code-analyze-mcp

[!NOTE] Native Agent-Tools (Regex-Suche, Pfadabgleich, Dateilesen) eignen sich gut für gezielte Abfragen. aptu-coder übernimmt die mechanische, nicht-KI-Arbeit: Abbildung der Verzeichnisstruktur, Extrahieren von Symbolen und Nachverfolgen von Aufrufgraphen. Die Auslagerung an ein dediziertes Tool reduziert den Token-Verbrauch und beschleunigt die Programmierung mit besserer Genauigkeit.

Benchmarks

Auth-Migrationsaufgabe auf Claude Code gegen den Django-Quellbaum (Python). Vollständige Methodik.

AeroDyn-Integrationsaudit-Aufgabe auf Claude Code gegen den OpenFAST-Quellbaum (Fortran). Vollständige Methodik.

Related MCP server: CodeGraphMCPServer

Übersicht

aptu-coder ist ein Model Context Protocol-Server, der KI-Agenten präzisen strukturellen Kontext über eine Codebasis liefert: Verzeichnisbäume, Symboldefinitionen und Aufrufgraphen, ohne rohe Dateien zu lesen. Es unterstützt 18 Sprachen (siehe Unterstützte Sprachen) und integriert sich in jeden MCP-kompatiblen Orchestrator.

Unterstützte Sprachen

Installation

Homebrew (macOS und Linux)

brew install clouatre-labs/tap/aptu-coder

Aktualisierung: brew upgrade aptu-coder

cargo-binstall (kein Rust erforderlich)

cargo binstall aptu-coder

cargo install (erfordert Rust-Toolchain)

cargo install aptu-coder

Schnellstart

Aus dem Quellcode erstellen

cargo build --release

Die Binärdatei befindet sich unter target/release/aptu-coder.

MCP-Client konfigurieren

Es stehen zwei Transporte zur Verfügung. Streamable HTTP wird empfohlen, wenn Orchestratoren verwendet werden, die Delegaten erzeugen (z. B. goose coder): Ein einzelner Serverprozess wird zwischen dem Orchestrator und allen Agenten geteilt, wodurch die Erweiterungsdrift entfällt, die auftritt, wenn jeder stdio-Subprozess seine eigene isolierte Instanz erhält.

Streamable HTTP (empfohlen für Multi-Agent-Setups)

Mit Homebrew startet ein Befehl den Server beim Anmelden und hält ihn am Laufen:

brew services start aptu-coder

Die Homebrew-Formel startet den Server standardmäßig auf Port 49200. Fügen Sie dann die Erweiterung einmal zu ~/.config/goose/config.yaml hinzu:

extensions:
  aptu-coder:
    type: streamable_http
    uri: http://127.0.0.1:49200/mcp
    name: aptu-coder
    timeout: 300

Oder für Claude Code:

claude mcp add --transport http aptu-coder http://127.0.0.1:49200/mcp

Um einen anderen Port zu verwenden, setzen Sie APTU_CODER_PORT vor dem Neustart:

APTU_CODER_PORT=4000 brew services restart aptu-coder

Um direkt ohne brew services zu starten:

aptu-coder --port 49200
# or equivalently
APTU_CODER_PORT=49200 aptu-coder

stdio (Einzelclient-Nutzung)

Geeignet, wenn nur ein Prozess den Server benötigt. Der Client besitzt den Prozesslebenszyklus und startet ihn automatisch:

claude mcp add --transport stdio aptu-coder -- aptu-coder

Oder fügen Sie manuell zu .mcp.json im Projektstamm hinzu (über Versionskontrolle mit Ihrem Team geteilt):

{
  "mcpServers": {
    "aptu-coder": {
      "command": "aptu-coder",
      "args": []
    }
  }
}

Werkzeuge

Alle optionalen Parameter können weggelassen werden. Gemeinsame optionale Parameter für analyze_directory, analyze_file und analyze_symbol:

Werkzeugparameter, Einschränkungen und Beispiele sind über den Tool-Inspektor Ihres MCP-Clients oder die tools/list-Antwort verfügbar.

MCP-Ressourcen

Die Wissensgraph-Funktion stellt MCP-Ressourcenvorlagen bereit, um den während analyze_symbol-Aufrufen erstellten Strukturgraphen zu navigieren. Ressourcen sind über URIs adressiert; verwenden Sie resources/templates/list, um verfügbare Vorlagen zu entdecken.

Paginierung: Ergebnisse werden paginiert; übergeben Sie den undurchsichtigen cursor-Wert aus einer vorherigen Antwort, um die nächste Seite abzurufen.

Tiefenparameter: Die blast-radius-Vorlage akzeptiert einen optionalen depth-Abfrageparameter (Ganzzahl im Bereich 1-5, Standard 3).

Kalter Cache: Rufen Sie zuerst analyze_symbol für das Verzeichnis auf, um den Graphen zu erstellen. Ressourcen geben eine Informationsmeldung zurück, bis der Graph verfügbar ist.

Ausgabeverwaltung

Für große Codebasen verhindern mehrere Mechanismen einen Kontextüberlauf.

Paginierung

analyze_file und analyze_symbol fügen eine NEXT_CURSOR:-Zeile hinzu, wenn die Ausgabe abgeschnitten wird. Geben Sie das Token als cursor zurück, um die nächste Seite abzurufen. summary=true und cursor schließen sich gegenseitig aus; die Übergabe beider führt zu einem Fehler.

# Response ends with:
NEXT_CURSOR: eyJvZmZzZXQiOjUwfQ==

# Fetch next page:
analyze_symbol path: /my/project symbol: my_function cursor: eyJvZmZzZXQiOjUwfQ==

exec_command-Ausgabegrenzen

exec_command wendet drei unabhängige Byte-Grenzen an, um zu verhindern, dass große Befehlsausgaben den Kontext überfluten:

Die 30k-stdout-Grenze ist datengesteuert: Eine Analyse von 27,981 beobachteten exec_command-Aufrufen zeigt, dass nur 0,33% diese Grenze überschreiten. Wenn eine Grenze ausgelöst wird, wird output_truncated: true in der Antwort gesetzt und in den JSONL-Metriken aufgezeichnet.

drain_timeout_secs steuert, wie lange der Server nach dem Beenden des Kindprozesses auf einen Hintergrund-Subprozess wartet, der die Pipe noch offen hält. Standard ist 500 ms (0 oder weggelassen). Negative Werte geben INVALID_PARAMS zurück. Wenn das Drain-Fenster abläuft, bevor die Pipe geschlossen wird, wird output_truncated: true gesetzt.

exec_command Ausgabefilter

Eine eingebaute Filtertabelle unterdrückt dateibezogenes Rauschen von gesprächigen CLI-Tools, bevor die Ausgabe das Modell erreicht. Filter gelten nur für stdout, stderr und verschachtelte Ausgabe bei Erfolg; bei Fehlern wird die Rohausgabe immer beibehalten.

Projektlokale Regeln können in .aptu/filters.toml hinzugefügt werden. Parse-Fehler und nicht erkannte schema_version-Werte (Version != 1) fallen mit einer protokollierten Warnung auf die eingebaute Tabelle zurück; es kommt zu keinem Absturz. Wenn ein Filter ausgelöst wird, identifiziert filter_applied in structuredContent, welche Regel zutraf.

Nicht-interaktive Pipelines

In Single-Pass-Subagent-Sitzungen werden Prompt-Caches geschrieben, aber nie wiederverwendet. Benchmarks zeigten, dass MCP-Antworten etwa 2x mehr in den Cache schreiben als reine native Workflows, was Kosten verursacht ohne Qualitätsgewinn. Setzen Sie DISABLE_PROMPT_CACHING=1 (oder DISABLE_PROMPT_CACHING_HAIKU=1 für Haiku-spezifische Pipelines), um diesen Overhead zu vermeiden.

Die eigenen Anweisungen des Servers legen einen 4-Schritte-Empfehlungs-Workflow für unbekannte Repositories offen: Untersuchen Sie das Repo-Root mit analyze_directory bei max_depth=2, tauchen Sie in das Quellpaket ein, führen Sie analyze_module auf Schlüsseldateien für einen Funktions-/Import-Index aus (oder analyze_file, wenn Signaturen und Typen benötigt werden), und verwenden Sie dann analyze_symbol, um Aufrufgraphen zu verfolgen. MCP-Clients, die Serveranweisungen anzeigen, präsentieren diesen Workflow automatisch dem Agenten.

Umgebungsvariablen

Cache und Laufzeit

Beobachtbarkeit

Für das JSONL-Schema, die OTel-Konfiguration und die Span-Attribut-Richtlinie siehe:

• OBSERVABILITY.md (Repository-Root)

• docs/METRICS.md

Dokumentation

• AGENTS.md - Referenz für Mitwirkende: Projektstruktur, Befehle, rmcp-Fallstricke, Tool-Parameter-Einschränkungen

• ARCHITECTURE.md - Designziele, Modulkarte, Datenfluss, Sprach-Handler-System, Caching-Strategie

• CONTRIBUTING.md - Entwicklungsworkflow, Commit-Konventionen, PR-Checkliste

• DESIGN-GUIDE.md - Designentscheidungen, Begründung und Replikationsanleitung für den Bau leistungsstarker MCP-Server

• MCP Best Practices - Best Practices für agentische Schleifen, Orchestrierungsmuster, MCP-Tool-Design, Speicherverwaltung und Sicherheitskontrollen

• METRICS.md - Metrik-Schema, JSONL-Format und Aufbewahrungsrichtlinie

• ROADMAP.md - Entwicklungsgeschichte und zukünftige Richtung

• SECURITY.md - Sicherheitsrichtlinie und Meldung von Schwachstellen

Lizenz

Apache-2.0. Siehe LICENSE für Details.