🎯 简化需求分析MCP服务

基于AI软件工程（优化版）的6步需求分析流程，提供简洁高效的MCP服务。

✨ 特性

• 🚀 简洁设计：专注核心功能，去除复杂逻辑
• 📋 6步流程：严格按照AI软件工程（优化版）标准流程
• 💾 文档保存：每步结果自动保存为MD文档
• 🔍 完整追踪：可追踪每次生成的完整过程
• 🎯 用户控制：使用用户的AI客户端执行，零API成本

📁 项目结构

requirements-analysis-simple/
├── src/
│   ├── index.ts              # MCP服务入口
│   ├── types.ts              # 类型定义
│   ├── steps/                # 6步流程实现
│   │   ├── step1.ts          # 项目基础信息填写
│   │   ├── step2.ts          # AI智能分析项目全貌
│   │   ├── step3.ts          # 生成需求分析文档初版
│   │   ├── step4.ts          # AI质量分析
│   │   ├── step5.ts          # 生成改进建议
│   │   └── step6.ts          # 生成最终文档
│   ├── storage/              # 文档存储
│   │   └── file-storage.ts   # 文件存储实现
│   └── utils/                # 工具函数
│       ├── logger.ts         # 日志工具
│       └── validator.ts      # 参数验证
├── docs/                     # 文档目录
├── outputs/                  # 输出文档目录
│   └── [项目名称]/           # 按项目分组
│       ├── step1-项目信息.md
│       ├── step2-AI分析.md
│       ├── step3-需求文档初版.md
│       ├── step4-质量分析.md
│       ├── step5-改进建议.md
│       └── step6-最终文档.md
└── package.json

🛠️ 安装使用

方法1：NPX启动（推荐）

# 1. 打包并全局安装
cd requirements-analysis-simple
npm run build
npm pack
npm install -g requirements-analysis-simple-1.0.0.tgz

# 2. 使用npx启动
npx requirements-analysis-simple
# 或使用短命令
npx req-analysis

方法2：本地开发

cd requirements-analysis-simple
npm install
npm run build
npm start

Claude Desktop 集成

使用NPX（推荐）

{
  "mcpServers": {
    "requirements-analysis-simple": {
      "command": "npx",
      "args": ["requirements-analysis-simple"]
    }
  }
}

使用本地路径

{
  "mcpServers": {
    "requirements-analysis-simple": {
      "command": "node",
      "args": ["path/to/requirements-analysis-simple/dist/index.js"]
    }
  }
}

🎯 使用流程

1. 启动分析

请帮我进行需求分析，项目信息如下：
- 项目名称：智能客服系统
- 项目类型：新建系统
- 所属行业：金融科技
- 项目背景：当前客服响应时间过长...
- 核心目标：提升客服响应速度50%...

2. 自动执行6步流程

• Step 1: 验证项目信息
• Step 2: AI智能分析项目全貌
• Step 3: 生成需求分析文档初版
• Step 4: AI质量分析
• Step 5: 生成改进建议
• Step 6: 生成最终文档

3. 获取结果

每步结果自动保存到 outputs/[项目名称]/ 目录，便于追踪和查看。

🔧 MCP工具

• start_requirements_analysis - 启动需求分析
• get_step_result - 获取指定步骤结果
• list_projects - 列出所有项目
• get_project_summary - 获取项目摘要

📊 预期效果

• 总时间：48分钟
• 质量提升：从89分提升到97分
• 自动化程度：90%以上工作由AI完成
• 最终产出：可直接用于产品设计的高质量需求分析文档

设计理念：化繁为简，专注核心价值，让AI软件工程的需求分析流程更加简洁高效。