Waishnav/devspace · 上手攻略

  • 仓库：Waishnav/devspace
  • 链接：https://github.com/Waishnav/devspace
  • 分类：skill
  • 作者：Tom
  • 更新：2026-07-10

是什么

DevSpace 是一个自托管的 MCP（Model Context Protocol）服务器，它将 ChatGPT 变成类似 GitHub Copilot Workspace 的完整编码助手——可以在你的真实本地项目中读文件、写代码、跑命令、做搜索。核心思路是：不把代码上传给第三方，而是让 AI 通过你控制的隧道访问本地机器。

简单说：你在本地起一个服务，用隧道暴露出去，ChatGPT 通过 MCP 协议连接进来，就能操作你指定的本地目录。

解决什么问题

  • 数据隐私：不想把私有代码上传给 OpenAI，但还想用 ChatGPT 做编程
  • ChatGPT 编程能力弱：ChatGPT 不能像 Claude Code 一样直接操作本地项目文件
  • 隧道打通：需要把本地端口安全暴露给外部 AI，同时有密码保护

它解决的是"想用最强对话 AI 编程，但又不想上传代码"这个矛盾需求。

快速安装

环境要求

  • Node.js >= 22.19 且 < 27（建议用 nvm 管理版本）
  • Git
  • Bash 环境（Linux/macOS 原生支持，Windows 需要 Git Bash / WSL / MSYS2 / Cygwin）
  • 一台可以建立公共 HTTPS 隧道的机器（Cloudflare Tunnel、ngrok、Pinggy、Tailscale Funnel 等）

安装 CLI

npm install -g @waishnav/devspace

或免安装方式：

npx @waishnav/devspace init
npx @waishnav/devspace serve

检查环境

devspace doctor

核心配置与启动

Step 1：初始化项目

devspace init

初始化过程会询问： - 允许访问的本地目录（ChatGPT 只能操作这里面的文件） - 本地端口（默认 7676） - 公共 HTTPS 隧道地址（格式：https://your-tunnel-host.example.com，不含 /mcp 后缀）

Step 2：建立公共隧道

选择一个隧道工具，以 Cloudflare Tunnel 为例：

# 安装 cloudflared
curl -L https://github.com/cloudflare/cloudflared/releases/latest/download/cloudflared-linux-amd64 -o cloudflared
chmod +x cloudflared
sudo mv cloudflared /usr/local/bin/

# 建立隧道（示例）
cloudflared tunnel --url http://localhost:7676

记录输出的 https://xxx.trycloudflare.com 地址。

Step 3：启动 DevSpace 服务

devspace serve

终端会打印一个 Owner 密码（也保存在 ~/.devspace/auth.json）。

Step 4：配置 MCP 客户端（ChatGPT）

在 ChatGPT 的 MCP 设置中添加：

https://your-tunnel-host.example.com/mcp

首次连接会弹出一个密码页面，输入 devspace init 输出的 Owner 密码即可授权。

⚠️ 注意：每次启动 devspace serve 后，隧道地址可能变化，需要重新配置 MCP 客户端的 URL。

核心用法

基本编程工作流

  1. 启动隧道（如 cloudflared tunnel --url http://localhost:7676）
  2. 运行 devspace serve
  3. ChatGPT 连接 MCP
  4. 让 ChatGPT 打开指定项目目录："请在 ~/projects/myapp 目录下打开工作区"
  5. 正常对话编程

DevSpace 提供给 AI 的工具能力

能力 说明
文件读写编辑 在允许目录下读、写、编辑文件
代码搜索 搜索项目内代码内容
Shell 命令 运行测试、构建、Git 等命令
Git Worktree 为并行编程会话创建隔离的 Git worktree
读 AGENTS.md / CLAUDE.md 遵循项目自带的 AI 指令文件
发现本地 Skills 从本地 skill 目录加载 AI 能力

查看状态

devspace doctor  # 检查环境是否完整

典型适用场景

  1. 私有代码库编程：不想上传代码，又想用 ChatGPT 编程
  2. 对比多个 AI 编程能力：用同一个 MCP 协议桥接不同 AI 主机（ChatGPT/Claude），对比同一任务表现
  3. 本地项目探索+修改：快速让 AI 了解项目结构并做增量修改
  4. 安全敏感环境：金融、医疗、法律等行业的代码助手场景

坑与注意

  1. Node.js 版本严格：必须 >= 22.19，且 < 27。老版本不支持，升级时注意。
  2. Windows 原生 PowerShell 不支持：必须装 Git Bash / WSL 等 Bash 环境，Windows 用户别走弯路。
  3. 隧道地址每次变化：ngrok 免费版每次重启地址都变，需要每次重新配置 MCP 客户端。建议用 Cloudflare Tunnel（稳定）或固定域名方案。
  4. Owner 密码等同 root 权限：密码泄露 = AI 有完整本地访问权限。只在可信环境使用。
  5. API 费用自担：通过 DevSpace 操作 ChatGPT 的 API 消耗仍走你的账户，不要用于大规模自动化任务。
  6. 不支持的文件操作：AI 只能操作初始化时授权的目录，超出范围会报错。

与同类对比

工具 定位 代码是否离本机
DevSpace MCP 服务器桥接 ChatGPT 不上传，隧道访问
GitHub Copilot Workspace Web IDE 集成 AI 代码在 GitHub
Claude Code ( Anthropic MCP ) 本地 Claude 编程 不上传
OpenAI Codex API 调用 上传到 OpenAI

DevSpace 的核心差异是专门服务 ChatGPT 且自托管+自建隧道，数据不过第三方服务器。

一句话推荐结论

如果你重度使用 ChatGPT 编程且有隐私要求，DevSpace 是目前最小改动、成本最低的本地 MCP 桥接方案——装好隧道，连上密码，就能把 ChatGPT 当成本地 IDE 用。