jCodeMunch MCP

El servidor MCP más eficiente en tokens para la recuperación precisa de código fuente mediante análisis AST con tree-sitter. Reduce los costos de tokens de IA entre un 86 y un 99 % en la exploración de código (promedio del 96 %, medido en 27,9 veces menos tokens que un agente de grep-y-lectura) y deja de quemar tu ventana de contexto leyendo archivos completos.

Resultados reales, en vivo desde producción Más de 838 mil millones de tokens ahorrados · Más de 136 000 instalaciones reportadas · Más de $4,2 millones en gastos de IA evitados · Más de 100 000 kg de CO₂ evitados Cifras al 17 de agosto de 2026, valoradas a la tarifa de entrada de Claude Opus de $5/MTok. Las cuatro solo crecen, así que tómalas como mínimos. En vivo en jcodemunch.com.

Funciona con Claude Code, Cursor, VS Code, Codex CLI, Windsurf, Continue y cualquier cliente compatible con MCP.

Instalar ahora · Inicio rápido · Ver la evidencia · Precios

Gratis para uso personal. Úsalo para ganar dinero, y el tío J. se lleva su parte. ¿Justo, no? Licencias comerciales abajo. Nuestra garantía: si jCodeMunch no se paga solo, no pagas por jCodeMunch.

¿Por qué jCodeMunch?

La mayoría de los agentes de IA exploran repositorios de la manera costosa: abren archivos completos, hojean miles de líneas irrelevantes, y repiten. Eso no es "un poco ineficiente". Es un incinerador de tokens.

jCodeMunch indexa un código base una vez y permite que los agentes recuperen solo el código exacto que necesitan: funciones, clases, métodos, constantes, esquemas y paquetes de contexto bien acotados, con precisión a nivel de byte. Analiza el código fuente con tree-sitter, almacena metadatos estructurados de símbolos (firma, tipo, nombre calificado, resumen, desplazamientos de bytes) junto con el contenido crudo de los archivos en un índice local, y obtiene implementaciones exactas bajo demanda en lugar de releer archivos una y otra vez.

Indexa una vez. Consulta barato. Sigue avanzando. El contexto de precisión vence al contexto de fuerza bruta.

Related MCP server: Symbol Delta Ledger

Evidencia

Benchmark reproducible de eficiencia de tokens

Medido con tiktoken cl100k_base en tres repositorios públicos fijados a commits aguas arriba, ejecutado el 3 de agosto de 2026 en la v1.108.233. Flujo de trabajo: search_symbols (top 5) + get_symbol_source × 3 por consulta. Dos líneas base, misma ejecución, mismo corpus, mismo lector de archivos:

• Grep-top-3: rg -l los términos de la consulta, clasificar archivos por recuento de coincidencias, abrir los 3 principales completos. Esto es lo que un agente competente sin la herramienta realmente hace, y es el número que se debe citar.

• Read-all: todos los archivos fuente indexados concatenados. Un techo que nadie paga; se mantiene por continuidad con cifras publicadas anteriormente.

Contra un agente de grep-y-lectura: reducción del 96,4 %, 27,9 veces menos tokens. Los resultados por consulta van desde 7,3x hasta 84,3x (mediana de 25,5x); ningún múltiplo único describe cada consulta. Contra read-all la cifra es del 99,6 %, pero nadie paga ese techo. La codificación compacta MUNCH en el cable luego recorta una mediana de 45,5 % más de bytes de las respuestas.

Metodología completa, commits fijados, arnés y limitaciones conocidas: benchmarks/METHODOLOGY.md · Reprodúcelo tú mismo · TOKEN_SAVINGS.md

Prueba A/B independiente en un código base de producción

Prueba A/B de 50 iteraciones en un código base real de producción con Vue 3 + Firebase, jCodeMunch vs herramientas nativas (Grep/Glob/Read), Claude Sonnet 4.6, sesión nueva por iteración: tasa de éxito del 80 % vs 72 %, tasa de tiempo de espera del 32 % vs 40 %, creación media de caché reducida en un 10,5 %. Ahorros a nivel de herramienta aislados de los gastos generales fijos: 15-25 %. Una categoría de hallazgos apareció exclusivamente en la variante de jCodeMunch: detección de archivos huérfanos mediante find_importers, una consulta estructural que las herramientas nativas no pueden responder sin scripting. Informe completo: benchmarks/ab-test-naming-audit-2026-03-18.md

Mencionado por

• Artur Skowroński (VirtusLab): "aproximadamente un 80 % menos de tokens, o 5 veces más eficiente: indexa una vez, consulta barato para siempre" · GitHub All-Stars #15

• Traci Lim (AWS · Líder de IA para ASEAN): "consultas estructurales que las herramientas nativas no pueden responder: find_importers, get_blast_radius, get_class_hierarchy, find_dead_code" · 5 Repos That Save Token Usage in Claude Code

• Julian Horsey (Geeky Gadgets): "3 850 tokens reducidos a solo 700: una mejora de 5,5 veces" · JCodeMunch AI Token Saver

• Eric Grill: "el contexto es el recurso escaso. Redúcelo en un 90 % y toda la pila se vuelve más barata y más confiable" · jCodemunch: Context Engine for AI Agents

Página de reconocimiento completa →

Instalar

Instalaciones con un clic

Recomendado: un solo comando

uv tool install jcodemunch-mcp
jcodemunch-mcp init

Sin virtualenv que gestionar, nada escrito en el Python del sistema, y funciona tal cual en distribuciones PEP 668 (Ubuntu 24.04+, Debian 12+) donde se rechaza el pip install simple. ¿Aún no tienes uv?

init detecta automáticamente tus clientes MCP (Claude Code, Claude Desktop, Cursor, Windsurf, Continue), escribe sus entradas de configuración, instala la política de prompt de CLAUDE.md para que tu agente realmente use jCodeMunch, opcionalmente instala hooks de cumplimiento, opcionalmente indexa tu proyecto y audita tus archivos de configuración de agentes en busca de desperdicio de tokens.

Verificar:

jcodemunch-mcp --version

Configuración manual de Claude Code

claude mcp add -s user jcodemunch -- uvx jcodemunch-mcp

Sin paso de instalación: uvx obtiene y ejecuta el servidor bajo demanda. ¿Lo prefieres en tu PATH (y es necesario para los hooks de cumplimiento)? uv tool install jcodemunch-mcp, luego claude mcp add -s user jcodemunch jcodemunch-mcp.

Luego dile al agente que prefiera las herramientas. Esto importa más de lo que la gente piensa; la instalación hace que las herramientas estén disponibles pero no rompe el hábito de lectura bruta del agente. Una línea en tu CLAUDE.md lo logra:

Call the jcodemunch_guide tool and strictly follow its instructions.

¿Usas Cursor, Windsurf, Codex CLI, Antigravity, Gemini CLI, Qwen Code, Kiro, Cline, Zed, Goose, Hermes, Odysseus o Paperclip? Cada configuración de cliente probada está en CLIENTS.md. Los extras opcionales (búsqueda semántica local, resúmenes de IA por proveedor) están en QUICKSTART.md; las superficies del sistema que cada extra incorpora están documentadas en SECURITY.md.

Inicio rápido

Recorrido completo: QUICKSTART.md. La versión de dos minutos, dentro de tu agente después de init:

1. Pregunta: "Indexa este repo con jcodemunch."

2. Pregunta: "Usando jcodemunch, encuentra la función que maneja la autenticación y muéstrame su código fuente."

El agente debe responder mediante search_symbols y get_symbol_source, devolviendo decenas de líneas en lugar de archivos completos. Confírmalo con get_session_stats: informa de los tokens servidos y del ahorro de la sesión. De ahí salen los números del medidor.

¿Quieres omitir la indexación inicial para frameworks populares? Starter packs preconstruidos: jcodemunch-mcp install-pack --list (los packs gratuitos no requieren licencia).

Lo que puedes hacer

• Recuperar un símbolo en lugar de cargar un archivo. get_symbol_source devuelve el cuerpo exacto de la función, con precisión de byte, para la mayoría de las ediciones que tocan una función en un archivo de 700 líneas (~95% de ahorro en esa lectura).

• Reunir el contexto de toda una tarea en una sola llamada. assemble_task_context clasifica la intención de la tarea, extrae símbolos ancla y ejecuta la secuencia de herramientas adecuada bajo un único presupuesto de tokens. plan_turn enruta el turno antes de la primera lectura.

• Hacer preguntas estructurales que grep no puede responder. find_importers, get_blast_radius, get_call_hierarchy, find_dead_code, get_changed_symbols, get_hotspots, barridos de anti-patrones con search_ast, y más.

• Prever cambios arriesgados y saber cuándo parar. check_edit_safe, check_delete_safe, get_pr_risk_profile y plan_refactoring con bloques {old_text, new_text} listos para editar. Las dos comprobaciones de seguridad devuelven stop_rule.terminal: true significa que ninguna llamada adicional a jcodemunch cambiará el veredicto, así que volver a ejecutar find_importers o check_references para asegurarse es trabajo desperdiciado. Significa final, no seguro. False nombra la cosa concreta que cambiaría la respuesta.

• Confiar en las respuestas. Puntuaciones de confianza calibradas, indicadores de frescura, contratos de cobertura sobre afirmaciones de ausencia, referencias verificadas por compilador mediante importación SCIP y redacción automática de secretos antes de que nada llegue al LLM.

• Mantener el índice fresco automáticamente. Modos de vigilancia, hooks de agente y una extensión de VS Code cierran la brecha de obsolescencia.

Eso es lo más destacado. El recorrido completo por las más de 90 herramientas, el formato de cable compacto MUNCH, los recibos de evidencia, la anotación de trabajo descargable y la instrumentación de economía de sesión están en CAPABILITIES.md, con los detalles internos en UNDER_THE_HOOD.md.

Novedades

• v1.108.293 (2026-08-23) — Diez módulos omitidos que ocultaban 209 pruebas

• v1.108.292 (2026-08-23) — La única cadena que sobrevive al aplazamiento de herramientas

• v1.108.291 (2026-08-22) — Contando cada byte de código fuente una sola vez

¿Cuándo ayuda (y cuándo no)?

Ayuda sobre todo en ediciones específicas (una función, un método, una clase), que son la mayoría del trabajo de edición real. Las ediciones que realmente requieren el archivo completo (reestructurar estado a nivel de archivo, reordenar lógica que abarca cientos de líneas) no ven ventaja. Mejor encaja en: repositorios grandes, bases de código desconocidas, exploración dirigida por agentes, refactorización y análisis de impacto, y equipos que recortan costes de tokens de IA sin hacer más tontos a los agentes.

Lenguajes: más de 70 mediante tree-sitter, incluidos Python, JavaScript/TypeScript, Go, Rust, Java, C/C++, C#, PHP, Ruby, Swift y Kotlin. Matriz completa: LANGUAGE_SUPPORT.md. Monorepos: sí; indexación incremental, detección de miembros del workspace, alcance por subruta.

Seguridad, privacidad y comportamiento en segundo plano

Local-first por diseño: los índices viven en ~/.code-index/, y el único comportamiento de red predeterminado del paquete base es un contador de ahorro anónimo (ID aleatorio más recuentos agregados de tokens, sin código, sin rutas, sin PII; se puede desactivar con share_savings: false). Todo lo que el servidor hace más allá de responder a una llamada de herramienta (vigilancia de archivos, el servicio de inicio de sesión opcional, validación de licencia, descargas de modelos, informes de organización) es opcional o desactivable, visible y reversible, y cada elemento está enumerado en SECURITY.md junto con los controles de traversal de rutas, symlinks y redacción de secretos.

Documentación

Licencia y uso comercial

jCodeMunch-MCP se publica bajo la Licencia de Doble Uso jCodeMunch-MCP (términos completos). Gratuito para uso no comercial. El uso comercial requiere una licencia de pago, de pago único, vendida por jMunch LLC a través de Stripe:

Solo jCodeMunch: Builder, $79 (1 desarrollador) · Studio, $349 (hasta 5) · Platform, $1,999 (despliegue interno a nivel de organización)

Suite completa de jMunch (código + docs + datos): Trio Builder, $99 · Trio Studio, $449 · Trio Platform, $2,499

¿No estás seguro de que valga la pena? Calcula tus propios números con la calculadora de ROI, o reenvía la versión para el equipo de finanzas a quien dé el visto bueno. La garantía se mantiene: si jCodeMunch no se paga a sí mismo, no pagas por jCodeMunch.

Condiciones para todos los usos: conservar el aviso de copyright, marcar claramente las modificaciones y mantener el nombre del autor original intacto (está un poco pagado de sí mismo), e incluir un aviso de modificación destacado en las redistribuciones del código fuente. El software no puede renombrarse, rebautizarse ni publicarse en ningún registro público de paquetes, y se proporciona "TAL CUAL" sin garantía. LICENSE controla.

FAQ

¿Cuánto puedo ahorrar en tokens de Claude / Opus? En flujos de trabajo con mucha recuperación, los tokens de lectura de código suelen bajar entre un 86% y un 99%, con una media medida del 96,4% (27,9x) frente a un agente de grep-and-read en 15 tareas y 3 repositorios. Los resultados por consulta van de 7,3x a 84,3x. Metodología: TOKEN_SAVINGS.md y benchmarks/.

¿En qué se diferencia de las herramientas basadas en RAG o grep? jCodeMunch recupera a nivel de símbolo con precisión de byte (funciones, clases, importadores, radio de explosión, jerarquías) en lugar de fragmentos difusos (RAG) o coincidencias de líneas en bruto (grep) que el agente aún tiene que leer y razonar.

¿Es gratuito para uso personal? Sí. El uso comercial requiere una licencia; ver arriba.

¿Dónde está el análisis profundo sobre X? Capacidades: CAPABILITIES.md. Configuración: CONFIGURATION.md. Clientes: CLIENTS.md. Internals: UNDER_THE_HOOD.md. O el torrente: jcodemunch.com.

Extras: Observatorio de salud de código OSS (instantáneas semanales de seis ejes de Express, FastAPI, Gin, Django y otros) · Radar de coste de tokens (inteligencia diaria de costes de tokens de IA) · jMunch Console (GUI MIT gratuita para actualizaciones con un clic)