ace-mcp

本地代码搜索 MCP Server，面向 Java、JavaScript/TypeScript、.NET/C#、Python 项目，支持本地扫描、增量索引、全文/符号/路径搜索，并通过标准 MCP 协议把结果提供给 AI 客户端。

当前版本：v4.4.4

更新日志见 CHANGELOG.md。

仓库地址：GitHub | Gitee

核心功能

代码搜索

• 本地项目扫描与 .gitignore 过滤

• 增量索引，文件监听自动重新索引（2500ms 防抖）

• SQLite + FTS5 全文检索

• 语义召回（本地语义词扩展 + 远程 Embedding API 支持）

• 懒加载向量索引与项目级向量缓存

• 结构化查询语言：AND / OR / NOT + symbol: / path: / content:

• JavaScript/TypeScript AST 级分析，Java / Python / .NET 增强轻量符号、import、usage 抽取

• 语言级 definition/reference 解析、跨文件引用精度提升与多跳调用关系图

• 搜索质量指标：passRate / top1Recall / top5Recall / meanReciprocalRank

智能问答 (RAG)

• LLM 流式问答：SSE 逐 token 显示，支持多轮对话追问

• 调用链分析：自动提取搜索结果中符号的上下游调用关系，作为额外上下文传递给 LLM

• 调用链可视化：Mermaid 流程图展示函数调用关系

• 可配置参考代码数量：用户可自行选择检索源数量（1~50），前端选择直接生效

• LLM Reranker（可选）：使用 LLM 对搜索结果二次排序，提升搜索精度

• LLM 响应缓存：相同问题 5 分钟内直接返回缓存结果，节省 token

• 代码引用高亮：[N] 引用可点击跳转到对应源码卡片

• 思考过程展示：DeepSeek 模型的 reasoning_content 实时显示

• 代码摘要生成：自动生成项目架构概览和模块摘要

MCP 工具

• search_context / find_definition / find_references / find_callers / find_callees

• evaluate_search_quality / index_project / get_file_snippet / project_stats

• generate_summary / get_summary / ask_codebase / warm_index

• cache_stats / clear_project_index / list_symbols

使用示例

• Copilot 提示词模板：example/copilot-prompts.md

• Claude Code 提示词模板：example/claude-code-prompts.md

环境要求

• Node.js >= 18.18.0

• npm >= 9

安装

npm install

构建

npm run build

查看当前版本：

node dist/index.js --version

本地运行

作为 MCP Server 启动

npm start

启动 MCP Server 并开启 Web 调试面板

npm start -- --web-port 8787

启动后可访问：

• http://127.0.0.1:8787/

• http://127.0.0.1:8787/health

• http://127.0.0.1:8787/api/runtime

MCP 客户端配置示例

以 Claude Desktop 或其他支持 MCP 的客户端为例：

{
  "mcpServers": {
    "ace-mcp": {
      "command": "node",
      "args": [
        "/Users/fengandrew/code/ace-mcp/dist/index.js"
      ]
    }
  }
}

若需要同时开启 Web 调试面板：

{
  "mcpServers": {
    "ace-mcp": {
      "command": "node",
      "args": [
        "/Users/fengandrew/code/ace-mcp/dist/index.js",
        "--web-port",
        "8787"
      ]
    }
  }
}

宿主升级与重连建议

• 升级 dist/ 或切换到新版本包后，需在 MCP 宿主侧执行一次 reload / reconnect，让宿主拉起新的 ace-mcp 进程。

• 若怀疑宿主仍连着旧进程，可先执行 node dist/index.js --version 确认版本，再访问 /health 或 /api/runtime 检查当前进程的 version、pid 与 uptimeMs。

• 若宿主需要并行调试，可在配置中加上 --web-port 8787，通过 HTTP 接口独立验证。

配置文件

首次运行会自动创建：

~/.ace-mcp/
  settings.toml
  data/index.db
  log/ace-mcp.log

配置示例：

autoWatch = true
batchSize = 32
defaultTopK = 8
enableVectorSearch = true
maxFileSizeKb = 1024
maxLinesPerChunk = 220
logLevel = "info"
textExtensions = [".java", ".js", ".jsx", ".ts", ".tsx", ".cs", ".py"]
excludePatterns = [".git", "node_modules", "dist", "build", "target", "bin", "obj", "__pycache__", ".venv"]
vectorIndexingMode = "lazy"

# LLM 配置（支持 OpenAI 兼容接口）
llmApiUrl = "https://api.deepseek.com/v1/chat/completions"
llmApiKey = "sk-xxx"
llmModel = "deepseek-reasoner"
llmMaxTokens = 4096
llmTemperature = 0.0

也支持环境变量覆盖：

• ACE_MCP_BATCH_SIZE

• ACE_MCP_DEFAULT_TOP_K

• ACE_MCP_ENABLE_VECTOR_SEARCH

• ACE_MCP_MAX_FILE_SIZE_KB

• ACE_MCP_MAX_LINES_PER_CHUNK

• ACE_MCP_LOG_LEVEL

• ACE_MCP_TEXT_EXTENSIONS

• ACE_MCP_EXCLUDE_PATTERNS

• ACE_MCP_VECTOR_INDEXING_MODE

• ACE_MCP_AUTO_WATCH

• ACE_MCP_LLM_API_URL

• ACE_MCP_LLM_API_KEY

• ACE_MCP_LLM_MODEL

v4.3.6 新增配置项

Ask Codebase 限制配置（解决查询不准确问题）：

• ACE_MCP_QA_MAX_SOURCES_DEFAULT - 默认检索源数量（默认 10）

• ACE_MCP_QA_MAX_SOURCES_MAX - 最大检索源数量上限（默认 50）

• ACE_MCP_QA_MAX_CONTEXT_TOKENS - LLM 上下文 token 预算（默认 6000）

• ACE_MCP_SEARCH_PER_FILE_LIMIT - 每个文件最多保留的搜索结果数（默认 2）

• ACE_MCP_SEARCH_FANOUT_MULTIPLIER - 搜索候选集扩展倍数（默认 3）

远程 Embedding API

通过环境变量配置远程 Embedding API，用于语义搜索的向量生成：

ACE_MCP_EMBEDDING_PROVIDER=remote \
ACE_MCP_EMBEDDING_API_URL=https://api.openai.com/v1/embeddings \
ACE_MCP_EMBEDDING_API_KEY=sk-xxx \
ACE_MCP_EMBEDDING_MODEL=text-embedding-3-small \
ace-mcp --web-port 8787

远程 API 请求失败时自动回退到本地内存哈希向量，保证搜索可用性。

Web 调试面板

Web 面板提供完整的可视化调试体验：

智能问答

• Ask Codebase：基于 RAG 的代码问答，支持流式输出

• 多轮对话：自动保留上下文，支持追问

• 代码引用：[N] 引用可点击跳转

• 会话统计：显示 token 用量和请求次数

代码搜索

• 交互式搜索：支持所有搜索模式和过滤条件

• 语法高亮：搜索词和代码语法高亮显示

• 搜索历史：点击历史记录快速填充

项目管理

• 项目列表：持久化存储，支持删除

• 索引控制：手动触发索引和向量预热

• 代码摘要：生成和查看项目摘要

主要接口

• GET /health - 健康检查

• GET /api/runtime - 运行时信息

• GET /api/config - 配置信息

• GET /api/tools - 工具列表

• GET /api/projects - 已索引项目

• GET /api/project-stats - 项目统计

• POST /api/index-project - 触发索引

• POST /api/search-context - 代码搜索

• POST /api/find-definition - 定义查找

• POST /api/find-references - 引用查找

• POST /api/find-callers - 调用者查找

• POST /api/find-callees - 被调用者查找

• POST /api/qa/ask - 代码问答

• GET /api/qa/ask/stream - 流式问答 (SSE)

• POST /api/summary/generate - 生成摘要

• GET /api/summary - 获取摘要

• POST /api/index/warm - 向量预热

• GET/POST /api/llm/config - LLM 配置

版本历史

v4.4.2（当前版本）

• HNSW 向量搜索：纯 JS 实现 HNSW 近似最近邻索引，搜索复杂度从 O(n) 降到 O(log n)，大型项目性能显著提升

• 调用链深度增强：支持 1-3 跳调用关系追踪，递归展开上下游调用链

• Web 质量评估界面：新增搜索质量评估面板，支持测试用例管理、批量评估、指标可视化

v4.4.0

• 符号级语义索引：索引阶段自动为英文符号名生成中文语义标签（200+ 词汇表翻译），写入 chunk_semantic_fts，使 FTS 天然支持中文搜索匹配英文代码

• 双轮搜索策略：QA 问答先用原始查询搜索（受益于语义标签），再用 LLM 扩展的英文关键词补充搜索，两轮结果合并去重

• 中英文同义词扩充：70+ 组中英文双向同义词映射，中文查询"出票"自动扩展匹配 "ticket"

v4.3.9

• LLM 查询扩展：中文自然语言查询自动提取英文代码关键词（类名、方法名），解决跨语言搜索匹配问题

• 索引超时保护：ensureFreshIndex 和 in-flight promise 复用均添加超时，避免卡住的索引阻塞搜索

• projectQueue 清理 bug 修复：修复等式比较永远为 false 导致的队列泄漏

v4.3.8

• 全文件/合并文件上下文模式：ask_codebase 支持 contextMode 参数，解决跨函数问答信息缺失

• 统一 QA 管线：MCP ask_codebase 与 Web QA 共用完整管线（reranker、调用链、缓存、smart topK）

• 搜索 Reranker 通用化：MCP search_context 新增 enableReranker 参数

• 动态 perFileLimit：根据查询类型自动调整每文件结果数

v4.3.0

• 智能 Sources 数量：根据问题复杂度自动调整检索源数量

• LLM 响应缓存：相同问题 5 分钟内直接返回缓存结果

• 思考过程展示：DeepSeek reasoning_content 实时显示

v4.2.x

• 流式问答：SSE 逐 token 输出

• 多轮对话：支持上下文追问

• 代码引用高亮：[N] 引用可点击跳转

• 中文界面：全新设计的中文 Web 面板

• 搜索结果懒加载：代码 snippet 折叠显示

• 错误分类展示：区分网络/超时/LLM/索引错误

• Token 统计：会话级 token 累计统计

v4.0.x

• 代码知识库：摘要生成、语义问答 RAG、文档联合索引

• LLM API 集成：支持 OpenAI 兼容接口

v3.x

• 语言级符号解析：definition/reference、调用关系图

• 结构化查询：布尔运算和字段限定

• 向量搜索：语义召回、候选预过滤

• 索引优化：新鲜度策略、缓存管理

路线图

• 查询扩展缓存：相似问题复用 LLM 提取的关键词，减少 token 消耗

• 根目录索引防护：拒绝对 /、$HOME 等过大路径的索引请求，从源头杜绝卡死

• 索引健康监控：/health 端点暴露 in-flight 索引列表和耗时

• 语言适配器插件化：Java/Python/.NET/JS 符号提取拆成独立插件，方便扩展 Go/Rust 等

开发建议

如果继续增强，建议按以下顺序推进：

1. sqlite-vss / ANN 等更高效的向量搜索后端

2. 更丰富的 Web 结果分析、质量回放与对比界面

3. 更深的调用关系与引用精度

4. 更细的语言适配器拆分