codebase-rag-mcp

Un servidor de Model Context Protocol (MCP) que convierte cualquier base de código local en una base de conocimiento consultable y fundamentada en citas. Construido sobre un recuperador híbrido (FAISS denso + BM25 disperso), un reordenador opcional y un proveedor de LLM intercambiable (NVIDIA, Groq, OpenRouter, Gemini o cualquier endpoint local compatible con OpenAI).

Estado: solo andamiaje. El paquete se instala, la CLI se ejecuta y el servidor MCP arranca y anuncia una herramienta ping provisional. La canalización RAG (ingesta → parseo → fragmentación → indexación → recuperación → reordenamiento → generación) se está construyendo de forma incremental sobre este esqueleto. Consulta DECISIONS.md y FLOW.md.

Install

Requiere Python 3.11+.

# Editable install with dev tooling (pytest, ruff, mypy)
pip install -e ".[dev]"

Esto incluye tree-sitter, FAISS (CPU), rank-bm25, sentence-transformers, langchain-huggingface / langchain-community, el SDK oficial de MCP para Python y httpx para llamadas salientes a proveedores.

Related MCP server: Grounded Code MCP

Configure

Copia el archivo de entorno de ejemplo y completa las claves de proveedor que tengas:

cp .env.example .env
# then edit .env

Variables reconocidas (consulta .env.example para la lista completa):

Run

# Print the version
codebase-rag --version

# Boot the MCP server over stdio (advertises a 'ping' tool today)
codebase-rag serve

Develop

ruff check .            # lint
ruff format --check .   # format check
mypy                    # type-check
pytest                  # tests

Un flujo de trabajo de GitHub Actions preconfigurado en .github/workflows/ci.yml ejecuta los cuatro en cada push.

Layout

src/codebase_rag_mcp/
  config.py                  # python-dotenv loader
  cli/main.py                # `codebase-rag` entrypoint
  mcp/server.py              # stdio MCP server (stub)
  ingestion/                 # file discovery (TBD)
  parser/                    # tree-sitter AST extraction (TBD)
  chunker/                   # AST-aware chunking (TBD)
  indexing/
    vector.py                # FAISS dense index (TBD)
    bm25.py                  # rank-bm25 sparse index (TBD)
  retrieval/                 # hybrid query routing (TBD)
  reranker/                  # cross-encoder / LLM reranker (TBD)
  generation/
    providers/               # NVIDIA / Groq / OpenRouter / Gemini / local (TBD)
  citations/                 # chunk → source citations (TBD)
  impact/                    # symbol-graph impact analysis (TBD)

License

MIT. Consulta LICENSE.