工具

Front-End Checklist:一份老牌前端质量清单,最近把自己搬到了 AI Agent 面前

GitHub 上 21 万 Stars 的 Front-End Checklist 是个老项目,最近做了一次重构——把自己重写成 MCP Server,让 AI Agent 也能直接调用同一套规则做代码审查。

字号

Front-End Checklist:一份老牌前端质量清单,最近把自己搬到了 AI Agent 面前

Front-End Checklist 在 GitHub 上是个老牌前端项目,长期作为一份开源的前端代码审查清单被使用。最近一次大重构把它做成了一个 MCP Server——也就是把同一份规则打包成 AI Agent 能直接调用的结构化端点。

这事值得讲讲。它解决的问题是:Lighthouse、axe-core、ESLint、Stylelint 各管一摊,要拼齐 a11y / 性能 / SEO / 安全 / i18n / 隐私这些维度,一直得自己写胶水代码。而 AI Agent 时代,Cursor、Claude Code 这类工具能读代码,但拿不到结构化的清单——你让它"check best practices",它吐出的是"记得加 alt",不是"你的 <label> 缺 for 属性"。

下面把背景、用法和这次的 MCP 化改动说清楚。

它是什么

一个开源的前端代码审查清单项目,覆盖 a11y、性能、SEO、安全、图片、隐私等维度。每条规则带优先级、解释、修复建议。

历史上它有三种入口:
- 网站:打开站点逐条对照
- GitHub README:直接在仓库 README 里走查 checkbox 列表
- 包/CLI:通过 npm 包或命令行跑

这次重构做了什么

作者把规则库拆成了 MCP Server。MDX 作为单一事实源,pnpm 脚本编译出多端产物:
- 静态网站
- README checkbox 列表
- MCP Server tool schema(这次新增)

Agent 拿到的不是 markdown 文本,是带结构化字段的规则对象——能按优先级过滤、按规则 ID 引用、hook 进编辑器做 inline hint。

怎么用

接 MCP 的配置(Claude Desktop / Cursor 兼容):

{
  "mcpServers": {
    "front-end-checklist": {
      "url": "https://mcp.frontendchecklist.io",
      "transport": "streamable-http"
    }
  }
}

配好后让 Agent 调 list_rules 拿分类,再按优先级筛规则、给出带规则 ID 的修复建议。

它哪里好

  • 覆盖维度比单一工具全。a11y、性能、SEO、安全、i18n、隐私都在一张表里
  • 规则带修复动作,不只是"打勾"。每条规则都配修复代码示例和验证方法
  • MCP 化走在同类项目前面。比大多数同类项目早一步把规则变成 agent-consumable

它哪里不好

  • 静态规则不能理解项目上下文。它不知道你用的是 Next.js 13 还是有 5 年技术债的 React app
  • 部分规则偏 HTML 传统项目,对纯 SPA / 现代构建栈覆盖有限
  • 全量塞给 Agent 是 token 负担。需要 Agent 自己挑优先级,user prompt 要明确说"critical and high-priority first"
  • 不支持自定义规则权重

谁该用

适用:
- 前端团队想统一 review 标准——不用再写内部 checklist 文档
- 给新人 / 外包一份上手清单
- 做 AI 辅助 code review,想接结构化规则源

不适用:
- 只跑 Lighthouse 就够的小项目
- 纯后端 / 移动端

收尾

Front-End Checklist 这个项目的思路值得抄:把"人类知识"和"Agent 可消费"统一到一份事实源上。MDX 作为 SSOT,pnpm 脚本编译出多端产物,是相当工程化的解法。

下一步如果你团队已经在用 Claude Code 或 Cursor 做 review,可以把 MCP server 接进 PR 流程——不是替代人 review,而是让机器先把全量规则过一遍,把人 review 的精力留给判断题。

参考:Front-End Checklist GitHub

来源: https://github.com/thedaviddias/Front-End-Checklist