synapse-mcp

你的编程 AI 智能体的结构化大脑。

Synapse-MCP 是免费、100% 本地运行的 MCP 服务器，能将你的代码库转为持久化且随附于设备本地的 AST 知识图。Claude、Cursor、Copilot 以及每个支持 MCP 的智能体都能获得精确的调用者树、语义搜索和零幻觉的重构能力——它的令牌开销比使用 shell 工具降低 60%。你的代码永远不会离开你的机器。

# Linux / macOS
curl -fsSL https://downloads.synapse-mcp.dev/install.sh | sh

# Windows PowerShell
irm https://downloads.synapse-mcp.dev/install.ps1 | iex

什么是 Synapse MCP？

如果你用过 AI 编码助手——Claude、Copilot、Cursor、Devin——你大概已经注意到，在真正 修改 代码之前，它们会花大量时间先去 寻找 代码。它们会 grep 文件、查看 imports、搜索函数名、一个文件接一个文件地打开。这种探索过程成本很高：既消耗 token，又浪费时间，而且有时候仍然会出错。

Synapse 正好解决这个问题。

它是MCP 服务端——一个常驻后台进程，它连入你的 AI 智能体并赋予一组新的工具。它给你的智能体提供的并不是一个文件系统加搜索框，而是一个针对整个代码库预先生成的知识图：每个函数、每个类、每条调用关系、每个模块边界——都已经建立索引并结构化了，能够在毫秒级内就绪并可供查询。

通俗地来说

试想一下一个入职第一天的新员工，和一个在这套代码库里已经工作多年的资深工程师的差别。

新员工会去打开文件、搜索各种东西、四处提问，并会被各种陌生的命名搞糊涂。每一次任务都会先从“探索”开始。

资深工程师早已对一切都了然于胸。他们会径直走到正确的文件，并在修改之前就已经明白改动会影响哪些下游行为，还清楚地知道要跑哪些测试。他们不会先探索——他们直接行动。

Synapse 正是把你的 AI 智能体变成那位资深工程师。 知识图只构建一次，并随着你的代码变化自动更新，而且在每一次智能体请求时都能立即被查询到——这一切都不需要让代码离开你的机器。

我为什么要用它？

Related MCP server: Reporecall

本地优先，永远如此。

🔒 你的代码永远不会离开你的机器。 Synapse 完全运行在你的硬件上——它不建立云端索引，不将你的源码用于 API 调用，不进行遥测数据采集，也没有任何供应商锁定。

大多数代码智能工具 통해把代码发送到云端服务以构建索引。Synapse 不这样做。完整的 AST 图——每个函数、每一条边、每个嵌入表示——都在本地构建并存储在一个持久化的本机设备存储中。当图谱构造完成后，你的智能体直接通过 MCP 查询。不会传出去任何内容。

这：

以下场景尤其需要这种设计：

• 企业环境和受监管环境 ——源代码留在安全边界以内

• 开源贡献者 —— 未发布的在工作不被泄漏

• 所有重视速度的用户 —— 本地图谱查询亚毫秒延迟，不会发生网络往返。

Why Synapse?

标准智能体 grep 文本，而 Spreadsheet 从不预构建的 AST 图谱中提供 Search in text。

"四次工具调用，零文件读取，零 grep。在使用 Synapse 时，智能体把自己的 token 花在任务本身——而不是花在寻找代码上。" —— Synapse 基准报告

Benchmark —— 自动化安全审计 · 500k 行代码 · 同一种前沿模型

更少的工具调用 + 无网络延迟 = 智能体迭代效率显著提升。

特性一览

语言支持

支持超过 50 种语言，并支持多种仓库。所有主流编程语言的 AST 感知代码块边界抽象与依赖边抽取，无需插件，无需额外配置，也无需云服务。

Elixir Python TypeScript JavaScript Go Rust OCaml Haskell F# Clojure Scala Java Kotlin Swift C C++ C# Ruby PHP Dart Zig Erlang Julia Groovy Solidity GraphQL HCL / Terraform Protobuf SQL Shell PowerShell Lua ...and more

安装指南

请参阅以下指南中的快速开始，也可以访问 synapse-mcp.dev/download 了解完整指南和图形化界面安装程序。

价格

Free 版 —— Golden Graph · 永久免费

Pro 专业版 —— Shadow Graph · $19 / 月

通常节省下来的 token 费用已超过订阅费用。

Synapse 从每次会话中学习

大部分 AI 工具没有记忆。每次会话都从零开始——智能体又要重新通读同样的文件，重写找到同样的函数，又会提相同的问题。这对时间和 token 的成本都是高昂的。

Synapse 与众不同。它维护一份持久化的、设备本地的知识图谱，在每次会话中不断积累。但除了存储图谱之外，它还内置了一个学习与强化层——你使用得越多，它就越智能。

学习机制——用大白话解释

可以把它想象成一位非常有条理、且随时记笔记的同事。

1. 摘要永久留存

当一个 agent（或你）解释某个函数的功能时——"This handles Stripe webhook validation and checks for duplicate events"——Synapse 会把它永久写入图谱。下一次会话中，任何触碰该函数的 agent 都会自动获得你的解释。你只需写一次，所有 agent 永远受益。

2. 会自我学习的查询 每次搜索返回有用结果、且 agent 实际采用了它时，Synapse 都会悄悄记录这种关联：“当有人问 X 时，chunk Y 正是正确答案。” 久而久之，常见查询中最好用的结果会自动浮现到顶部——不需要任何人手动调优。这就是检索强化：图谱会基于真实使用来改进自己的排序。

3. 显式提升 如果某个结果特别重要，你还可以直接告诉 Synapse：“对于支付处理相关的查询，始终优先展示这个 chunk。” 这条指令会本地保存，并在此后的每次会话中都得到遵守。

4. 缺口检测 Synapse 会跟踪代码库中哪些部分被查询最多、却还没有对应的解释说明。它可以按需展示这些缺口——这样你就清楚知道，五分钟的备注写在哪个位置，会对未来 agent 会话产生最大影响。

最终的结果，是一个会复利式增长的代码库模型。图谱越来越丰富，排序越来越精准，agent 在重复探索已经理解的内容上花费的时间越来越少。

🔒 学习层完全本地运行。没有任何查询、摘要、也在使用信号信号离开你的电脑。

✨ 学习与记忆系统是 Pro 功能。这是我们投入最具原创性工程的部分——构建一套反馈循环，让后续每个 agent 会话都肉眼可见地更快。

MCP 工具参考

Synapse 通过 Model Context Protocol 曝光了 13 个精准工具。所有工具都接受 compress_payload 标识（默认 true），它会在零信息损失的前提下启用 SmartCrusher 压缩——响应 token 减少 30–60%。

标记为 FREE 的工具在所有方案中可用。标记为 PRO 的工具需要 Pro 订阅（$19/月）。真正的核心工程——安全原子写入与回滚、跨会话学习、崩溃解决、变更影响分析——都属于 Pro 功能。

ask_synapse — FREE

这是默认的自然语言入口。 用最简单自然的语言提问或描述任务，Synapse 会把它路由到最优底层工具，返回可安全执行的的 next_tool_calls，并给出 completion_state 与 agent_instruction，让你始终知道下一步该做什么。

几乎任何任务都先使用它：代码检索、删除安全检查、编辑、debugging、测试分析、管理操作都行。如果要提“我可以删除 X 吗？”、“X 还在使用吗？”或者“我应该保留 X 吗？”这类问题，请捎带 inputs.chunk_id；如果不知道，就提供 repo_id 并在 inputs.symbol 中指定一个带 fixed shape 的精确定位函数依赖。如果用户只给了一段文字描述，不要靠猜——请他给出具体符号，或展示候选候选结果。

{ "query": "Where is the retry logic for the payment service?", "repo_id": "my-org/my-repo" }

synapse_search_codebase — FREE

按含义、名称、模式找代码。 一个工具里面有三种搜索方式：

{ "action": "symbol", "query": "PaymentService", "repo_id": "my-org/my-repo" }

synapse_explore_graph — FREE

围绕任意类型 chunk 做关系探索。 输入一个 chunk ID（来自任意搜索结果），可以从任意方向遍历 AST 依赖图谱。

在改动任何函数之前，先用它看清楚影响完整影响范围。

{ "action": "callers", "chunk_id": "abc123", "depth": 3 }

synapse_get_context — FREE

高级上下文收集，适用于编辑、新功能开发和解释场景。

{ "action": "edit", "intent": "Refactor the caching layer to use Redis", "repo_id": "my-org/my-repo" }

synapse_inspect_files — FREE

以结构感知的方式来读取源码文件与这些 chunk。

配合 format: “outline” 一遍扫描 20+ 个文件，社会被消耗的 token 成本降到很低。只有当非真实实现不可时，才该用 format: “full”。

{ "action": "read_files", "files": [{ "path": "lib/my_module.ex", "ranges": ["45-80"] }], "format": "outline" }

⚠️ Linting 工作流提醒：当你在排查空格/.issue 或格式问题时，读文件时请传 compress_payload: false。SmartCrusher 在返回内容之前会先去掉行尾空格，而你本来正是要找这些空格类问题。

synopsis_modify_files — PRO

安全地编辑代码——验证通过则原子写入，失败会全部回滚。

这是我们最引以为傲的机制之一。Agent 直接写文件很危险：一旦 lint 不过，就可能留下损坏的文件、没写完的函数，或者直接让代码库 build 不了。write_safely 的方法是在内存中模拟这次编辑，预先跑一遍你自己项目的 lint 规则，只有 lint 通过才会在真正被称为“已写入到磁盘”。无论什么状况，都能保证原始文件不被破坏。

先配合 synapse_get_context（edit 动作）查看行为上下文，再做任何 edit 尝试。

{ "action": "write_safely", "path": "lib/my_module.ex", "content": "..." }

synapse_change_review — PRO

代码在配送前先想清楚影响范围。

在推送前，Synapse 会先映射你 diff 涉及的所有 chunk，明确相关风险，识别是否有破坏的协议契约，并告诉你该该哪些测试会对全套风险更稳。这相当于把人工代码评审中一项通常耗时 20–40 的中等规模改动，变成一次即时操作。

喂给它原始 diff 字符串或一个 commit range，就能得到可执行的检查建议，运算在你 push 之前。

{ "action": "review_diff", "diff": "..." }

synapse_codebase_insights — FREE

一次调用拿到整个代码库层面的分析。 当某个 agent 需要判断一个符号或一行 chunk 是否仍在被使用、是否安全删除时，操作方式通常是 ask_synapse，但也可以直接与之对应的 dead_code 动作接出来。

{ "action": "overview", "repo_id": "my-org/my-repo" }

“删除安全”类问题通常应当经由 ask_synapse 进入，这能保证 route 将来会发起路由检索、缺失 input 时有引导，以及 agent_instruction 一致传递：

{
  "query": "Can I delete this chunk?",
  "repo_id": "my-org/my-repo",
  "inputs": { "chunk_id": "my-org/my-repo:lib/parser.ex:120" }
}

{
  "query": "Is Parser.parse/2 still used?",
  "repo_id": "my-org/my-repo",
  "inputs": { "symbol": "Parser.parse/2" }
}

如果没有可用的 chunk_id，请传入 repo_id 加上一个带元数限定的符号，例如 Parser.parse/2；描述性文字应产生澄清或候选结果，而不是猜测性的删除决策。

解读 dead_code 时，请阅读 preferred_identifier、valid_input_patterns、scope、clause_level_analysis、safe_to_delete、deletion_risk、confidence、caveats 以及 supporting_evidence.production_callers / supporting_evidence.test_callers。dead_code 是函数级别的；子句级可达性目前被报告为不支持。有生产环境调用者意味着应保留；仅有测试调用者或可见性未知的情况应作为警示呈现，而不是自动删除。

synapse_test_quality — PRO

测试发现与覆盖率分析——无需测试运行器。

直接从 AST 图推导测试覆盖率与缺口——完全不需要运行任何测试。这对于大型代码库尤其有用，因为完整的测试套件可能需要数分钟才能执行完。Synapse 能在几秒钟内告诉您什么已覆盖、什么未覆盖，以及下一步应聚焦何处。

{ "action": "find_tests", "symbol": "PaymentService.charge" }

synapse_debug_trace — PRO

直接从 AST 图进行调试与执行追踪。

粘贴原始堆栈跟踪，即可获得根本原因分析，将每一帧直接映射到您的索引代码块，并附上建议的复现测试以及导致该结果的调用链。无需运行时、无需调试器、无需重新运行失败场景。

{ "action": "resolve_stack", "stack_trace": "..." }

synapse_knowledge_cache — PRO

学习与强化层。能够跨会话持续存在的持久化知识。

这是 Synapse 最独特的能力。关于其工作原理的通俗易懂解释，请参阅 Synapse 从每次会话中学习。需要逐字保留原文的地方除外。

{ "action": "save_summary", "chunk_id": "abc123", "summary": "Handles Stripe webhook validation and idempotency checks." }

synapse_manage_repos — FREE

在 Synapse 图中注册、列出和管理仓库。

{ "action": "register", "path": "/path/to/my-repo" }

synapse_indexer_control — FREE

健康检查与索引器管理。

{ "action": "status", "repo_id": "my-org/my-repo" }

synapse_capability_manifest — FREE

自描述的工具表面。 返回当前运行版本 Synapse 可用的完整工具、操作和参数列表。对于代理启动新会话时初始化，或检查已连接服务器提供的功能非常有用。

{}

Git Worktree 支持

Synapse 通过 Virtual Worktree Overlay (VWO) 透明地支持 Git worktrees：

• 增量索引 —— 只对修改/添加/删除的文件重新索引。几乎即时完成（< 50ms）。

• 覆盖层优先级 —— worktree 的 chunk 会自动覆盖 主仓库 的 chunk。

• 并行 Agent 工作流 —— 在多个单独 worktree 中自由运行子 agent，而无需重复主索引。

在任何地方工作

Synapse 实现了开放的 Model Context Protocol。如果您的工具能讲 MCP，它就能与 Synapse 协同工作。

IDE 与编辑器： Cursor · Windsurf · VS Code · Zed · JetBrains AI

代理： Claude Code · GitHub Copilot · Devin · Aider · Cline · Continue.dev · Replit Agent · Amazon Q · OpenHands · SWE-agent · Plandex · Antigravity

工具： Sourcegraph Cody · Qodo · Tabnine

快速开始

完整 安装 指南 & GUI 安装程序： synapse-mcp.dev/download

Linux / macOS

curl -fsSL https://downloads.synapse-mcp.dev/install.sh | sh

下载并运行安装脚本 —— 安装前先检查

Windows

powershell -c "irm https://downloads.synapse-mcp.dev/install.ps1 | iex"

从 PowerShell 运行 —— 请先检查脚本

安装程序会自动检测您的 MCP 客户端（Cursor、Claude Code、Windsurf、VS Code 等）并写入正确配置。

隐私

100% 本地化。 Synapse 完全在您自己的机器上运行。没有任何代码会离开您的环境，无云端依赖，无数据外传。您的代码库始终属于您。

参与贡献 —— 帮助 Agent 更好地使用 Synapse

这是您能做出的最有战略意义的贡献。

大语言模型的训练语料中包含海量代码，开发者通常用 grep、find、cat 和 ls 去探索代码库。这种“肌肉记忆”已经刻进了模型的权重中。当 一个 agent 进入新项目时，它的第一反应往往是 grep——即使有更聪明、更廉价的工具可用。

Synapse 附带了一组 agent skill 文件（.agents/skills/synapse-mcp/SKILL.md、AGENTS.md），这些文件会在 session 开始时由 agent 加载。它们通过给 agent 明确的调度规则、反模式和示例工具调用，来覆盖 grep 的本能。这些文件实际上就是“脉动”的运行时训练——它教 agent 的是 如何 使用工具，而不仅仅是这些工具能做什么。

问题所在： 我们能写的只有我们观察到的。而您可能已经发现了具体 agent 的无视失败模式、路由缺口或用词问题。而我们没有。技能文件会通过真实世界使用反馈迅速改进。

期待您的贡献

如何参与

1. 创建 issue —— 描述您发现的失败模式或空白。请提供 agent 名称、问题查询以及“实际发生 vs 应该发生”的信息。

2. 提交 PR —— 直接编辑 AGENTS.md 或 .agents/skills/synapse-mcp/SKILL.md 文件。Skill 文件的 PR 审核和合并非常快——不需要测试。

3. 共享 benchmark —— 如果您在自己的代码库上比较了 Synapse 和 shell 工具并得到量化结果，我们愿意发布它们。

skill 文件位于 仓库 根目录和 .agents/ 目录。它们是纯 Markdown——无需了解 Elixir 知识。只要能描述哪里出了问题，您就能写出修复。

接下来 —— Myelix Agents · 2026 年 Q3 发布

Synapse 为您的既有 AI agents 提供了一份精确的代码库地图。Myelix Agents 是下一步：从零开始构建的 AI 编程 agent，从而在编码之前就学会 思考。

现代 agent 通常是被动反应——读取文件、修改、寄期待；而 Myelix Agents 会进行周密规划。它们维护一个明确的任务模型，在触碰代码之前先思考风险，整合以前的 session 中积累的学习（通过 Synapse 的知识图），并在出错时调整修正路径。

准确 > 速度，思考 > grep。

Synapse Pro 订阅用户将获得优先体验资格。 立即加入 waitlist →

支持

需要帮助吗？ 打开一个 issue，我们会回复您。Bug 报告、新功能请求以及集成咨询均欢迎提交。

• 🐛 提 Bug File a bug

• 💡 提请 feature

• 💬 在线咨询

链接

• 🌐 synapse-mcp.dev —— 官方网站 & 文档

• ⬇️ 下载与安装指南

• 📖 博客——深入技术解读与基准测试

• 🔒 隐私政策