Tea Rags MCP

Dein Coding-Agent kopiert den ersten Code, den er findet – nicht den richtigen.

TeaRAGs ist ein MCP-Server für die Codesuche, der jeden abgerufenen Chunk mit Git-Historie anreichert: Autorenschaft, Churn, Bugfix-Rate, Eigentümerschaft. Dein Agent hört auf, von Hotspots zu lernen, und beginnt, von stabilem, gewartetem und bewährtem Code zu lernen.

📖 Vollständige Dokumentation · 🏁 15-Minuten-Schnellstart · 🧠 Kernkonzepte

Das Problem

1. Ein Monorepo zu verstehen ist teuer – für Menschen UND Agenten

Jeder neue Entwickler zahlt mit Zeit. Jede neue Agenten-Sitzung zahlt mit Tokens. Namenskonventionen, Domänenlogik, lokale Idiome – alles muss jedes Mal von Grund auf neu aufgebaut werden.

2. Schlechte Code-Hygiene ist eine Steuer auf deinen Agenten

Verwirrende Namen bedeuten, dass der Agent mehr Dateien liest. Mehr Dateien bedeuten mehr Tokens, langsamere Antworten und eine höhere Wahrscheinlichkeit, das falsche Beispiel zu wählen. Die technischen Schulden deiner Codebase sind jetzt deine KI-Rechnung.

3. Agenten können stabilen Code nicht von einem Hotspot unterscheiden

Die Standard-Codesuche bewertet nur nach Embedding-Ähnlichkeit. Sie weiß nicht, welche Funktion in jedem Sprint repariert wird, welches Modul seit zwei Jahren nicht mehr angefasst wurde oder wessen Name in den Commits steht. Also kopiert der Agent, was ähnlich aussieht – einschließlich der fehlerhaften Beispiele.

Related MCP server: codesteer-atlas

Die Lösung

TeaRAGs gibt deinem Agenten zwei Dinge, die er durch herkömmliche Codesuche nicht bekommen kann.

1. Jeder Chunk trägt seine eigene Historie

Abgerufener Code enthält Signale darüber, wer ihn geschrieben hat, wie stabil er ist, wie oft er repariert wird und wie wirkungsvoll eine Änderung wäre. Semantische Ähnlichkeit ist nicht mehr die ganze Antwort – sie wird zur Basis.

2. Vorgefertigte Fähigkeiten, nicht nur rohe Werkzeuge

TeaRAGs liefert Agenten-Fähigkeiten (Skills) mit – fertige Playbooks, die deinem Agenten sagen, wann und wie er die Signale nutzen soll. Kein Prompt-Engineering erforderlich:

• explore — Orientierung in einer unbekannten Codebase

• data-driven-generation — Code schreiben, der auf stabilen, gewarteten Vorlagen basiert

• risk-assessment — Wissen, was man kaputt machen würde, bevor man es tut

• refactoring-scan · bug-hunt · pattern-search — und mehr

Installiere das Plugin, dein Agent lernt den Workflow. Alle Fähigkeiten ansehen →

Bonus: dinopowers — ein Begleit-Plugin mit 10 Wrappern für superpowers:* Fähigkeiten (Jesse Vincents Fähigkeiten-Bibliothek für Claude Code), die Tea-Rags-Signale in Brainstorming-, Planungs-, Debugging-, TDD-, Review- und Vervollständigungs-Workflows einspeisen. Mittlerer Eval-Delta +71pp über 136 Fälle. Mehr erfahren →

Anwendungsfälle

🛡️ Sichere Codegenerierung

Dein Agent schreibt neuen Code, der auf stabilen, kanonischen Vorlagen basiert – Module mit einer niedrigen Bugfix-Rate, langer Stabilität und einem klaren Eigentümer. Kein Kopieren mehr aus dem Hotspot des letzten Sprints. Fähigkeit: data-driven-generation · Warum stabiler Code sicherer ist →

🔧 Refactoring-Planung & Entdeckung von Problem-Mustern

Finde die 5% des Codes, die für 80% der Vorfälle verantwortlich sind. Hoher Churn + hohe Bugfix-Rate + konzentrierte Eigentümerschaft = dein nächstes Produktionsproblem – und dein nächster Refactoring-Kandidat. Fähigkeiten: refactoring-scan, bug-hunt

🎯 Risikobewertung vor Änderungen

Bevor eine Funktion geändert wird, prüft der Agent, wer davon abhängt, wie oft sie ausfällt und was die Ticket-Historie sagt. Kenne den Wirkungsbereich, bevor du etwas änderst. Fähigkeit: risk-assessment · Kopplungs- & Wirkungsbereich-Theorie →

🗺️ Eine unbekannte Codebase lernen

Stelle Fragen, anstatt Verzeichnisbäume zu lesen. "Wie funktioniert die Authentifizierung?" liefert die stabile, kanonische Implementierung mit angehängter Historie – nicht irgendein zufälliges, ähnlich aussehendes Schnipsel. Fähigkeit: explore

Funktionsweise

flowchart LR
    User([👤 You])

    subgraph mcp["TeaRAGs MCP Server"]
        Agent[🤖 Agent<br/>runs skills]
        TeaRAGs[🍵 TeaRAGs<br/>search · enrich · rerank]
        Agent <--> TeaRAGs
    end

    Qdrant[(🗄️ Qdrant<br/>vector DB)]
    Embeddings[✨ Embeddings<br/>Ollama/OpenAI]
    Codebase[📁 Your Codebase<br/>+ Git History]

    User <--> Agent
    TeaRAGs <--> Qdrant
    TeaRAGs <--> Embeddings
    TeaRAGs <--> Codebase

Du sprichst mit deinem Agenten. Der Agent führt eine TeaRAGs-Fähigkeit aus. TeaRAGs durchsucht deinen Code, reichert jedes Ergebnis mit der Git-Historie an und bewertet es nach dem, was die Fähigkeit benötigt – Stabilität, Eigentümerschaft, Risiko oder reine Relevanz.

Was du bekommst

• 🧬 Trajektorien-bewusster Abruf — das einzige Open-Source-Code-RAG, das Ergebnisse nach Git-Historie bewertet, nicht nur nach Embedding-Ähnlichkeit

• 📚 Wird mit Agenten-Fähigkeiten geliefert — 6 fertige Playbooks für Exploration, Generierung, Risikobewertung und Index-Management (plus 2 interne Strategien)

• 🔒 Local-First, Privacy-First — funktioniert vollständig offline mit Ollama; dein Code verlässt niemals deine Maschine (Cloud-Anbieter optional)

• 🚀 Für Monorepos gebaut — AST-bewusstes Chunking über 10+ Sprachen, inkrementelle Neuindizierung, parallele Pipelines, Millionen von LOC getestet

Für wen ist es gedacht?

• Entwickler in großen Monorepos — wo "ähnlichen Code finden" ein Dutzend Fast-Duplikate zurückgibt und du das kanonische brauchst

• Solo-Entwickler, die agentenbasiert arbeiten — agentengesteuerte Workflows erzeugen Ausbrüche von Micro-Commits, die Churn-Metriken zerstören. TeaRAGs liefert einen GIT SESSIONS Modus (TRAJECTORY_GIT_SQUASH_AWARE_SESSIONS=true), der Commits nach (Autor, Zeitlücke) gruppiert, sodass eine 20-Commit-Refactoring-Sitzung als eine zählt. Churn, Bugfix-Rate und Eigentümerschaft bleiben aussagekräftig, selbst wenn nur ein Mensch + ein Agent die einzigen Mitwirkenden sind.

• Tech-Leads, die sich Sorgen um die KI-Codequalität machen — die möchten, dass die Agenten ihres Teams von stabilen Modulen lernen, nicht vom Hotspot des letzten Sprints

• Datenschutzbewusste Teams — Finanzen, Gesundheitswesen, Verteidigung oder jeder, der keinen Quellcode an eine Cloud-API senden kann

Nicht für: Repos ohne Git-Historie (kein Signal zur Anreicherung) oder Teams, die nur Autocomplete benötigen (nutze Copilot).

🚀 Schnellstart

Installiere in Claude Code die TeaRAGs-Plugins und führe den Setup-Assistenten aus:

/plugin marketplace add artk0de/TeaRAGs-MCP
/plugin install tea-rags-setup@tea-rags
/tea-rags-setup:install

Installiere dann das Fähigkeiten-Plugin (nur Claude, letzter Schritt):

/plugin install tea-rags@tea-rags

Installiere optional dinopowers für Wrapper über superpowers:* Fähigkeiten:

/plugin install dinopowers@tea-rags

Indiziere deine Codebase:

/tea-rags:index

Frage deinen Agenten alles: "Wie funktioniert die Authentifizierung in diesem Projekt?", "Finde stabile Beispiele für Retry-Logik", "Was sollte ich wissen, bevor ich das Zahlungsmodul anfasse?".

Für andere MCP-Clients, CI oder Air-Gapped-Setups siehe die manuelle Installation (Node + npm install -g tea-rags + Ollama/ONNX/OpenAI/Cohere/Voyage).

📚 Dokumentation

artk0de.github.io/TeaRAGs-MCP

🤝 Mitwirken

Siehe CONTRIBUTING.md für Workflow und Konventionen.

🙏 Danksagungen

Aufgebaut auf einem Fork von mhalder/qdrant-mcp-server — saubere Architektur, solide Tests, Open-Source-Geist. Und dessen Vorfahren qdrant/mcp-server-qdrant. Code-Vektorisierung inspiriert von claude-context (Zilliz).

Fühle dich frei, diesen Fork zu forken. Es sind Forks bis ganz nach unten. 🐢

⚖️ Lizenz

MIT — siehe LICENSE. Markenrichtlinie in BRAND.md.