LlamaIndex를 사용한 영구 코드 MCP 서버

Claude가 생성한 코드의 의미 지식 그래프를 생성하고 유지하는 모델 컨텍스트 프로토콜(MCP) 서버입니다. LlamaIndex 기반으로, 고급 의미 검색 기능을 통해 여러 세션에서 컨텍스트를 관리할 수 있으며, 컨텍스트 창에 전체 코드베이스를 표시할 필요도 없습니다.

문제 및 해결책

Claude와 함께 소프트웨어를 개발할 때:

컨텍스트 창이 제한되어 있어 대규모 코드베이스 작업이 어렵습니다.
이전 코드 컨텍스트는 세션 간에 손실됩니다.
Claude는 프로젝트 구조에 대한 지속적인 이해가 부족합니다.
각 세션마다 코드에 대한 중복 설명이 필요합니다.
구현 일관성을 유지하는 것은 어렵습니다.

Persistent-Code는 다음을 통해 이러한 문제를 해결합니다.

코드 구성 요소와 그 관계에 대한 지식 그래프 만들기
각 구성 요소의 구현 상태 추적
코드베이스를 탐색, 쿼리하고 이해하기 위한 도구 제공
특정 코딩 작업에 필요한 최소한의 컨텍스트 조립
채팅 세션 전반에 걸쳐 지속적인 지식 유지

LlamaIndex 통합

Persistent-Code는 LlamaIndex를 활용하여 향상된 의미적 이해를 제공합니다.

의미 검색 : 키워드뿐만 아니라 의미에 따라 코드 구성 요소를 찾습니다.
벡터 임베딩 : 유사성 매칭을 위해 코드가 벡터 공간에 임베딩됩니다.
지식 그래프 : 구성 요소 간의 관계가 의미적으로 추적됩니다.
문맥적 검색 : 관련 코드는 의미적 관련성을 기반으로 검색됩니다.

이러한 통합을 통해 Claude는 더욱 심층적으로 코드베이스를 이해할 수 있습니다.

이름이 아닌 기능에 따라 함수를 찾으세요
컨텍스트를 준비할 때 더욱 관련성 있는 코드 구성 요소를 얻으세요.
구성 요소 간의 관계를 더 잘 이해합니다.
유사한 구현의 예를 보다 정확하게 검색합니다.

설치

필수 조건

Python 3.10 이상
UV 패키지 관리자(권장) 또는 pip

설정하기

지엑스피1

용법

프로젝트 초기화

python -m persistent_code init --project-name "YourProject"

서버 시작

python -m persistent_code serve --project-name "YourProject"

데스크톱용 Claude 구성

데스크톱용 Claude 구성 파일을 편집하세요.
- 위치: ~/Library/Application Support/Claude/claude_desktop_config.json
- 다음 구성을 추가합니다.

{
  "mcpServers": {
    "persistent-code": {
      "command": "path to python in venv",
      "args": [
        "-m",
        "persistent_code",
        "serve",
        "--project-name",
        "default"
      ],
      "cwd": "persistent-code-mcp",
      "env": {
        "PYTHONPATH": "abs path to persistent-code-mcp"
      }
    }
  }
}

데스크톱용 Claude 재시작
Claude에게 코드에 대해 질문하여 MCP 서버에 연결하세요.

사용 가능한 도구

지식 그래프 관리

add_component : 그래프에 새로운 코드 구성 요소를 추가합니다.
update_component : 기존 구성 요소를 업데이트합니다.
add_relationship : 구성 요소 간의 관계를 생성합니다.

코드 검색 및 탐색

get_component : ID 또는 이름으로 구성 요소를 검색합니다.
find_related_components : 주어진 구성 요소와 관련된 구성 요소를 찾습니다.
search_code : 코드베이스를 의미적으로 검색합니다.

상태 관리

update_status : 구성 요소의 구현 상태 업데이트
get_project_status : 프로젝트 전반의 구현 상태를 검색합니다.
find_next_tasks : 구현할 논리적 다음 구성 요소를 제안합니다.

컨텍스트 어셈블리

prepare_context : 특정 작업에 대한 최소 컨텍스트를 조립합니다.
continue_implementation : 구성 요소 구현을 계속하기 위한 컨텍스트 제공
get_implementation_plan : 보류 중인 구성 요소를 구현하기 위한 계획을 생성합니다.

코드 분석

analyze_code : 코드를 분석하고 지식 그래프를 업데이트합니다.

워크플로 예시

프로젝트 초기화:
python -m persistent_code init --project-name "TodoApp"
서버를 시작합니다:
python -m persistent_code serve --project-name "TodoApp"
Claude에게 프로젝트 디자인을 요청하세요:
Can you help me design a Todo app with Python and FastAPI? Let's start with the core data models.
Claude는 구성 요소를 생성하고 지식 그래프에서 이를 추적합니다.
다음 세션에서 개발을 계속합니다.
Let's continue working on the Todo app. What's our implementation status?
Claude는 현재 상태를 검색하고 다음 단계를 제안합니다.
특정 구성 요소를 구현합니다.
Let's implement the task completion endpoint for our Todo app
Claude는 관련 컨텍스트를 검색하고 일관된 구현을 제공합니다.

의미 검색 사용

LlamaIndex 통합을 통해 이제 보다 자연스러운 언어를 사용하여 구성 요소를 찾을 수 있습니다.

Find me all code related to handling task completion

클로드는 "작업 완료"라는 단어가 명확하게 포함되어 있지 않더라도 관련 구성 요소를 찾기 위해 의미 검색을 사용합니다.

LlamaIndex 데모 실행

의미적 기능을 보여주기 위해 데모 스크립트를 포함했습니다.

# Activate your virtual environment
source .venv/bin/activate  # or source venv/bin/activate

# Run the demo
python examples/llama_index_demo.py

이 예제에서는 캘린더 애플리케이션을 분석하고 기능에 대한 의미 검색을 수행하는 방법을 보여줍니다.

기여하다

기여를 환영합니다! 풀 리퀘스트를 제출해 주세요.

특허

이 프로젝트는 MIT 라이선스에 따라 라이선스가 부여되었습니다. 자세한 내용은 라이선스 파일을 참조하세요.

Persistent-Code MCP Server

Integrations