LeetCode MCP 服务器集成

“LeetCode” MCP 服务器能做什么？

LeetCode MCP 服务器是一个模型上下文协议（MCP）实现，旨在通过 GraphQL 将 AI 助手与 LeetCode 庞大的编程题库、用户数据和竞赛信息连接在一起。借助 LeetCode API，此 MCP 服务器使 AI 驱动的工具和工作流能够执行高级任务，如题目搜索、获取每日挑战、访问用户资料及查询竞赛数据与排名。这一集成简化了 AI 助手的开发流程，使其能够展示最新的编程挑战、用户统计和竞赛编程数据，从而提升开发者和学习者的生产力与体验。

提示词列表

在仓库文件或文档中未明确提及提示词模板。

准备好发展您的业务了吗？

今天开始免费试用，几天内即可看到结果。

申请演示 登录

资源列表

• LeetCode 题库： 提供对全部 LeetCode 题目的访问，包括筛选和搜索功能。
• 每日挑战： 将每日 LeetCode 编程挑战作为一种资源提供给用户或 AI 代理。
• 用户资料： 可获取用户信息，如解题数量和排名。
• 竞赛数据： 提供 LeetCode 竞赛信息和排名的访问。

工具列表

server.py 或主文档未提供显式工具列表，但描述了以下功能：

• 题目搜索： 支持按难度或其他条件搜索 LeetCode 题目。
• 获取每日挑战： 获取当前每日编程挑战。
• 用户资料访问： 获取用户统计信息和资料。
• 竞赛查询： 获取竞赛详情和排名。

加入我们的新闻通讯

免费获取最新提示、趋势和优惠。

电子邮件地址

订阅

典型应用场景

• 自动化编程练习： AI 助手可获取和推荐每日或定向编程挑战，帮助用户保持持续练习。
• 个人进度追踪： 开发者可利用 AI 工具监控自己的 LeetCode 进度、解题情况和排名，实现数据驱动的学习策略。
• 竞赛准备与分析： 获取最新竞赛数据，为即将到来的比赛做准备，或分析以往表现。
• 课程集成： 教育者和训练营可将 LeetCode 资源集成到教学流程中，为学生提供实时编码作业。
• AI 面试准备： 助手可根据职位或难度推送相关题目，帮助求职者更高效地备考。

如何设置

Windsurf

1. 确保你的系统已安装 Node.js。
2. 全局安装 LeetCode MCP 服务器：
   npm install -g @mcpfun/mcp-server-leetcode
3. 找到 Windsurf 的 MCP 服务器配置文件。
4. 在配置文件中添加如下 JSON：

   {
     "mcpServers": {
       "leetcode": {
         "command": "mcp-server-leetcode"
       }
     }
   }
   

5. 保存文件并重启 Windsurf 以应用更改。

安全存储 API 密钥

如需使用 API 密钥，请用环境变量设置：

{
  "mcpServers": {
    "leetcode": {
      "command": "mcp-server-leetcode",
      "env": {
        "LEETCODE_SESSION": "your-session-token"
      }
    }
  }
}

Claude

1. 通过 Smithery CLI 安装 MCP 服务器：
   npx -y @smithery/cli install @doggybee/mcp-server-leetcode --client claude
2. 编辑 claude_desktop_config.json：

   {
     "mcpServers": {
       "leetcode": {
         "command": "mcp-server-leetcode"
       }
     }
   }
   

3. 开发环境可用如下方式：

   {
     "mcpServers": {
       "leetcode": {
         "command": "node",
         "args": ["/path/to/dist/index.js"]
       }
     }
   }
   

4. 保存并重启 Claude Desktop。
5. 通过应用内检查 MCP 服务器状态验证配置。

安全存储 API 密钥

{
  "mcpServers": {
    "leetcode": {
      "command": "mcp-server-leetcode",
      "env": {
        "LEETCODE_SESSION": "your-session-token"
      }
    }
  }
}

Cursor

1. 全局安装 Node.js 和 MCP 服务器包。
2. 编辑 Cursor 的 MCP 配置或插件设置，添加如下内容：

   {
     "mcpServers": {
       "leetcode": {
         "command": "mcp-server-leetcode"
       }
     }
   }
   

3. 保存并重启 Cursor。
4. 验证 MCP 服务器是否运行正常。

安全存储 API 密钥

{
  "mcpServers": {
    "leetcode": {
      "command": "mcp-server-leetcode",
      "env": {
        "LEETCODE_SESSION": "your-session-token"
      }
    }
  }
}

Cline

1. 全局安装 Node.js 和 @mcpfun/mcp-server-leetcode。
2. 打开 Cline 的 MCP 服务器配置。
3. 添加如下配置：

   {
     "mcpServers": {
       "leetcode": {
         "command": "mcp-server-leetcode"
       }
     }
   }
   

4. 保存配置并重启 Cline。
5. 确认服务器已激活。

安全存储 API 密钥

{
  "mcpServers": {
    "leetcode": {
      "command": "mcp-server-leetcode",
      "env": {
        "LEETCODE_SESSION": "your-session-token"
      }
    }
  }
}

如何在流程中使用 MCP 服务器

在 FlowHunt 中使用 MCP

要将 MCP 服务器集成到 FlowHunt 工作流中，请首先在流程中添加 MCP 组件，并将其连接到你的 AI 代理：

点击 MCP 组件打开配置面板。在系统 MCP 配置区，使用如下 JSON 格式插入你的 MCP 服务器信息：

{
  "leetcode": {
    "transport": "streamable_http",
    "url": "https://yourmcpserver.example/pathtothemcp/url"
  }
}

配置完成后，AI 代理即可作为工具使用该 MCP，访问其全部功能。请记得将 “leetcode” 替换为实际 MCP 服务器名称，并将 URL 替换为你自己的 MCP 服务器地址。

总览

根据上表，LeetCode MCP 服务器作为通过 MCP 访问 LeetCode 数据的实现较为完善。其涵盖了集成、资源访问和配置的核心功能，但缺少详细的提示词模板及采样/根节点支持说明。文档清晰，并提供了实用的配置示例。

MCP 评分