CodeRef AI
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., "@CodeRef AIaudit my project for vulnerabilities"
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.
这是一个可以帮完全不懂编程的vibecoding人员,静态审计项目,重建项目wiki和各模块文档的工具,可以通过MCP对接你的编程AI。
This is a tool designed to help vibecoding personnel with no programming background statically audit projects, rebuild project wikis, and document each module, and it can connect with your programming AI through MCP.
CodeRef AI — 编程 AI 外置大脑 & 非编程人员技术助理
Version 3.1 | Python 3.10+ | MCP Protocol | Apache 2.0
一键审计 · 架构图谱 · 项目文档 · 知识图谱 · 健康仪表盘
一句话定位
CodeRef AI 是编程 AI 的外置大脑和非编程人员的技术助理。它通过 MCP 协议暴露 6 个工具,让 AI 编程助手不需要逐文件读代码,而是像查数据库一样查询项目结构和风险;同时生成非技术人员也能看懂的项目健康仪表盘和 Wiki 文档。
Related MCP server: ChunkHound
为什么需要 CodeRef
痛点 | CodeRef 怎么解决 |
AI 逐文件读代码产生幻觉,遗漏关键信息 | 11 个独立检测工具交叉验证,置信度分级,消除 AI 自查幻觉 |
审计报告海量误报,人工筛选耗时 | 三级自动降噪,实测 321 条 → 13 条(95.9% 降幅) |
AI 每次都要 grep/读文件才能理解项目 | 知识图谱持久化,结构化查询代替逐文件阅读,节省 10-100 倍 token |
非技术人员完全看不懂代码 | 一键生成通俗 Wiki + 健康仪表盘 HTML,零技术门槛 |
安全漏洞、技术债务默默积累无人发现 | 全维度审计,覆盖 11 个维度,持续监控项目健康 |
核心能力一览
能力 | 面向谁 | 工具 | 说明 |
全维度代码审计 | 编程 AI + 开发者 |
| 11 个检测工具一次运行,三级自动降噪,交叉验证 |
知识图谱查询 | 编程 AI |
| 9 种查询类型,结构化项目记忆层,替代 grep/读文件 |
架构分析图谱 | 开发者 |
| 交互式 HTML 模块画布(vis-network),可视化模块关系 |
项目 Wiki 文档 | 非编程人员 |
| 三级管线生成,通俗语言解释项目结构,支持子项目探测 |
健康仪表盘 | 非编程人员 | (审计自动产出) | 一个 HTML 页面看懂安全评分、债务评分、风险清单 |
误报管理 | 开发者 |
| 白名单管理 + 核心模块规则配置,持续优化审计精度 |
快速开始
1. 安装
git clone https://github.com/your-org/coderef-ai.git
cd coderef-ai
pip install -r requirements.txt2. 配置 LLM(可选)
审计和知识图谱功能不需要 LLM,纯静态分析即可运行。仅 Wiki 文档生成(
coderef_docs)需要 LLM。
Windows 用户:
setup.batLinux / macOS 用户:
export CODEREF_API_KEY="your-api-key"
export CODEREF_PROVIDER="deepseek" # 支持: deepseek / openai / ollama
export CODEREF_BASE_URL="https://api.deepseek.com/v1"
export CODEREF_MODEL="deepseek-chat"使用本地 Ollama(免费,无需 API Key):
export CODEREF_PROVIDER="ollama"
export CODEREF_BASE_URL="http://localhost:11434/v1"
export CODEREF_MODEL="qwen2.5:7b"
export CODEREF_API_KEY="ollama"3. 启动 MCP Server
python -m core.mcp_server4. 配置 MCP 客户端
在 Trae / Claude Desktop 等 MCP 客户端中添加:
{
"mcpServers": {
"coderef-ai": {
"command": "python",
"args": ["-m", "core.mcp_server"],
"cwd": "/path/to/coderef-ai"
}
}
}详细配置指南见 MCP_SETUP.md。
6 个 MCP 工具
工具 | 功能 | 模式 | 需要 LLM |
| 11 审计工具一键产出 + 自动降噪 + 知识图谱构建 | 后台 | 否 |
| 架构分析图谱 + 交互式 HTML 模块画布 | 同步 | 否 |
| 项目 Wiki 文档生成 + 子项目探测 | 后台 | 是 |
| 知识图谱结构化查询(9 种查询类型) | 同步 | 否 |
| 白名单管理 + 核心模块规则配置 | 同步 | 否 |
| 后台任务状态查询 | 同步 | 否 |
典型使用流程
# 1. 初次分析:跑一次审计(自动构建知识图谱)
coderef_audit(project_path="/path/to/project", background=True)
coderef_task_status(task_id="...")
# 2. 编程 AI 随时查询知识图谱(替代 grep/读文件)
coderef_query(project_path="/path/to/project", query_type="callers", func_name="login")
coderef_query(project_path="/path/to/project", query_type="impact", file_path="utils.py")
# 3. 生成项目文档(非编程人员阅读)
coderef_docs(project_path="/path/to/project", background=True)
# 4. 查看健康仪表盘
# → coderef-report/health_dashboard_{timestamp}.html
# 5. 直接询问你的编程AI:请你阅读这个项目的报告,把漏报写进白名单,把问题归类为4种(①你可以自行处理 ②需要我介入 ③很复杂或者很严重,需要我参与讨论 ④新建一个暂存区,看看是误报还是真没有意义需要删除的东西)
# → coderef-report/health_dashboard_{timestamp}.html审计管线
11 个检测工具
检测器 | 检测内容 |
治理审计 (gov) | 架构违规、安全漏洞、反模式、质量铁律,CWE/OWASP 映射 |
Agent 安全审计 (agent) | 提示注入、上下文操纵、工具滥用、数据泄露、自主行为 |
依赖扫描 (sca) | requirements.txt / pyproject.toml 的 CVE 漏洞 |
技术债务 (td) | 圈复杂度、认知复杂度、过长函数、魔法数字、注释代码 |
完整性检查 (integ) | TODO/FIXME 残留、孤立测试文件、文档覆盖率 |
盲区检测 (blind) | 文档盲区、缺失依赖、动态路径注入、空文件 |
创新传播 (inn) | 模块间设计模式不一致、"A 有 B 该有但没有"的缺口 |
垃圾文件 (junk) | 重复文件、应被 gitignore 的文件、孤立文件 |
资源遗漏 (resgap) | 缺失本地模块、动态导入风险、未使用依赖 |
代码精简 (simp) | 死代码、可标准库替代、过度工程 |
项目成熟度 (matu) | 项目健康度综合评分 |
三级自动降噪
层级 | 机制 | 效果 |
Layer 1 | AI 白名单( | 精准抑制已知误报 |
Layer 2 | NOISE_RULES 规则匹配 | 自动抑制 MD5 哈希、配置 URL 等常见误报 |
Layer 3 | 合并汇总 | 邻行去重 + 爆发式汇总(>8 条同类别 → 1 条统计) |
交叉验证反幻觉
多工具独立分析同一项目,相互验证结果,产生置信度分级(HIGH / MEDIUM / LOW)。这是 CodeRef 对抗 AI 自查幻觉的核心机制——单一工具可能误判,但多个独立工具交叉验证后,置信度大幅提升。
知识图谱
运行 audit / architecture / docs 后自动构建 SQLite 知识图谱,持久化到 cache/kg/。一次构建,跨会话复用。
查询速查:
想知道什么 | query_type | 参数 |
项目有多大 |
| 无 |
搜索包含 "auth" 的代码 |
|
|
查找所有认证相关函数 |
|
|
谁调用了 |
|
|
|
|
|
修改 |
|
|
|
|
|
从 |
|
|
实体类型: module / function / class / method / config / constant
关系类型: CONTAINS / IMPORTS / INHERITS / CALLS / REFERENCES
项目结构
coderef-ai/
├── core/ # 核心模块
│ ├── mcp_server.py # MCP Server 入口(6 个工具)
│ ├── pipeline_runner.py # 管线引擎(audit/architecture/docs + 知识图谱)
│ ├── code_knowledge_graph.py # 知识图谱引擎(SQLite 持久化)
│ ├── health_dashboard.py # 项目健康仪表盘(零外部依赖 HTML)
│ ├── wiki_generator.py # Wiki 生成器(三级管线)
│ ├── code_analyzer.py # 代码分析引擎(AST)
│ ├── ast_parser.py # AST 精细解析器(调用关系/赋值/配置)
│ ├── workflow_graph.py # 架构图生成器(vis-network)
│ ├── shared_filter.py # 通用过滤基础设施(AutoNoiseFilter)
│ ├── project_scope.py # 项目范围管理
│ ├── llm_integration.py # LLM 集成(多模型支持)
│ ├── cache_manager.py # 缓存管理
│ ├── gitnexus_client.py # GitNexus 客户端
│ ├── governance_audit.py # 11 个检测器
│ ├── agent_security_auditor.py
│ ├── sca_checker.py
│ ├── tech_debt_detector.py
│ ├── integrity_checker.py
│ ├── blind_spot_detector.py
│ ├── innovation_propagation_detector.py
│ ├── junk_detector.py
│ ├── resource_gap_detector.py
│ ├── code_simplifier.py
│ └── project_maturity_checker.py
├── config/ # 配置文件
│ └── settings.py
├── utils/ # 工具函数
│ └── helpers.py
├── cache/ # 运行时缓存(.gitignore 已忽略)
├── coderef-report/ # 输出报告(.gitignore 已忽略)
├── setup.bat # Windows 配置向导
├── requirements.txt
├── MCP_SETUP.md # 详细配置指南
└── LICENSE设计特性
特性 | 说明 |
不修改代码 | 所有建议只输出不执行,原代码保持不变 |
本地优先 | 代码分析完全在本地,审计和知识图谱无需网络,支持离线运行 |
隐私安全 | LLM API 密钥存本地 |
结构化输出 | 报告 Markdown,仪表盘 HTML,知识图谱 SQLite |
检查点续跑 | 管线每 2 分钟保存进度,中断后可恢复 |
后台任务 | 长任务(audit / docs)异步执行,轮询获取结果 |
项目隔离 | 每个项目独立缓存,切换项目不互相干扰 |
开源友好 | 敏感数据集中 |
更新日志
v3.1 — 知识图谱 + 健康仪表盘
新增 SQLite 持久化项目知识图谱,6 种节点类型,6 种关系边
新增
coderef_queryMCP 工具,9 种查询类型,替代 grep / 读文件新增零外部依赖 HTML 健康仪表盘,非编程人员友好
AstParser 集成到知识图谱构建,自动填充 CALLS 边
Wiki 核心模块判定规则可配置化(
coderef_whitelist扩展)coderef_whitelist新增core_rules_get / set / reset操作
v3.0 — 三功能管线架构
18 个独立 MCP 工具 → 合并为 3 个管线(audit / architecture / docs)
统一管线引擎:共享 AST 扫描 + 检查点续跑 + 后台任务
三级自动降噪(AutoNoiseFilter):白名单 + NOISE_RULES + 合并汇总
交叉验证:多工具独立分析互验,产生置信度分级
许可证
Apache License 2.0 — 详见 LICENSE。
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.
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/keaizuizui/Coderef-Ai'
If you have feedback or need assistance with the MCP directory API, please join our Discord server