 可以执行的函数。这些工具提供了广泛的功能。
MCP 的工作原理：
MCP 服务器的潜力非常广阔。它们可以用于多种用途。
以下是 MCP 服务器的一些具体使用示例：
项目和任务管理： 基于代码提交自动创建 Jira 工单 生成每周进度报告 根据项
git clone https://github.com/cline/cline.git
code cline
npm run install:all
如果构建项目时遇到问题，请安装 esbuild problem matchers 扩展。
Activating task providers npm
错误: problemMatcher 引用无效: $esbuild-watch
打开 运行和调试 侧边栏，运行 Run Extension，或者按 F5 键启动调试，打开一个新的 VSCode 窗口，加载扩展。
