Skip to main content
Glama
bluemot

CRAG-MCP

by bluemot
OverviewSchemaRelated ServersScoreDiscussions
Python
Local

CRAG-MCP: Config-Aware Code Graph via MCP

程式碼 graph 建構與查詢 MCP Server，支援條件編譯（#ifdef）動態過濾。 每個 workspace 獨立儲存 graph + config，支援多專案比較。

核心概念：Config-Aware Graph

傳統 Graph:
  cfg80211_p2p_init() ──→ cfg80211_get_bss()
  （不知道這個 function 需要什麼條件才能存在）

CRAG Graph:
  cfg80211_p2p_init()
    active_conditions: {"WIFI_P2P_SUPPORT": "y"}
    ──→ cfg80211_get_bss()
  
  Query: preprocess_config({"WIFI_P2P_SUPPORT": "n"})
  Result: cfg80211_p2p_init() 被自動過濾掉
  
  Query: preprocess_config({"WIFI_P2P_SUPPORT": "y"})
  Result: cfg80211_p2p_init() 出現

Related MCP server: CodeAnalysis MCP Server

架構

crag-mcp/
├── crag_mcp/
│   ├── core/
│   │   ├── workspace.py          # Workspace 掃描
│   │   └── config_context.py     # Config / #ifdef 管理
│   ├── parsers/
│   │   └── tree_sitter_parser.py # AST + #ifdef 條件提取
│   ├── llm/
│   │   └── small_llm.py           # Semantic analysis
│   ├── graph/
│   │   └── kuzu_graph.py         # Kùzu + active_conditions
│   └── server/
│       └── mcp_server.py         # 7 tools
├── pyproject.toml
└── README.md

MCP Tools (7)

Tool

用途

configure(workspace_path?, small_llm?)

設定 workspace 與 LLM

preprocess_config(config_path?, define_overrides?, workspace_path?)

載入條件編譯設定（綁定 workspace）

query_graph(query, max_results?, workspace_path?)

搜尋（自動套用 config 過濾）

get_callers(func, depth?, workspace_path?)

Graph: upstream（config-aware）

get_callees(func, depth?, workspace_path?)

Graph: downstream（config-aware）

get_call_path(A, B, workspace_path?)

Graph: path（config-aware）

graph_stats(workspace_path?)

Graph 狀態

所有查詢 tool 都接受 workspace_path 參數，指向要操作的 workspace。 不傳則用最後一次 configure() 設定的 workspace。

Atomic 設計哲學

每個 workspace 完全獨立，各自擁有自己的：

/ws/A/.crag-mcp/
├── graph.kuzu/           # Kùzu DB（函式 + 呼叫關係）
└── file_cache/           # parse cache

  • query_graph(ws=A) 只查 A 的 DB、只套 A 的 config

  • query_graph(ws=B) 只查 B 的 DB、只套 B 的 config

  • 兩者完全不會互相干擾

Agent（或 LLM）負責 orchestration — 輪流查不同 workspace，再自行比較結果。

使用流程

1. 一般專案（無 #ifdef）

configure(workspace_path="/path/to/project")
query_graph("authentication flow")
# 無條件過濾，所有 code 都出現

2. C / Linux Kernel（有 #ifdef）

configure(workspace_path="/path/to/linux")
preprocess_config(
    config_path="/path/to/linux/.config",
    define_overrides={"WIFI_P2P_SUPPORT": "y"}
)
query_graph("WIFI P2P implementation")
# 只有 WIFI_P2P_SUPPORT=y 的 code 會出現

# 改 config，重新查詢
preprocess_config(
    config_path="/path/to/linux/.config",
    define_overrides={"WIFI_P2P_SUPPORT": "n"}
)
query_graph("WIFI P2P implementation")
# P2P 相關 code 被自動過濾掉

3. 多 Workspace 比較（Agent 層次）

configure(workspace_path="/ws/A")
preprocess_config(config_path="/ws/A/.config", workspace_path="/ws/A")

configure(workspace_path="/ws/B")
preprocess_config(config_path="/ws/B/.config", workspace_path="/ws/B")

result_a = query_graph("wifi p2p flow", workspace_path="/ws/A")
result_b = query_graph("wifi p2p flow", workspace_path="/ws/B")

# Agent 自行比較，再決定要不要查 C
result_c = query_graph("wifi p2p flow", workspace_path="/ws/C")

preprocess_config 支援的格式

格式

範例

說明

Linux .config

CONFIG_WIFI=y

自動 parse

C Header

#define WIFI 1

#define 提取

Makefile

CFLAGS += -DWIFI=1

-D 提取

JSON

{"WIFI": "y"}

直接載入

Manual

define_overrides={}

程式設定

Config 過濾邏輯

# Graph node 儲存
{
    "name": "cfg80211_p2p_init",
    "active_conditions": {"WIFI_P2P_SUPPORT": "y"}
}

# Query 時比對
preprocess_config(define_overrides={"WIFI_P2P_SUPPORT": "n"})
# → cfg80211_p2p_init 被過濾（條件不滿足）

preprocess_config(define_overrides={"WIFI_P2P_SUPPORT": "y"})
# → cfg80211_p2p_init 出現（條件滿足）

# 無 active_conditions → 永遠出現（always active）

本地儲存位置

每個 workspace 會在自己的根目錄下建立 .crag-mcp/ 目錄：

/path/to/project/.crag-mcp/
├── graph.kuzu/           # Kùzu DB（二進制目錄）
└── file_cache/           # parse cache（JSON）

加到 .gitignore：

.crag-mcp/

安裝

cd /path/to/crag-mcp/
pip install -e .

或使用 uv：

cd /path/to/crag-mcp/
uv pip install -e .

OpenCode 設定

{
  "mcpServers": {
    "crag": {
      "command": "uv",
      "args": ["run", "--directory", "/path/to/crag-mcp", "-m", "crag_mcp.server.mcp_server"],
      "env": {
        "CRAG_WORKSPACE": "${workspaceFolder}",
        "CRAG_SMALL_LLM": "gemma4:31b-cloud"
      }
    }
  }
}

Agent 決策流程

Agent 看到專案:
├── 有 .config / Kconfig / #ifdef → 呼叫 preprocess_config()
├── 純 Python / JS / Go → 不呼叫（無條件編譯）
└── 使用者提到 "kernel" / "config" → 詢問是否 preprocess

Token 節省

場景

傳統

CRAG-MCP

Kernel query

餵全部 code（含 dead code）

只查 active code

Config 切換

重新 index 整個 repo

只改 query 條件

#ifdef 分析

LLM 自己猜條件

graph 標記清楚

License

MIT

This server cannot be installed

F
license - not found
-
quality - not tested
C
maintenance

How are these scores calculated?

Maintenance

–Maintainers
–Response time
–Release cycle
–Releases (12mo)
Commit activity

Resources

Unclaimed servers have limited discoverability.

Looking for Admin?

If you are the server author, to access and configure the admin panel.

Latest Blog Posts

MCP directory API

We provide all the information about MCP servers via our MCP API.

curl -X GET 'https://glama.ai/api/mcp/v1/servers/bluemot/crag-mcp'

If you have feedback or need assistance with the MCP directory API, please join our Discord server