jCodeMunch MCP

通过 tree-sitter AST 解析实现精确源代码检索的最高 token 效率 MCP 服务器。 将代码探索的 AI token 成本降低 86-99%（平均 96%，基准测试显示比 grep-and-read 智能体少 27.9 倍的 token），不再浪费上下文窗口去读取整个文件。

真实数据，来自生产环境 已节省 838B+ token · 136,000+ 个报告安装 · 避免 $4.2M+ AI 支出 · 减少 100,000+ kg CO₂ 排放 计数器数据截至 2026-08-17，按 $5/MTok Claude Opus 输入费率估值。四项数据只会持续增长，请将其视为下限。实时数据见 jcodemunch.com。

兼容 Claude Code、Cursor、VS Code、Codex CLI、Windsurf、Continue 以及任何 MCP 兼容客户端。

立即安装 · 快速入门 · 查看证据 · 定价

个人使用免费。 用它赚钱的话，J 叔叔要分一杯羹。公平吧？商业许可见下文。 我们的承诺：如果 jCodeMunch 不能为你省回成本，你就不用为 jCodeMunch 付费。

为什么选择 jCodeMunch？

大多数 AI 智能体以昂贵的方式探索代码库：打开整个文件，浏览数千行无关代码，然后重复。这不是"有点低效"，而是token 焚烧炉。

jCodeMunch 只索引一次代码库，让智能体只检索所需的精确代码：函数、类、方法、常量、大纲和紧密限定的上下文包，精度达到字节级。它使用 tree-sitter 解析源码，将结构化符号元数据（签名、种类、限定名、摘要、字节偏移）与原始文件内容一起存储在本地索引中，并按需获取精确实现，而不是反复重读文件。

索引一次。廉价查询。持续前进。精准上下文胜过暴力上下文。

Related MCP server: Symbol Delta Ledger

证据

可复现的 token 效率基准测试

使用 tiktoken cl100k_base 在三个固定到上游提交的公共仓库上测量，于 2026-08-03 在 v1.108.233 上运行。工作流：search_symbols（前 5 个）+ 每次查询 get_symbol_source × 3。两个基线，同一运行，同一语料库，同一文件读取器：

• Grep-top-3：用 rg -l 搜索查询词，按匹配数对文件排序，打开前 3 个完整文件。这是没有该工具的合格智能体实际会做的事情，也是值得引用的数字。

• Read-all：所有已索引源文件拼接。这是没人会付的上限；保留以与先前发布的数据保持连续性。

对比 grep-and-read 智能体：减少 96.4%，少 27.9 倍的 token。 单次查询结果从 7.3x 到 84.3x 不等（中位数 25.5x）；没有单一倍数能描述所有查询。对比 read-all 的数字是 99.6%，但没人会付那个上限。紧凑的 MUNCH 线编码随后进一步将响应字节数中位数削减 45.5%。

完整方法论、固定提交、测试框架和已知注意事项：benchmarks/METHODOLOGY.md · 自行复现 · TOKEN_SAVINGS.md

生产代码库上的独立 A/B 测试

在真实的 Vue 3 + Firebase 生产代码库上进行 50 次迭代的 A/B 测试，jCodeMunch 对比原生工具（Grep/Glob/Read），Claude Sonnet 4.6，每次迭代全新会话：成功率 80% 对比 72%，超时率 32% 对比 40%，平均缓存创建时间降低 10.5%。工具层节省与固定开销隔离：15-25%。有一个发现类别仅出现在 jCodeMunch 变体中：通过 find_importers 检测孤立文件，这是原生工具无法在不编写脚本的情况下回答的结构性查询。完整报告：benchmarks/ab-test-naming-audit-2026-03-18.md

被提及

• Artur Skowroński（VirtusLab）："大约减少 80% 的 token，或者说效率提升 5 倍——索引一次，永远廉价查询" · GitHub All-Stars #15

• Traci Lim（AWS · ASEAN AI Lead）："原生工具无法回答的结构性查询：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 个 token 减少到仅 700 个——提升 5.5 倍" · JCodeMunch AI Token Saver

• Eric Grill："上下文是稀缺资源。削减 90%，整个技术栈就会变得更便宜、更可靠" · jCodemunch: Context Engine for AI Agents

完整致谢页面 →

安装

一键安装

推荐：一条命令

uv tool install jcodemunch-mcp
jcodemunch-mcp init

无需管理虚拟环境，不会写入系统 Python，并且在拒绝裸 pip install 的 PEP 668 发行版（Ubuntu 24.04+、Debian 12+）上开箱即用。还没有 uv？

init 会自动检测你的 MCP 客户端（Claude Code、Claude Desktop、Cursor、Windsurf、Continue），写入它们的配置条目，安装 CLAUDE.md 提示策略让你的智能体真正使用 jCodeMunch，可选安装强制执行钩子，可选索引你的项目，并审计你的智能体配置文件是否存在 token 浪费。

验证：

jcodemunch-mcp --version

手动 Claude Code 设置

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

无需安装步骤——uvx 按需获取并运行服务器。希望它出现在你的 PATH 上（强制执行钩子必需）？执行 uv tool install jcodemunch-mcp，然后运行 claude mcp add -s user jcodemunch jcodemunch-mcp。

然后告诉智能体优先使用这些工具。这一点比人们想象的更重要；安装只是让工具可用，并不会打破智能体暴力读取文件的习惯。在 CLAUDE.md 中加一行即可：

Call the jcodemunch_guide tool and strictly follow its instructions.

使用 Cursor、Windsurf、Codex CLI、Antigravity、Gemini CLI、Qwen Code、Kiro、Cline、Zed、Goose、Hermes、Odysseus 或 Paperclip？所有经过测试的客户端配置都在 CLIENTS.md 中。可选扩展（本地语义搜索、各提供商 AI 摘要）见 QUICKSTART.md；每个扩展引入的系统面在 SECURITY.md 中有文档说明。

快速入门

完整演练：QUICKSTART.md。两分钟版本，在 init 之后在你的智能体内：

1. 询问："用 jcodemunch 索引这个仓库。"

2. 询问："使用 jcodemunch，找到处理认证的函数并显示其源码。"

代理应通过 search_symbols 和 get_symbol_source 作答，返回几十行而非整个文件。用 get_session_stats 确认：它会报告会话中服务的 token 数和节省量。仪表盘上的数字就来自这里。

想跳过热门框架的初始索引？预构建的入门包：jcodemunch-mcp install-pack --list（免费包无需许可证）。

你能做什么

• 检索单个符号，而非加载整个文件。 对于 700 行文件中只改动一个函数的大多数编辑，get_symbol_source 返回精确到字节的函数体（该次读取节省约 95%）。

• 一次调用组装整个任务的上下文。 assemble_task_context 对任务意图进行分类，提取锚点符号，并在一个 token 预算内运行正确的工具序列。plan_turn 在首次读取之前路由该轮次。

• 提出 grep 无法回答的结构性问题。 find_importers、get_blast_radius、get_call_hierarchy、find_dead_code、get_changed_symbols、get_hotspots、search_ast 反模式扫描等。

• 预检有风险的更改，并知道何时停止。 check_edit_safe、check_delete_safe、get_pr_risk_profile，以及带有可直接编辑的 {old_text, new_text} 块的 plan_refactoring。两个安全检查返回 stop_rule.terminal：true 意味着进一步的 jcodemunch 调用不会改变结论，因此为了确认而重新运行 find_importers 或 check_references 是徒劳的。它意味着最终，而非安全。false 则指明会改变答案的具体事项。

• 信任答案。 校准的置信度分数、新鲜度标志、关于缺失声明的覆盖契约、通过 SCIP 导入的编译器验证引用，以及在任何内容到达 LLM 之前的自动机密信息脱敏。

• 自动保持索引新鲜。 监视模式、代理钩子和 VS Code 扩展弥补了陈旧性差距。

以上就是精彩集锦。90+ 工具的完整导览、MUNCH 紧凑线格式、证据收据、可卸载工作标注以及会话经济学仪表，详见 CAPABILITIES.md，内部机制见 UNDER_THE_HOOD.md。

新增内容

• v1.108.293 (2026-08-23) — 十个被跳过的模块，隐藏了 209 个测试

• v1.108.292 (2026-08-23) — 在工具延迟中幸存的那一个字符串

• v1.108.291 (2026-08-22) — 每个源字节只计数一次

何时有用（何时无用）？

它在针对性编辑（一个函数、一个方法、一个类）上帮助最大，而这正是大多数实际编辑工作。真正需要整个文件的编辑（重构文件级状态、重排跨越数百行的逻辑）则没有优势。最适合：大型仓库、不熟悉的代码库、代理驱动的探索、重构和影响分析，以及在不降低代理智能的前提下削减 AI token 成本的团队。

语言： 通过 tree-sitter 支持 70+ 种，包括 Python、JavaScript/TypeScript、Go、Rust、Java、C/C++、C#、PHP、Ruby、Swift 和 Kotlin。完整矩阵：LANGUAGE_SUPPORT.md。Monorepos： 支持；增量索引、工作区成员检测、子路径作用域。

安全、隐私和后台行为

设计上以本地优先：索引位于 ~/.code-index/，基础包唯一的默认网络行为是匿名节省计数器（随机 ID 加聚合 token 计数，不含代码、路径或 PII；可通过 share_savings: false 退出）。服务器在回答工具调用之外所做的一切（文件监视、可选登录服务、许可证验证、模型下载、组织报告）都是可选加入或可选退出的、可见的、可逆的，每一项都在 SECURITY.md 中与路径遍历、符号链接和机密信息脱敏控制一起列出。

文档

许可和商业使用

jCodeMunch-MCP 根据 jCodeMunch-MCP 双重用途许可证（完整条款）发布。非商业用途免费。商业用途需要付费许可证，一次性购买，由 jMunch LLC 通过 Stripe 销售：

仅 jCodeMunch： Builder，$79（1 名开发者）· Studio，$349（最多 5 人）· Platform，$1,999（组织级内部部署）

完整 jMunch 套件（代码 + 文档 + 数据）： Trio Builder，$99 · Trio Studio，$449 · Trio Platform，$2,499

不确定是否值得？通过 ROI 计算器 自行计算，或将财务团队版转发给负责审批的人。保证依然有效：如果 jCodeMunch 不能为自身买单，你就不必为 jCodeMunch 付费。

所有用途的条件：保留版权声明，明确标记修改并保持原作者姓名完整（他有点自恋），并在源代码再分发中包含醒目的修改声明。本软件不得重命名、重新品牌化或发布到任何公共包注册表，并按“原样”提供，不附带任何担保。LICENSE 具有最终效力。

常见问题

我能在 Claude / Opus token 上节省多少？ 在检索密集型工作流中，代码读取 token 通常下降 86-99%，在 15 个任务和 3 个仓库中与 grep-and-read 代理对比，基准测试平均为 96.4%（27.9 倍）。单次查询结果从 7.3 倍到 84.3 倍不等。方法论：TOKEN_SAVINGS.md 和 benchmarks/。

这与基于 RAG 或 grep 的工具有什么不同？ jCodeMunch 在符号级别以字节级精度进行检索（函数、类、导入者、爆炸半径、层级），而非模糊块（RAG）或代理仍需阅读和推理的原始行匹配（grep）。

个人使用免费吗？ 是的。商业用途需要许可证；见上文。

关于 X 的深入内容在哪里？ 能力：CAPABILITIES.md。配置：CONFIGURATION.md。客户端：CLIENTS.md。内部机制：UNDER_THE_HOOD.md。或者信息流：jcodemunch.com。

附加内容：OSS 代码健康观测站（Express、FastAPI、Gin、Django 等的每周六轴快照）· Token 成本雷达（每日 AI token 成本情报）· jMunch Console（免费 MIT GUI，一键升级）