CodeMunch Pro

Интеллектуальный MCP-сервер для индексации кода. 15 инструментов, 10 языков, извлечение AST через tree-sitter, гибридный поиск (FTS5 + вектор), графы вызовов, индексация удалённых репозиториев, инкрементальная индексация.

Экономьте 99% токенов — получайте точный исходный код функции через поиск по байтовому смещению вместо чтения целых файлов.

Установка

pip install codemunch-pro

Related MCP server: CodeIntel MCP Server

Быстрый старт

Claude Desktop / Cline

Добавьте в конфигурацию вашего MCP-клиента:

{
  "mcpServers": {
    "codemunch-pro": {
      "command": "codemunch-pro"
    }
  }
}

HTTP-сервер

codemunch-pro --transport streamable-http --port 5002

15 инструментов MCP

10 языков

Python, JavaScript, TypeScript, Go, Rust, Java, C, C++, C#, Ruby

Всё через tree-sitter-language-pack — без компиляции, готовые бинарники.

Ключевые особенности

O(1) получение символа

Каждый символ хранит своё байтовое смещение и длину. get_symbol обращается напрямую к исходному коду функции — без чтения целых файлов. Функция на 200 байт из файла размером 40 КБ = экономия 99.5% токенов.

Инкрементальная индексация

Файлы хешируются (SHA-256). Повторно анализируются только изменённые файлы. Переиндексация репозитория с 10K файлов после изменения одного файла занимает миллисекунды.

Гибридный поиск (FTS5 + вектор)

Объединяет совпадение ключевых слов по BM25 с семантическим векторным сходством с помощью Reciprocal Rank Fusion. Поиск "authentication middleware" находит auth_middleware, verify_token и login_handler.

Графы вызовов

Прослеживает вызовы функций через AST. get_callees("main") показывает, что вызывает main. get_callers("authenticate") показывает, кто вызывает authenticate. Поддерживает обход по глубине.

Индексация удалённых репозиториев (v1.1)

Индексируйте любой публичный репозиторий GitHub или GitLab по URL — бинарник git не нужен. Загружает tarball через API, извлекает и индексирует. Кэшируется локально с проверкой актуальности на основе SHA. Поддерживает приватные репозитории с токенами аутентификации и разреженными путями.

Полнотекстовый поиск по содержимому

Ищет по сырому содержимому файлов — строковые литералы, комментарии TODO, значения конфигурации, сообщения об ошибках. Не только по именам символов.

Как это работает

1. Парсинг — tree-sitter строит AST для каждого исходного файла

2. Извлечение — обход AST для поиска функций, классов, методов, типов, интерфейсов

3. Хранение — база данных SQLite для каждого репозитория с виртуальными таблицами FTS5

4. Эмбеддинг — FastEmbed (ONNX, только CPU) генерирует 384-мерные векторы для семантического поиска

5. Граф — выражения вызовов извлекаются из тел функций, рёбра сохраняются и разрешаются

6. Сервер — FastMCP предоставляет 13 инструментов через stdio или HTTP

Архитектура

~/.codemunch-pro/
├── myproject_a1b2c3d4e5f6.db    # Per-repo SQLite database
├── otherproject_7890abcdef.db
└── ...

Each DB contains:
├── files          # Indexed files with SHA-256 hashes
├── symbols        # Functions, classes, methods, types
├── symbols_fts    # FTS5 full-text search index
├── symbols_vec    # sqlite-vec 384-dim vector index
├── call_edges     # Call graph (caller → callee)
└── file_content_fts  # Raw file content search

Варианты использования

• AI-агенты для кодирования: Предоставьте вашему агенту точечный доступ к кодовым базам без сжигания контекста

• Ревью кода: Найдите всех вызывающих функцию перед изменением её сигнатуры

• Онбординг: Семантический поиск символов — «где обработка ошибок?» находит соответствующий код

• Рефакторинг: Составьте графы вызовов перед перемещением функций между модулями

• Документация: Извлеките все публичные API с сигнатурами и docstring

Лицензия

MIT