Tea Rags MCP

Tu agente de codificación copia el primer código que encuentra, no el correcto.

TeaRAGs es un servidor MCP para búsqueda de código que enriquece cada fragmento recuperado con el historial de git: autoría, rotación (churn), tasa de corrección de errores y propiedad. Tu agente deja de aprender de los puntos críticos (hotspots) y comienza a aprender de código estable, propiedad de alguien y probado en batalla.

📖 Documentación completa · 🏁 Inicio rápido en 15 minutos · 🧠 Conceptos básicos

El problema

1. Entender un monorepo es costoso, tanto para humanos como para agentes

Cada nuevo desarrollador paga en horas. Cada sesión nueva de un agente paga en tokens. Las convenciones de nomenclatura, la lógica de dominio, los modismos locales... todo tiene que reconstruirse desde cero, cada vez.

2. Una mala higiene del código es un impuesto para tu agente

Los nombres confusos significan que el agente lee más archivos. Más archivos significan más tokens, respuestas más lentas y una mayor probabilidad de elegir el ejemplo incorrecto. La deuda técnica de tu base de código es ahora tu factura de IA.

3. Los agentes no pueden distinguir el código estable de un punto crítico (hotspot)

La búsqueda de código estándar clasifica solo por similitud de incrustación (embedding). No sabe qué función se corrige en cada sprint, qué módulo no se ha tocado en dos años o cuyo nombre está en los commits. Por lo tanto, el agente copia lo que parece similar, incluidos los ejemplos rotos.

Related MCP server: codesteer-atlas

La solución

TeaRAGs le da a tu agente dos cosas que no puede obtener de la búsqueda de código convencional.

1. Cada fragmento lleva su propia historia

El código recuperado viene con señales sobre quién lo escribió, qué tan estable es, con qué frecuencia se corrige y qué tan impactante sería un cambio. La similitud semántica deja de ser la respuesta completa: se convierte en la base.

2. Habilidades preconstruidas, no solo herramientas en bruto

TeaRAGs incluye habilidades para agentes: manuales listos para usar que le dicen a tu agente cuándo y cómo usar las señales. No se requiere ingeniería de prompts:

• explore — orientarse en una base de código desconocida

• data-driven-generation — escribir código respaldado por plantillas estables y propias

• risk-assessment — saber qué romperías antes de romperlo

• refactoring-scan · bug-hunt · pattern-search — y más

Instala el plugin y tu agente aprenderá el flujo de trabajo. Ver todas las habilidades →

Bonus: dinopowers — un plugin complementario con 10 envoltorios sobre las habilidades de superpowers:* (la biblioteca de habilidades de Jesse Vincent para Claude Code) que inyecta señales de tea-rags en los flujos de lluvia de ideas, planificación, depuración, TDD, revisión y finalización. Delta de evaluación media +71pp en 136 casos. Más información →

Casos de uso

🛡️ Generación de código seguro

Tu agente escribe código nuevo respaldado por plantillas estables y canónicas: módulos con una baja tasa de corrección de errores, larga estabilidad y un propietario claro. No más copias del punto crítico del último sprint. Habilidad: data-driven-generation · Por qué el código estable es más seguro →

🔧 Planificación de refactorización y descubrimiento de patrones de problemas

Encuentra el 5% del código responsable del 80% de los incidentes. Alta rotación + alta tasa de corrección de errores + propiedad concentrada = tu próximo problema de producción — y tu próximo candidato a refactorización. Habilidades: refactoring-scan, bug-hunt

🎯 Evaluación de riesgos antes de los cambios

Antes de modificar una función, el agente verifica quién depende de ella, con qué frecuencia se rompe y qué dice su historial de tickets. Conoce el radio de explosión antes de detonar. Habilidad: risk-assessment · Teoría de acoplamiento y radio de explosión →

🗺️ Aprender una base de código desconocida

Haz preguntas en lugar de leer árboles de directorios. "¿Cómo funciona la autenticación?" devuelve la implementación estable y canónica con su historial adjunto, no un fragmento aleatorio que parece similar. Habilidad: explore

Cómo funciona

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

Hablas con tu agente. El agente ejecuta una habilidad de TeaRAGs. TeaRAGs busca en tu código, enriquece cada resultado con el historial de git y clasifica según lo que necesite la habilidad: estabilidad, propiedad, riesgo o relevancia pura.

Qué obtienes

• 🧬 Recuperación consciente de la trayectoria — el único RAG de código de código abierto que califica los resultados por el historial de git, no solo por la similitud de incrustación

• 📚 Incluye habilidades para agentes — 6 manuales listos para usar para exploración, generación, evaluación de riesgos y gestión de índices (además de 2 estrategias internas)

• 🔒 Local-first, centrado en la privacidad — funciona completamente sin conexión con Ollama; tu código nunca sale de tu máquina (proveedores en la nube opcionales)

• 🚀 Construido para monorepos — fragmentación consciente de AST en más de 10 lenguajes, reindexación incremental, pipelines paralelos, millones de líneas de código probadas

Para quién es

• Desarrolladores en grandes monorepos — donde "buscar código similar" devuelve una docena de duplicados cercanos y necesitas el canónico

• Desarrolladores en solitario que realizan desarrollo con agentes — los flujos de trabajo impulsados por agentes producen ráfagas de micro-commits que destruyen las métricas de rotación. TeaRAGs incluye un modo GIT SESSIONS (TRAJECTORY_GIT_SQUASH_AWARE_SESSIONS=true) que agrupa los commits por (autor, brecha de tiempo) para que una sesión de refactorización de 20 commits cuente como uno. La rotación, la tasa de corrección de errores y la propiedad siguen siendo significativas incluso con un solo humano + un agente como únicos colaboradores.

• Líderes técnicos preocupados por la calidad del código de IA — que quieren que los agentes de su equipo aprendan de módulos estables, no del punto crítico del último sprint

• Equipos sensibles a la privacidad — finanzas, salud, defensa o cualquier persona que no pueda enviar código fuente a una API en la nube

No es para: repositorios sin historial de git (no hay señal para enriquecer) o equipos que solo necesitan autocompletado (usa Copilot).

🚀 Inicio rápido

Dentro de Claude Code, instala los plugins de TeaRAGs y ejecuta el asistente de configuración:

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

Luego instala el plugin de habilidades (solo para Claude, paso final):

/plugin install tea-rags@tea-rags

Opcionalmente, instala dinopowers para envoltorios sobre las habilidades de superpowers:*:

/plugin install dinopowers@tea-rags

Indexa tu base de código:

/tea-rags:index

Pregúntale cualquier cosa a tu agente: "¿Cómo funciona la autenticación en este proyecto?", "Encuentra ejemplos estables de lógica de reintento", "¿Qué debo saber antes de tocar el módulo de pagos?".

Para otros clientes MCP, CI o configuraciones sin conexión, consulta la instalación manual (Node + npm install -g tea-rags + Ollama/ONNX/OpenAI/Cohere/Voyage).

📚 Documentación

artk0de.github.io/TeaRAGs-MCP

🤝 Contribución

Consulta CONTRIBUTING.md para el flujo de trabajo y las convenciones.

🙏 Agradecimientos

Construido sobre una bifurcación de mhalder/qdrant-mcp-server — arquitectura limpia, pruebas sólidas, espíritu de código abierto. Y su antecesor qdrant/mcp-server-qdrant. Vectorización de código inspirada en claude-context (Zilliz).

Siéntete libre de bifurcar esta bifurcación. Son bifurcaciones hasta el fondo. 🐢

⚖️ Licencia

MIT — consulta LICENSE. Política de marca en BRAND.md.