Files-DB-MCP：代码项目的向量搜索

本地向量数据库系统，通过消息控制协议（MCP）为LLM编码代理提供快速、高效的软件项目搜索功能。

特征

• 零配置- 使用合理的默认值自动检测项目结构

• 实时监控——持续监视文件变化

• 向量搜索——用于查找相关代码的语义搜索

• MCP 接口- 兼容 Claude Code 和其他 LLM 工具

• 开源模型- 使用 Hugging Face 模型进行代码嵌入

Related MCP server: MCPunk

安装

选项 1：克隆和设置（推荐）

# Using SSH (recommended if you have SSH keys set up with GitHub)
git clone git@github.com:randomm/files-db-mcp.git ~/.files-db-mcp && bash ~/.files-db-mcp/install/setup.sh

# Using HTTPS (if you don't have SSH keys set up)
git clone https://github.com/randomm/files-db-mcp.git ~/.files-db-mcp && bash ~/.files-db-mcp/install/setup.sh

选项 2：自动安装脚本

curl -fsSL https://raw.githubusercontent.com/randomm/files-db-mcp/main/install/install.sh | bash

用法

安装后，在任意项目目录运行：

files-db-mcp

该服务将：

1. 检测你的项目文件

2. 在后台开始索引

3. 立即开始响应 MCP 搜索查询

要求

• Docker

• Docker Compose

配置

Files-DB-MCP 无需配置即可运行，但您可以使用环境变量对其进行自定义：

• EMBEDDING_MODEL - 更改嵌入模型（默认值：'jinaai/jina-embeddings-v2-base-code'或项目特定模型）

• FAST_STARTUP - 设置为“true”以使用较小的模型实现更快的启动（默认值：“false”）

• QUANTIZATION - 启用/禁用量化（默认值：'true'）

• BINARY_EMBEDDINGS - 启用/禁用二进制嵌入（默认值：'false'）

• IGNORE_PATTERNS - 要忽略的文件/目录的逗号分隔列表

首次启动

首次运行时，Files-DB-MCP 将下载嵌入模型，这可能需要几分钟，具体取决于：

• 所选模型的大小（高质量模型为 300-500MB）

• 您的互联网连接速度

由于模型缓存在持久 Docker 卷中，后续启动速度会更快。为了加快初始启动速度，您可以：

# Use a smaller, faster model (90MB)
EMBEDDING_MODEL=sentence-transformers/all-MiniLM-L6-v2 files-db-mcp

# Or enable fast startup mode
FAST_STARTUP=true files-db-mcp

模型缓存

Files-DB-MCP 会自动保存下载的嵌入模型，因此您只需下载一次：

• 模型存储在名为model_cache的 Docker 卷中

• 此卷在容器重启和跨不同项目时仍然存在

• 您的计算机上的所有使用 Files-DB-MCP 的项目共享缓存

• 您无需为每个项目再次下载模型

克劳德代码集成

添加到您的 Claude 代码配置：

{
  "mcpServers": {
    "files-db-mcp": {
      "command": "python",
      "args": ["/path/to/src/claude_mcp_server.py", "--host", "localhost", "--port", "6333"]
    }
  }
}

有关详细信息，请参阅Claude MCP 集成。

文档

• 安装指南- 详细设置说明

• API 参考- 完整的 API 文档

• 配置指南- 配置选项

存储库结构

• /src源代码

• /tests单元和集成测试

• /docs文档

• /scripts实用脚本

• /install安装脚本

• /.docker配置

• /config配置文件

• /ai-assist - AI 辅助文件

执照

MIT 许可证

贡献

欢迎贡献！请随时提交拉取请求。