code-context-mcp
Click on "Install Server".
Wait a few minutes for the server to deploy. Once ready, it will show a "Started" state.
In the chat, type
@followed by the MCP server name and your instructions, e.g., "@code-context-mcpfind code for user authentication"
That's it! The server will respond to your query, and you can continue using it as needed.
Here is a step-by-step guide with screenshots.
🧩 code-context-mcp
Pipeline para segmentar código fuente en chunks, generar embeddings y almacenarlos en ChromaDB. Diseñado para dar contexto semántico a AI coding assistants (Antigravity, Cursor, VS Code Copilot) vía Model Context Protocol (MCP).
Arquitectura
┌────────────────────────────────────────────────────────┐
│ AI Assistant (Antigravity, Cursor, VS Code, etc.) │
│ Usa tools MCP para buscar código relevante │
└────────────────────┬───────────────────────────────────┘
│ MCP (stdio)
┌────────────────────▼───────────────────────────────────┐
│ chunking-mcp │
│ MCP Server liviano · 9 tools disponibles │
│ Sin modelo local — queries vía HTTP │
└────────────────────┬───────────────────────────────────┘
│ HTTP
┌────────────────────▼───────────────────────────────────┐
│ ChromaDB (Docker) │
│ Genera embeddings server-side (all-MiniLM-L6-v2) │
│ Almacena y busca vectores │
│ Named volume: code-context-chroma-data │
└────────────────────────────────────────────────────────┘Related MCP server: Paparats MCP
Instalación
# Clonar
git clone git@github.com:daswort/code-context-mcp.git && cd code-context-mcp
# Crear virtualenv e instalar
python3 -m venv .venv
source .venv/bin/activate
pip install -e .
# Levantar ChromaDB
cd docker && docker compose up -dEsto instala 3 comandos CLI:
Comando | Función |
| Segmenta código fuente en chunks JSONL |
| Ingesta chunks en ChromaDB (delta incremental) |
| MCP server para AI assistants |
Uso rápido
1. Segmentar código
chunking-get <rama> --repo /ruta/al/repo --output /ruta/chunks/mi-repoEjemplo:
chunking-get main --repo ~/projects/agenda2-app --output ~/projects/chunking/chunks/agenda2-appEsto genera un archivo JSONL con todos los fragmentos del código fuente:
chunks/agenda2-app/main/00001_chunks.jsonl2. Ingestar en ChromaDB
chunking-ingest <rama> --repo /ruta/al/repo --chunks-dir /ruta/chunks/mi-repoEjemplo:
chunking-ingest main --repo ~/projects/agenda2-app --chunks-dir ~/projects/chunking/chunks/agenda2-appLa ingesta es delta: detecta chunks nuevos, modificados y eliminados. Solo re-procesa lo necesario:
🔍 Analizando cambios...
♻️ 3 fragmentos modificados o nuevos detectados.
🗑️ 1 fragmentos eliminados detectados.
🧠 Insertando 3 fragmentos (embeddings server-side)
🗑️ Eliminando 1 fragmentos obsoletos
✅ Ingesta completada: 3 actualizados, 1 eliminados en 'agenda2-app_main'.3. Buscar código (MCP)
3. Buscar código (MCP)
El MCP server expone 9 tools para AI assistants:
Tool | Descripción |
| Búsqueda semántica (cosine distance) con filtros por extensión y lenguaje |
| Búsqueda full-text o regex exacto (no semántica, ideal para encontrar símbolos) |
| Lista todas las colecciones con conteos |
| Distribución de archivos y chunks por colección |
| Todos los chunks de un archivo específico |
| Vista previa de los primeros N documentos |
| Eliminar una colección completa |
| Obtener un chunk específico por ID |
| Buscar archivos indexados por patrón o extensión ( |
4. Preview sin procesar (dry-run)
chunking-get main --repo ~/projects/mi-repo --dry-runLista los archivos que se procesarían, agrupados por extensión, sin ejecutar nada:
🔎 Dry-run para repo '/home/user/projects/mi-repo' (rama 'main')
📋 Dry-run: 42 archivos serían procesados
.go (25 archivos)
• backend/cmd/api/main.go
• backend/internal/config/auth.go
...
.sql (12 archivos)
• backend/migrations/000001_init_extensions.up.sql
...
Total: 42 archivosConfiguración por proyecto
Cada repositorio puede tener un archivo .chunking.yaml en su raíz para personalizar el comportamiento. Las listas extienden los defaults, no los reemplazan.
Copie .chunking.example.yaml como punto de partida:
cp /ruta/a/chunking/.chunking.example.yaml ~/projects/mi-repo/.chunking.yamlEjemplo completo
# ~/projects/mi-repo/.chunking.yaml
# Directorios adicionales a excluir
exclude_dirs:
- vendor
- tmp
# Extensiones adicionales a excluir
exclude_ext:
- .log
# Extensiones adicionales a incluir
extra_valid_ext:
- .go
- .py
- .html
- .sql
# Parámetros de chunking
chunk_size: 800
chunk_overlap: 100
# Tuning del índice HNSW (ChromaDB)
hnsw_space: cosine # cosine, l2, ip
hnsw_ef_construction: 200 # Calidad de indexación
hnsw_ef_search: 150 # Calidad de recall
# ChromaDB
collection_prefix: mi-proyecto # → colección: mi-proyecto_main
chroma_host: localhost
chroma_port: 8000
# chroma_auth_token: mi-token # OpcionalDefaults incluidos
.git, __pycache__, node_modules, dist, build, .venv, .idea, .vscode, .github, bin, obj, chunks
.exe, .bin, .dll, .pdb, .user, .jpg, .jpeg, .png, .gif, .zip, .tar, .gz, .lock
.cs, .csproj, .sln, .cshtml, .js, .ts, .md, .json, .yaml, .yml, .txt, .http
Configuración MCP para AI Assistants
Antigravity
Agregar a ~/.gemini/antigravity/mcp_config.json:
{
"mcpServers": {
"code-context": {
"command": "/ruta/a/code-context-mcp/.venv/bin/chunking-mcp",
"env": {
"CHROMA_HOST": "localhost",
"CHROMA_PORT": "8000"
}
}
}
}Cursor
Agregar a .cursor/mcp.json:
{
"mcpServers": {
"code-context": {
"command": "/ruta/a/code-context-mcp/.venv/bin/chunking-mcp",
"env": {
"CHROMA_HOST": "localhost",
"CHROMA_PORT": "8000"
}
}
}
}VS Code (Copilot)
Agregar a .vscode/mcp.json:
{
"servers": {
"code-context": {
"type": "stdio",
"command": "/ruta/a/code-context-mcp/.venv/bin/chunking-mcp",
"env": {
"CHROMA_HOST": "localhost",
"CHROMA_PORT": "8000"
}
}
}
}ChromaDB (Docker)
El servidor se levanta con Docker Compose:
cd docker/
docker compose up -dConfiguración
Editar docker/.env:
# Puerto (default: 8000)
CHROMA_PORT=8000
# Autenticación por token (opcional)
# CHROMA_AUTH_TOKEN=mi-token-secreto
# CHROMA_AUTH_PROVIDER=chromadb.auth.token_authn.TokenAuthenticationServerProviderOperaciones comunes
# Ver estado
docker compose ps
# Ver logs
docker compose logs -f chromadb
# Parar
docker compose down
# Parar y borrar datos
docker compose down -vLos datos persisten en un named volume (code-context-chroma-data). Se mantienen entre reinicios del contenedor.
Script de orquestación
run_branch_tasks.sh ejecuta el pipeline completo (get + ingest) para la rama actual o una específica:
# Rama actual
./run_branch_tasks.sh
# Rama específica
./run_branch_tasks.sh feature/mi-featureEstructura del proyecto
code-context-mcp/
├── .chunking.example.yaml # Template de configuración
├── pyproject.toml # Paquete Python (v1.0.0)
├── run_branch_tasks.sh # Orquestador get + ingest
├── docker/
│ ├── docker-compose.yml # ChromaDB server
│ └── .env # Variables de entorno
└── chunking/
├── __init__.py
├── config.py # Defaults + merge con .chunking.yaml
├── get_chunks.py # chunking-get: segmentación de código
├── ingest_delta.py # chunking-ingest: ingesta delta en ChromaDB
└── mcp_server.py # chunking-mcp: MCP server (9 tools)Requisitos
Python ≥ 3.10
Docker (para ChromaDB)
Git (los repos a procesar deben ser repositorios Git)
This server cannot be installed
Maintenance
Resources
Unclaimed servers have limited discoverability.
Looking for Admin?
If you are the server author, to access and configure the admin panel.
Related MCP Servers
- AlicenseAqualityDmaintenanceEnables semantic code search across local projects and Git repositories using AI embeddings with ChromaDB. Supports both OpenAI and local Ollama models for private, enterprise-ready code analysis and similar code discovery.44MIT
- Alicense-qualityBmaintenanceProvides AI coding assistants with deep, semantic understanding of local codebases via AST-aware chunking, cross-repo symbol graphs, and architectural memory, enabling context-aware code search and dependency tracing.10MIT
- AlicenseBqualityDmaintenanceProvides IDE-like semantic code retrieval and editing tools for LLMs, enabling precise code understanding and manipulation in large codebases via the Model Context Protocol.25MIT
- Flicense-qualityCmaintenanceProvides persistent codebase memory and semantic context for AI agents via AST-aware chunking and symbol graph indexing.1
Related MCP Connectors
Give your AI agent a persistent map of your project's structure, dependencies, and bugs.
Provide your AI coding tools with token-efficient access to up-to-date technical documentation for…
Adaptive plan/build/review cycles for AI coding assistants, persisted across sessions.
Latest Blog Posts
- Who's Calling? MCP Hosts Are an Identity Blind Spot (And the Spec Knows It)By Om-Shree-0709 on .mcpAgent IdentityOAuth 2.1
- Your AI Chatbot Just Exposed Your CEO's Salary to an InternBy Om-Shree-0709 on .Agent IdentityMCP SecurityOAuth Delegation
- Why MCP Servers Need Execution Sandboxing (And Why Your Current Stack Isn't Enough)By Om-Shree-0709 on .Agentic AiPrompt InjectionWebAssembly
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/daswort/code-context-mcp'
If you have feedback or need assistance with the MCP directory API, please join our Discord server