$ loading_
分析 Python 函数与模块调用图，帮助快速理解代码依赖与影响范围
复制安装指令，让 AI 自动完成配置 · 推荐新手
"pyscope-mcp" 暂无可直接复制的安装信息，请查看页面文档或源码仓库。
请分析项目中函数 process_order 的调用图，列出谁调用了它、它又调用了哪些函数，并按层级展示。
返回 process_order 的调用者、被调用函数及分层结构，帮助快速理解上下游依赖。
我准备修改模块 payments/refund.py，请基于调用图找出与它相邻的函数和模块，并总结可能受影响的代码范围。
给出相邻调用节点与潜在影响面，便于修改前做风险评估。
请用调用图方式概览这个 Python 项目的核心模块，指出关键入口函数、主要依赖链路和高频连接节点。
输出代码结构概览与关键调用路径，帮助更快上手项目架构。
帮助分析代码库规模、函数指标与质量阈值，快速发现潜在代码问题。
将代码库索引到 Neo4j，辅助代码分析、依赖可视化与变更影响评估。
通过 AST 高效解析大型代码库，快速生成调用图与依赖分析并显著节省上下文。
帮助 AI 代理导航、检索并理解代码库结构与变更历史。
通过命令行连接和调用 MCP 服务器，便于调试、测试与集成 AI 工具链。
通过 MCP 连接 Jupyter 环境，帮助执行代码、分析数据并交互式探索结果。