CodeAlive MCP：项目的深度上下文（特别是对于大型代码库）

CodeAlive API的 MCP（模型上下文协议）服务器使 Claude Desktop、Cursor、Windserf、VS Code（GitHub Copilot）、Cline、Roo-Code 和 Refact 等 AI 客户端能够访问 CodeAlive 的高级语义代码搜索和代码库交互功能。

CodeAlive MCP 通过从项目代码库提供丰富的上下文来增强这些代理，从而实现更智能、更高效的交互。

什么是 CodeAlive？

CodeAlive是一个平台，可以分析你的整个代码库（包括文档和依赖项），以了解其结构、模式和逻辑。它会创建你的存储库或工作区的详细内部地图，为任何 IT 专业人员提供有关你的解决方案的问题提供快速、可靠且高质量的答案。

使用此 MCP 服务器，AI 代理（如 Claude、Copilot 等）可以利用 CodeAlive 的深度代码理解能力。这有助于代理：

• **更快地找到相关代码：**获取与您的问题相关的精确代码片段。

• **了解更大的图景：**获取有关整个存储库或工作区的背景，而不仅仅是孤立的文件。

• **降低成本和时间：**通过直接提供准确的上下文来提高代理效率，减少大量文件搜索或猜测的需要。

Related MCP server: Codebase MCP

目录

• 可用工具

• 入门

  • 先决条件

  • 获取 API 密钥

  • 安装

• 配置

  • 环境变量

  • 命令行选项

• 与AI客户端集成

  • 继续

  • 克劳德桌面

  • 带有 GitHub Copilot 的 Visual Studio Code

  • 光标

• 直接使用 Python

  • 使用 Python 的 Claude 桌面

  • Python 中的游标

• 故障排除

• 执照

可用工具

MCP 服务器提供以下工具：

1. chat_completions ：使用代码库上下文访问 CodeAlive 聊天 API。如果您的 API 密钥只分配给一个数据源，则指定数据源是可选的。

2. get_data_sources ：列出 CodeAlive 索引的可用存储库和工作区。

3. search_code ：使用 CodeAlive 的语义搜索功能，在数据源中搜索代码片段。如果您的 API 密钥只分配给一个数据源，则指定数据源是可选的。

入门

先决条件

• Python 3.11

• uv （推荐）或 pip

• CodeAlive 帐户和 API 密钥

获取 API 密钥

1. 通过https://app.codealive.dev/登录您的 CodeAlive 帐户。

2. 导航到API 密钥部分（组织下）。

3. 点击“ + 创建 API 密钥”。

4. 为您的密钥提供一个描述性名称（例如，“我的本地 MCP 密钥”）并选择适当的范围（例如，“所有数据源”或选择特定的数据源）。

5. 点击“创建”。

6. **重要提示：**请立即复制生成的 API 密钥并安全保存。关闭对话框后，您将无法再看到该密钥。

安装

使用 uv 安装（推荐）

使用 pip 安装

配置

使用环境变量或命令行参数配置服务器。

环境变量

支持以下环境变量：

• CODEALIVE_API_KEY ：您的 CodeAlive API 密钥。（除非通过--api-key传递，否则为必填）

命令行选项

• --api-key ：您的 CodeAlive API 密钥。覆盖CODEALIVE_API_KEY环境变量。

• --transport ：传输类型： "stdio" （默认）或"sse" 。

• --host ：SSE 传输的主机地址（默认值： 0.0.0.0 ）。

• --port ：SSE 传输的端口（默认值： 8000 ）。

• --debug ：启用调试模式，并将详细日志记录到标准输出/错误。

与AI客户端集成

以下是一些常用 AI 客户端的配置示例。请务必将/path/to/your/codealive-mcp和YOUR_API_KEY_HERE等占位符替换为您的实际值。通常建议使用环境变量（ env代码块），而不是将 API 密钥直接放在配置文件中。

继续

1. 在项目的.continue/config.yaml中或在~/.continue/config.yaml中全局配置 MCP 服务器：

   # ~/.continue/config.yaml or ./.continue/config.yaml mcpServers: - name: CodeAlive command: /path/to/your/codealive-mcp/.venv/bin/python # Or use 'uv' if preferred (see Cursor example) args: - /path/to/your/codealive-mcp/src/codealive_mcp_server.py - --debug # Optional: Enable debug logging env: CODEALIVE_API_KEY: YOUR_API_KEY_HERE

2. 重新启动继续或重新加载配置。

克劳德桌面

1. 编辑您的 Claude Desktop 配置文件：

   • macOS： ~/Library/Application Support/Claude/claude_desktop_config.json

   • Windows： %APPDATA%\Claude\claude_desktop_config.json （通常为C:\Users\YourUsername\AppData\Roaming\Claude\claude_desktop_config.json ）

2. 添加 MCP 服务器配置：

   { "mcpServers": { "codealive": { "command": "/path/to/your/codealive-mcp/.venv/bin/python", "args": [ "/path/to/your/codealive-mcp/src/codealive_mcp_server.py", "--debug" // Optional: Enable debug logging ], "env": { "CODEALIVE_API_KEY": "YOUR_API_KEY_HERE" } } } }

   （如果文件已有内容，请确保正确合并）

3. 完全重启 Claude Desktop。

带有 GitHub Copilot 的 Visual Studio Code

1. 使用命令面板（ Ctrl+Shift+P或Cmd+Shift+P ）并选择“首选项：打开用户设置（JSON）”打开 VS Code 设置（JSON）。

2. 将 MCP 服务器配置添加到您的settings.json ：

   { // ... other settings ... "mcp": { "servers": { "codealive": { "command": "uv", "args": [ "--directory", "/path/to/your/codealive-mcp", // Path to the MCP server project root "run", "python", "src/codealive_mcp_server.py", "--debug" // Optional: Enable debug logging ], "env": { "CODEALIVE_API_KEY": "YOUR_API_KEY_HERE" } } } } // ... other settings ... }

   （确保与现有设置正确合并）

3. 重启 VS Code。确保 GitHub Copilot 扩展已配置为可能使用 MCP 服务器（如果其版本/设置需要）。

光标

1. 打开光标设置（ Cmd+,或Ctrl+, ）。

2. 导航到左侧面板中的“MCP”部分。

3. 点击“添加新的全局 MCP 服务器”。

4. 输入以下 JSON 配置，更新路径和 API 密钥：

   { "mcpServers": { "codealive": { "command": "uv", "args": [ "--directory", "/path/to/your/codealive-mcp", // Path to the MCP server project root "run", "python", "src/codealive_mcp_server.py", "--debug" // Optional: Enable debug logging ], "env": { "CODEALIVE_API_KEY": "YOUR_API_KEY_HERE" } } } }

5. 保存配置。

6. 完全重新启动 Cursor。

直接使用 Python

如果您不想使用uv ，可以直接使用虚拟环境中的 Python 解释器调用服务器脚本。请相应地更新客户端配置中的command和args 。

使用 Python 的 Claude 桌面

Python 中的游标

故障排除

如果 MCP 服务器无法与您的 AI 客户端正常工作，请按照以下步骤操作：

1. **启用调试日志：**在客户端 MCP 配置的args中添加--debug标志。这会将 MCP 服务器本身的详细日志打印到其标准输出/错误流中。此流的去向取决于客户端如何管理 MCP 进程。

2. 检查 MCP 服务器输出：

   • 尝试直接在终端中运行服务器命令（首先激活虚拟环境）：

     # Activate venv first! export CODEALIVE_API_KEY="YOUR_API_KEY_HERE" python src/codealive_mcp_server.py --debug --transport stdio

   • 查找任何错误消息，尤其是与 API 密钥验证或连接问题相关的消息。

3. **检查客户端日志：**查阅特定 AI 客户端的文档或设置，查找其日志文件。查找与启动或与“codealive”MCP 服务器通信相关的错误。

   • 克劳德桌面：

     • 检查主要应用程序日志。

     • 查找 MCP 特定的日志：

       • macOS： ~/Library/Logs/Claude/mcp.log和~/Library/Logs/Claude/mcp-server-codealive.log

       • Windows： %LOCALAPPDATA%\Claude\Logs\mcp.log和%LOCALAPPDATA%\Claude\Logs\mcp-server-codealive.log （路径通常为C:\Users\YourUsername\AppData\Local\Claude\Logs ）

   • 光标：

     • 使用命令面板（ Cmd+Shift+P / Ctrl+Shift+P ）-> Developer: Toggle Developer Tools ->控制台选项卡（用于浏览器级错误）。

     • **检查输出面板：**前往View -> Output （或点击底部面板中的Output ）。在“输出”面板右侧的下拉菜单中，查找名为CodeAlive 、 MCP或与服务器进程相关的通道。如果启用了--debug选项，这通常包含来自 MCP 服务器的直接 stdout/stderr。

     • 使用命令面板 -> Developer: Open Logs Folder 。检查其中的文件，尤其是与主进程或扩展主机相关的文件。

     • 日志文件夹位置：

       • macOS： ~/Library/Application Support/Cursor/logs/

       • Windows： %APPDATA%\Cursor\logs\ （通常为C:\Users\YourUsername\AppData\Roaming\Cursor\logs\ ）

   • VS Code（继续/副驾驶）：

     • 使用命令面板（ Cmd+Shift+P / Ctrl+Shift+P ）-> Developer: Toggle Developer Tools ->控制台选项卡（用于浏览器级错误）。

     • **检查输出面板：**前往View -> Output （或点击底部面板中的Output ）。在“输出”面板右侧的下拉菜单中，查找名为CodeAlive 、 MCP 、 GitHub Copilot或Continue频道。MCP 服务器日志（尤其是带有--debug日志）可能会路由到这里。

     • 使用“命令面板”-> Developer: Show Logs... -> 从下拉菜单中选择Extension Host 。查找与 Copilot 或 Continue 扩展尝试通过 MCP 进行通信相关的错误。

     • 对于“继续”的特定日志：使用“命令面板”-> Continue: Focus on Continue Console View （需要在设置中启用Continue: Enable Console ）。请参阅“继续故障排除文档” 。

4. **验证配置：**仔细检查客户端 MCP 配置文件中的command 、 args和env路径及值。确保 JSON/YAML 语法正确无误。

5. **API 密钥：**确保您的CODEALIVE_API_KEY正确。

如果问题仍然存在，请考虑在 CodeAlive MCP 服务器存储库（如果可用）上打开一个问题，并提供相关日志和配置详细信息（屏蔽您的 API 密钥）。

您也可以联系我们的支持团队support@codealive.dev以获得进一步的帮助。

执照

该项目根据 MIT 许可证获得许可 - 有关详细信息，请参阅LICENSE文件。