codeloom
This server does not currently have a deployable release on Glama. Follow the repository's setup instructions to install and configure it for your MCP client, including any required credentials and local dependencies.
CodeLoom
简体中文 | English
面向 Agent 的代码知识图谱。把任意 Git 仓库索引成方法级调用图,跨仓库拼接服务契约(Feign / HTTP / MQ),再通过 MCP 交给编码 Agent 使用。
零原生依赖。 解析用 tree-sitter WASM,存储用 Node 内置 SQLite,MCP 用官方 SDK。不需要编译、不需要数据库服务、不需要 Docker。代码不出本机。
快速开始
# 1. 索引一个仓库:本地路径或 Git 地址
npx codeloom-cli analyze <path|git-url>
# 2. 打开服务树
npx codeloom-cli serve # http://127.0.0.1:3111
# 3. 接给 Agent
claude mcp add codeloom -- npx -y codeloom-cli mcp接好后可以直接问 Agent:「OrderService.create 改了会影响哪些 API 和测试?」索引是增量的,重复执行 analyze 只解析改动过的文件。
Related MCP server: koragraph
界面
服务目录 —— 一个服务一棵树:API / MQ / JOB / OUTBOUND / 数据表 / 缓存,右侧直接标出跨服务消费方:

点任意 API 的「链路」,看跨仓库调用契约(前端页面 → Feign 调用方 → 提供方 → 数据表):

实测
同一模型、同一组问题,唯一变量是是否接入 codeloom;两条臂都只允许读文件 / 搜索,禁用 Bash。完整方法与复现命令见 docs/benchmark.md。
单仓库:ruoyi-vue-pro(7,673 个 Java 文件)
任务 | 只读源码 | 接入 codeloom |
接口调用链 + 用到的表 | 114s · 25.9 万 token | 82s · 23.5 万 token |
改方法的影响面 | 59s · 7.1 万 token · 读 1 个文件 | 47s · 读 0 个文件 |
单仓库下省 20–30% 时间;token 持平(MCP 工具 schema 有固定开销),优势在"不用读源码"。
跨仓库:mall4cloud(order / product 拆成两个仓库)
问题:下单锁库存时 product 服务最终写哪些表(答案:sku_stock、spu_extension、sku_stock_lock)。
只检出 order | 两个仓库都检出 | 接入 codeloom(只检出 order) | |
耗时 | 37.7s | 68.1s | 46.3s |
token | 10.6 万 | 16.5 万 | 9.0 万 |
答案 | ❌ 无法给出 | ✅ 3 张表 | ✅ 3 张表 + 完整链路 |
跨仓库场景下省 32% 时间、46% token —— 省的是"不用把另一个仓库读进上下文"。
给 Agent 使用(MCP)
MCP 服务通过 stdio 暴露 9 个工具,读取同一份本地图谱。Claude Code 一行接入:
claude mcp add codeloom -- npx -y codeloom-cli mcp其他 MCP 客户端(Cursor、Claude Desktop 等)用 JSON 配置:
{
"mcpServers": {
"codeloom": { "command": "npx", "args": ["-y", "codeloom-cli", "mcp"] }
}
}接好后可以直接这样问:
「
OrderService.payOrder改了会影响哪些 API、页面和测试?」「
POST /inventory/deduct有哪些消费方?跨仓库是怎么调过来的?」「把当前 git diff 的影响变成一份测试清单」(
impact_of_diff→tests_for_change→graph_status)「
t_order被哪些方法读写?缓存键order谁在用?」
Agent 拿到的是方法级调用链、契约边(Feign / HTTP / MQ)和数据层边(表 / 缓存),每条边都带置信度(certain / inferred / speculative),不确定的地方会被明确标出。完整工具清单见下方 MCP 工具。
安装
需要 Node >= 22.13 与 Git。上面的 npx 方式无需安装,也可以全局安装:
npm i -g codeloom-cli不走 npm(直接从 GitHub 安装)
npx -y github:guoan1tang/codeloom analyze <path|git-url>
claude mcp add codeloom -- npx -y github:guoan1tang/codeloom mcp这种方式会 clone 仓库并用 Node 运行,不需要 registry 账号。
Web 界面
codeloom serve # http://127.0.0.1:3111基于实时索引的浏览器界面。默认是服务树——一次看一个服务(可切换):服务根 → API / MQ / JOB 分组 → 条目(含提供方方法与跨服务消费方,可展开);点击任意一行可查看本地代码的真实片段。界面还包含影响分析、从树中条目打开的跨仓库链路弹窗(泳道回放、真实契约)、Agent 回路(提交 / diff → 影响 → 精确测试选择)、仓库管理(添加 / 重建 / 删除),以及与 MCP 共用引擎的查询控制台。只监听 127.0.0.1——索引留在本地。
配置(全局,界面或文件)
在 Web 界面打开 Repositories → 全局配置,编辑网关前缀规则与框架适配。全局配置存在图数据库中,索引时对所有仓库生效;保存后可一键重建全部索引。
单仓库的 codeloom.config.json 仍然支持,仅用于例外仓库(优先级:默认 < 全局 < 仓库文件)。
配置项
在仓库根目录放 codeloom.config.json 来适配框架约定(所有键可选,默认按通用 Spring 约定):
{
"httpWrappers": ["HttpApi", "request"],
"pathAliases": { "@src/*": "src/*", "@/*": "src/*" },
"pageDirs": ["src/page", "src/pages", "src/views"],
"jobAnnotations": ["Scheduled", "XxlJob", "ElasticSimpleJob"],
"mqListenerAnnotations": ["RabbitListener", "KafkaListener"],
"tableAnnotations": ["TableName", "Table"],
"tableNameFallback": false,
"gatewayRouters": [{ "prefix": "/api-order", "strip": 1 }],
"gatewayRoutesFile": "config/gateway-routes.yaml"
}tableNameFallback:实体类没有@TableName时,按 MyBatis-Plus 默认命名推导表名(*DO/*Entity去掉后缀后驼峰转下划线);默认关闭。gatewayRouters/gatewayRoutesFile(Spring Cloud Gateway yaml:Path=/prefix/**+StripPrefix=n)在索引时剥掉消费方路径中的服务前缀,让前端 / Feign 调用与后端端点对上。HTTP 封装可自动识别(import axios 的文件),也可以按标识符显式列出。
CLI
codeloom analyze <path|git-url> [--name n] [--branch b] [--full] [--db path]
codeloom list
codeloom status [--json]
codeloom remove <name>
codeloom mcp [--db path]
codeloom serve [--port 3111] [--host 127.0.0.1]analyze是增量的:内容未变的文件会被跳过。--full全量重解析并刷新跨文件接口分派。默认数据库:
~/.codeloom/graph.db(可用--db或CODELOOM_DB覆盖)。索引 URL 时会 clone 到临时目录,结束后删除;只保留图数据。
MCP 工具
工具 | 用途 |
| 按名称、FQN 或路径查找方法 / 类型 / 端点 / Topic / 页面 / 测试 |
| 带深度限制的调用遍历,可按置信度过滤 |
| 改动方法 → 入口点(HTTP、页面、MQ 消费、Job、测试) |
| 围绕某个端点的提供方 / 消费方 / Topic 拼接,返回方法注释、文件行号,以及链路读写的数据表与缓存( |
| 单跳 Cypher 子集: |
| 统一 diff(或本地仓库中的某个提交)→ 按入口点批量评估影响 |
| 精确测试选择:单测 + 桥接的接口 / UI 用例 + 未覆盖风险 |
| 各仓库已索引的提交、新鲜度告警、静态测试覆盖 |
数据层边:数据库表(MyBatis XML mapper、@Select/@Insert/@Update/@Delete、SQL 字符串字面量、BaseMapper / 自定义 BaseMapperX 基类、ServiceImpl / IService 通用 CRUD、lambdaQuery 链,以及把 Registry 传给工具类执行查询的委托写法)通过 READS_TABLE / WRITES_TABLE;Redis / 缓存键通过 USES_CACHE;树中条目的链路弹窗会显示提供方方法下游的数据库 / Redis 泳道。
调用边带置信度:certain(直接调用)、inferred(唯一实现 / 依赖注入)、speculative(多个候选)。遍历默认取 certain + inferred;高扇入的工具方法会从影响链中截断(默认阈值 30,可配置)。
能提取什么
Java:类 / 接口 / 方法、import、extends / implements、带接收者解析(字段、局部变量、参数、
new)的调用点、Spring 依赖注入分派、@RestController映射 → 端点、@FeignClient→ 消费边、RocketMQ / Kafka 监听与生产发送 → Topic、@Scheduled→ Job 入口、JUnit@Test/src/test→ 测试节点。TypeScript / JavaScript:import、函数 / 类 / 方法、调用、
fetch/axios/http客户端调用 → 端点边、src/pages|views→ 页面节点、jestit()/test()→ 测试节点。跨仓库:端点与 Topic 是全局连接键——仓库 A 的 Feign 客户端与仓库 B 的 Controller 会落在同一个端点节点上。没有提供方的端点标记为外部边界。
语言包
一个语言包就是一个模块,导出 extensions、grammar(tree-sitter-wasms 的语法名)、pass1(ctx, tree)(符号 + 契约 + 调用点)与 pass2Types / pass2Calls(跨文件解析)。参考 src/packs/java.js 和 src/packs/typescript.js。新增一种语言 = 新增一个语言包;核心、存储、遍历和 MCP 接口都与语言无关。
已知限制(P0)
语法级解析:反射、AOP 代理、动态分派不可见。边表达的是代码声明,而不是运行时行为——置信度会暴露出来,供 Agent 判断。
网关路由改写尚未从网关仓库自动采集;消费方路径需在归一化后与提供方一致(
:id/{id}/${…}→{param})。增量重解析只刷新变更文件的分派边;给已有接口新增实现后请用
--full。重载方法会解析到第一个同名方法。
用例节点(
COVERS边)来自你的测试管理导出;桥接格式见src/graph.js(testsForChange)。
能力测试
示例项目在 test/fixtures/<name>/,每个都带一个 expect.json,用声明式断言描述期望的图(边、节点属性、汇总数量),由 test/harness/index.js 执行。新增 fixture 不需要写测试代码——见 test/fixtures/README.md。
贡献
见 CONTRIBUTING.md。能力 fixture 放在 test/fixtures/——新增一种项目结构 = 一个目录 + 一个 expect.json,不用写测试代码。
开发
npm install --registry=https://registry.npmmirror.com # 或你的 registry
npm test # 40 个测试:fixture、MCP、API、性能冒烟许可证
Apache-2.0
Tool Schema Changelog
Recent tool additions, removals, and schema changes observed during successful MCP inspections.
Loading tool schema changelog…
This server cannot be deployed
Maintenance
Related MCP Connectors
Hosted code graph over MCP: exact callers, dependencies, and cross-repo blast radius for AI agents.
Repository knowledge graph MCP server for codebase understanding and debugging.
Shared context for your codebase: a hosted code knowledge graph over MCP. Free plan, OAuth sign-up.
Codebase knowledge graph — architectural awareness for AI coding agents via MCP
Related MCP Servers
- AlicenseNot gradedqualityDmaintenanceExposes code graphs across multi-program repositories via MCP, enabling humans and agents to query the fleet with evidence.MIT
- AlicenseNot gradedqualityBmaintenanceEnables coding agents to query a local, multi-repo code graph for symbol exploration, blast radius analysis, co-change mining, and durable code-anchored memory via MCP tools.271 npm16Business Source 1.1
- AlicenseNot gradedqualityBmaintenanceEnables AI coding agents to query a semantic code graph over MCP, retrieving exact function source, definitions, callers/callees, impact analysis, and minimal test selection instead of whole files.14Apache 2.0
- AlicenseNot gradedqualityCmaintenanceEnables AI coding agents to navigate and understand entire codebases through symbol-aware semantic retrieval and relational call graph traversal, supporting structural impact analysis and code modification workflows over MCP.Apache 2.0