github-code-rag-mcp

Краткое описание

MCP-сервер, который позволяет ИИ в реальном времени искать код на GitHub и повторно его использовать. Пишете аутентификацию? Поищите. Пишете middleware? Поищите. Пишете платёж? Поищите. Прежде чем написать хоть строчку кода, ИИ сначала находит лучшую реализацию на GitHub — запрет на изобретение велосипедов. Также встроена методология «Агент анализа требований», чтобы ИИ сначала исследовал, а потом действовал, не гадая.

Related MCP server: MCP Code Intelligence

Болевые точки

Бывает такое?

«Нужно написать модуль аутентификации пользователей. Полчаса искал в браузере, код попадался разного качества.»

«На GitHub есть отличные реализации, но ИИ даже не догадывается их искать — пишет с нуля, как попало.»

«Каждый раз, когда пишу новую функцию, чувствую, что заново изобретаю велосипед, хотя ответы повсюду.»

Проблема в том, как ИИ пишет код сегодня.

现在的流程：AI 想写 → 凭记忆瞎写 → 不对 → 改 → 还不对

应该有的流程：AI 想写 → 搜 GitHub → 找到最好的实现 → 复用 → 微调 → 完成

github-code-rag помещает GitHub в инструментарий вашего ИИ. Хотите что-то написать — сначала поищите, потом скопируйте.

Ключевые возможности

🔥 Поиск на GitHub в реальном времени и повторное использование кода

Сортировка по звёздам, приоритет самым зрелым проектам. Поддержка фильтрации по языку и количеству звёзд.

用户：帮我写个 FastAPI 的数据库连接模块
    ↓
AI：search_github("fastapi sqlalchemy database stars:>1000")
AI：read_github_file("tiangolo/fastapi", "docs_src/sql_app/main.py")
AI：search_code("create_engine sessionmaker")
    ↓
AI：我参考了 FastAPI 官方示例，给你写好了：

# Source: tiangolo/fastapi/docs_src/sql_app/main.py
from sqlalchemy import create_engine
from sqlalchemy.orm import sessionmaker
...

Никакого переключения в браузер, клонирования репозиториев, десятков вкладок. Ваш ИИ на ходу ищет на GitHub, находит лучшую реализацию и сразу использует её.

📚 Прочитанный код автоматически индексируется — со временем всё лучше

Все прочитанные репозитории попадают в локальный полнотекстовый индекс FTS5. В следующий раз, когда вы ищете похожий код, результаты приходят за миллисекунды.

→ search_code("jwt authentication middleware")
  在 12 个已读仓库中找到 47 个匹配片段：
  - fastapi/.../auth.py:35  JWT bearer middleware
  - django/.../auth.py:128  Token authentication
  - ...

Чем дольше пользуетесь, тем больше становится локальная база знаний кода, тем быстрее ИИ пишет код.

🔄 GitHub API + официальная страница поиска — двойная подстраховка от лимитов

• GitHub Search API: наивысшее качество, сортировка по звёздам (60 запросов/ч бесплатно, с токеном 5000 запросов/ч)

• Официальная страница поиска GitHub: бесплатно без ограничений, автоматическое понижение при превышении лимита

• Ноль git clone: всё через REST API, не занимает место на диске

🧠 Бонус: Агент анализа требований — сначала исследование, потом реализация

Системный промпт жёстко прописывает рабочий процесс, чтобы ИИ не начинал писать код с ходу. Сначала он ищет похожие проекты, задаёт уточняющие вопросы на основе реальных примеров и только после подтверждения приступает к разработке.

用户：我想做个博客系统
    ↓
AI：[搜了 10 个相关项目]
    你是要做独立博客（类似 Hugo/Hexo），还是多用户平台？
     - 独立博客（简单、SEO 好）
     - 多用户平台（功能复杂、需后台）
     - 我来根据 GitHub 项目给你推荐

Можно рассматривать как «бесплатное дополнение — методология старшего инженера». Можете не использовать, если не нужно. Сам поиск кода уже стоит того.

⚡ Ноль git clone · Ноль векторных БД · Всего 1 зависимость

• Всё через GitHub REST API — клонирование репозиториев не требуется

• SQLite + FTS5 полнотекстовый индекс — не нужны векторные БД и эмбеддинги

• Во время выполнения зависит только от mcp>=1.0, всё остальное — стандартная библиотека Python

• Запуск < 1 секунды, память < 50 МБ

С установкой vs без установки

Быстрый старт

1. Установка

# 推荐：pipx 一键安装（隔离环境）
pipx install github-code-rag

# 或者 uv
uv tool install github-code-rag

# 或者 pip
pip install github-code-rag

2. Настройка токена (рекомендуется, но не обязательно)

export GITHUB_TOKEN=ghp_your_token_here

Можно работать и без токена — встроенная подстраховка через официальную страницу поиска GitHub, бесплатно и безлимитно. С токеном лимит API GitHub увеличивается с 60 запросов/ч до 5000 запросов/ч.

3. Настройка в вашем AI-клиенте

См. раздел «Настройка клиента» ниже.

4. Попробуйте это

После установки скажите своему ИИ:

«Напиши middleware для JWT-аутентификации на FastAPI. Сначала поищи на GitHub лучшую реализацию.»

Посмотрите, будет ли он сначала искать на GitHub, а потом писать на основе найденного кода.

Настройка клиента

Все настройки ниже — для режима stdio. После настройки перезапустите клиент. Не уверены, где находится программа? Выполните which github-code-rag (macOS/Linux) или where github-code-rag (Windows).

Claude Code

Отредактируйте ~/.claude.json, добавьте:

{
  "mcpServers": {
    "github-code-rag": {
      "command": "github-code-rag",
      "env": {
        "GITHUB_TOKEN": "ghp_your_token_here"
      }
    }
  }
}

Claude Desktop

Откройте настройки → Developer → Edit Config, добавьте:

{
  "mcpServers": {
    "github-code-rag": {
      "command": "github-code-rag"
    }
  }
}

• macOS: ~/Library/Application Support/Claude/claude_desktop_config.json

• Windows: %APPDATA%\Claude\claude_desktop_config.json

Cursor

Конфигурация на уровне проекта (только для текущего проекта): создайте в корне проекта .cursor/mcp.json:

{
  "mcpServers": {
    "github-code-rag": {
      "command": "github-code-rag"
    }
  }
}

Глобальная конфигурация: Настройки → MCP → Add new server → Stdio → введите github-code-rag

Windsurf

Настройки → MCP Servers → Add MCP Server, выберите режим stdio, команда:

github-code-rag

Файл конфигурации обычно находится по адресу:

• macOS: ~/.codeium/windsurf/mcp_config.json

• Windows: %APPDATA%\..\Roaming\Codeium\Windsurf\mcp_config.json

Cline / Roo Code

Настройки → MCP Servers → Add new MCP Server → Local executable, введите:

Command: github-code-rag

Или отредактируйте файл конфигурации напрямую:

• Cline: ~/.cline/mcp.json

• Roo Code: ~/.roo-code/mcp.json

Codex CLI

Отредактируйте ~/.codex/config.toml, добавьте:

[mcp_servers.github-code-rag]
command = "github-code-rag"

OpenCode

Отредактируйте раздел mcp servers в файле конфигурации OpenCode:

{
  "mcpServers": {
    "github-code-rag": {
      "command": "github-code-rag"
    }
  }
}

Все клиенты, поддерживающие протокол MCP, могут работать. Если ваш клиент не указан в списке, конфигурация аналогична — укажите command как github-code-rag.

Список инструментов

Принцип работы

┌───────────────────────────────────────────────────────────┐
│                    你的 AI 客户端                         │
│  (Claude Code / Cursor / Codex / Claude Desktop / ...)   │
└───────────────────────────┬───────────────────────────────┘
                            │ MCP protocol (stdio)
┌───────────────────────────▼───────────────────────────────┐
│                                                           │
│  ┌─────────────────────────────────────────────────┐     │
│  │  系统提示词（需求分析 Agent 方法论）             │     │
│  │    · 先搜再问 · 逐步收敛 · 复用优先              │     │
│  └───────────────────────┬─────────────────────────┘     │
│                          │ 指导 AI 怎么用工具             │
│  ┌───────────────────────▼─────────────────────────┐     │
│  │  9 个 MCP 工具                                   │     │
│  │  搜索 / 浏览 / 阅读 / 搜索代码 / 历史 / 管理     │     │
│  └───────────┬───────────────────────────┬─────────┘     │
│              │                           │               │
│ ┌────────────▼───────────┐   ┌───────────▼──────────┐    │
│ │  GitHub REST API       │   │  SQLite + FTS5       │    │
│ │  + GitHub 搜索页兜底   │   │  本地代码知识库       │    │
│ │  零 git clone          │   │  Trigram 全文搜索     │    │
│ └────────────────────────┘   └──────────────────────┘    │
│                                                           │
└───────────────────────────────────────────────────────────┘

Почему FTS5, а не векторная база данных?

Наше решение: двухэтапный поиск. Сначала используем GitHub Search, чтобы найти нужный репозиторий (решить вопрос «какой проект стоит использовать»), затем с помощью FTS5 точно ищем код внутри репозитория (решить вопрос «где именно находится реализация»).

Векторный поиск? В сценарии повторного использования кода это часто переоценённое решение. Когда вы ищете код, вы думаете: «как использовать sessionmaker», «как написать middleware для JWT», а не «что-то семантически близкое к аутентификации».

Сравнение с аналогами

Итоговое сравнение:

• codedb / codebase-rag = инструменты для поиска по локальному коду

• Официальный GitHub MCP = универсальный инструментарий для GitHub

• github-code-rag = инструмент, специально созданный для копирования кода с GitHub + бонусная методология анализа требований

Структура проекта

├── server/
│   └── mcp_server.py          # MCP 服务器 + 系统提示词
├── github/
│   └── connector.py           # GitHub API 封装（纯 urllib，零依赖）
├── core/
│   ├── models.py              # 数据模型
│   └── retrieval_engine.py    # FTS5 搜索引擎
├── storage/
│   └── sqlite_storage.py      # SQLite + FTS5 + WAL + 触发器同步
├── tests/
│   ├── test_retrieval.py
│   └── test_storage.py
├── .well-known/mcp.json       # SSE 模式配置
└── pyproject.toml

Разработка

# 克隆
git clone https://github.com/suyu-creator/github-code-rag-mcp.git
cd github-code-rag-mcp

# 安装依赖
uv sync

# 运行测试
uv run pytest

# 手动启动（stdio 模式）
uv run github-code-rag

Переменные окружения:

GITHUB_TOKEN=ghp_xxx           # GitHub API Token（推荐）
CODE_RAG_DATA_DIR=~/.code-rag  # 数据存储目录

Часто задаваемые вопросы

Какие MCP-клиенты поддерживаются?

Все, поддерживающие протокол MCP — Claude Code, Claude Desktop, Cursor, Windsurf, Cline, Codex, Gemini CLI, OpenCode… Если можно настроить MCP-сервер, то работает.

Мой код будет отправлен?

Нет. Все индексы хранятся локально в SQLite. GitHub API используется только для чтения публичных репозиториев, ваш код не отправляется.

Почему не использовать просто gh CLI?

Потому что инструменты MCP должны быть прозрачны для ИИ — ИИ не нужно знать, какой CLI у вас установлен, ему достаточно вызвать инструмент. К тому же чистая реализация на Python, без системных зависимостей.

Что делать, если превышен лимит API GitHub?

Автоматическое понижение до официальной страницы поиска GitHub — бесплатно, безлимитно, без дополнительной настройки. Немного хуже по качеству, но не перестаёт работать.

Будет ли добавлен векторный поиск?

Возможно, но не в приоритете. Наша позиция — «быстро найти правильный код для повторного использования». Двухэтапный поиск FTS5 + GitHub Search покрывает 90% сценариев. Реальная польза векторного поиска в сценарии повторного использования кода не так велика, как об этом говорят маркетинговые материалы.

Участие в проекте

• Нашли баг → Создайте Issue

• Есть идея → Сначала обсудите через Issue

• Хотите внести код → Fork + PR

• Понравилось → Поставьте звезду, чтобы больше людей узнали

English

In One Sentence

An MCP server that lets your AI search and reuse code from GitHub in real time. Writing auth? Search first. Writing middleware? Search first. Writing payment integration? Search first. Before AI writes any code, it finds the best implementation on GitHub — no reinventing the wheel. Also includes a "requirements analysis Agent" methodology so AI researches before building, no guessing.

The Problem

Does this sound familiar?

"Needed an auth module, spent 30 mins Googling, found code of questionable quality."

"There are great implementations on GitHub, but the AI never searches — it just writes from scratch."

"Every new feature feels like reinventing the wheel when answers are everywhere."

The problem is how AI codes today.

Current: AI wants to write → guesses from memory → wrong → rewrite → still wrong

Better: AI wants to write → searches GitHub → finds the best → reuses → tweaks → done

github-code-rag puts GitHub inside your AI's toolbox. Search first, reuse second.

Core Capabilities

🔥 Real-time GitHub code search & reuse

Sorted by stars, finds the most mature projects first. Filter by language and star count.

User: Write a FastAPI database connection module
    ↓
AI: search_github("fastapi sqlalchemy database stars:>1000")
AI: read_github_file("tiangolo/fastapi", "docs_src/sql_app/main.py")
AI: search_code("create_engine sessionmaker")
    ↓
AI: I referenced the FastAPI official example, here you go:

# Source: tiangolo/fastapi/docs_src/sql_app/main.py
from sqlalchemy import create_engine
from sqlalchemy.orm import sessionmaker
...

No browser switching, no cloning repos, no dozens of tabs. Your AI searches GitHub on the fly while coding, finds the best implementation, reuses it.

📚 Read code auto-indexes, gets better over time

All read repos go into a local FTS5 full-text index. Next time you search for related code, results come back in milliseconds.

→ search_code("jwt authentication middleware")
  Found 47 matches across 12 indexed repos:
  - fastapi/.../auth.py:35  JWT bearer middleware
  - django/.../auth.py:128  Token authentication
  - ...

The more you use it, the bigger your local code knowledge base gets, the faster AI codes.

🔄 GitHub API + official search page dual fallback

• GitHub Search API: highest quality, sorted by stars (60 req/hr free, 5000 with Token)

• GitHub official search page fallback: free unlimited quota, auto-degrade on rate limit

• Zero git clone: all via REST API, no local disk bloat

🧠 Bonus: Requirements Analysis Agent

The system prompt hardcodes a workflow so AI doesn't jump straight into coding. It searches similar projects first, asks clarifying questions based on real examples, and only starts building after confirmation.

User: I want to build a blog system
    ↓
AI: [searched 10 relevant projects]
    Do you want a standalone blog (like Hugo/Hexo) or a multi-user platform?
     - Standalone blog (simple, great SEO)
     - Multi-user platform (complex features, needs admin backend)
     - Recommend based on GitHub projects

Think of it as "a senior engineer's methodology — included for free." You don't have to use it. The code search alone is worth it.

⚡ Zero git clone · Zero vector DB · Only 1 dependency

• All via GitHub REST API — no repo cloning needed

• SQLite + FTS5 full-text index — no vector DB or embeddings

• Runtime depends only on mcp>=1.0, everything else is Python stdlib

• Startup < 1 second, memory < 50MB

With vs Without

Быстрый старт

1. Установка

# Recommended: pipx (isolated environment)
pipx install github-code-rag

# Or uv
uv tool install github-code-rag

# Or pip
pip install github-code-rag

2. Настройка токена (опционально, но рекомендуется)

export GITHUB_TOKEN=ghp_your_token_here

Работает без токена — встроенный запасной вариант официальной страницы поиска GitHub, бесплатно и безлимитно. С токеном квота API GitHub увеличивается с 60 запросов/час → 5000 запросов/час.

3. Настройка вашего ИИ-клиента

См. раздел "Настройка клиента" ниже.

4. Попробуйте это

После установки скажите вашему ИИ:

"Напиши JWT-мидлварь для FastAPI. Сначала выполни поиск на GitHub для поиска лучшей реализации для ссылки."

Посмотрите, будет ли он искать на GitHub перед написанием кода.

Настройка клиента

Все конфигурации используют stdio режим. Перезапустите клиент после настройки. Не уверены в пути установки? Выполните which github-code-rag (macOS/Linux) или where github-code-rag (Windows).

Claude Code

Отредактируйте ~/.claude.json, добавьте:

{
  "mcpServers": {
    "github-code-rag": {
      "command": "github-code-rag",
      "env": {
        "GITHUB_TOKEN": "ghp_your_token_here"
      }
    }
  }
}

Claude Desktop

Настройки → Разработчик → Редактировать конфиг, добавьте:

{
  "mcpServers": {
    "github-code-rag": {
      "command": "github-code-rag"
    }
  }
}

• Путь конфига macOS: ~/Library/Application Support/Claude/claude_desktop_config.json

• Путь конфига Windows: %APPDATA%\Claude\claude_desktop_config.json

Cursor

На уровне проекта (только текущий проект): создайте .cursor/mcp.json в корне проекта:

{
  "mcpServers": {
    "github-code-rag": {
      "command": "github-code-rag"
    }
  }
}

Глобально: Настройки → MCP → Добавить новый сервер → Stdio → введите github-code-rag

Windsurf

Настройки → MCP Servers → Добавить MCP сервер, выберите stdio режим, команда:

github-code-rag

Расположение файлов конфигурации:

• macOS: ~/.codeium/windsurf/mcp_config.json

• Windows: %APPDATA%\..\Roaming\Codeium\Windsurf\mcp_config.json

Cline / Roo Code

Настройки → MCP Servers → Добавить новый MCP сервер → Локальный исполняемый файл, введите:

Command: github-code-rag

Или отредактируйте файлы конфигурации напрямую:

• Cline: ~/.cline/mcp.json

• Roo Code: ~/.roo-code/mcp.json

Codex CLI

Отредактируйте ~/.codex/config.toml, добавьте:

[mcp_servers.github-code-rag]
command = "github-code-rag"

OpenCode

Отредактируйте раздел mcp servers в конфиге OpenCode:

{
  "mcpServers": {
    "github-code-rag": {
      "command": "github-code-rag"
    }
  }
}

Любой MCP-совместимый клиент работает. Если ваш клиент не указан выше, настройка практически такая же — укажите command на github-code-rag.

Список инструментов

Как это работает

┌───────────────────────────────────────────────────────────┐
│                    Your AI Client                         │
│  (Claude Code / Cursor / Codex / Claude Desktop / ...)   │
└───────────────────────────┬───────────────────────────────┘
                            │ MCP protocol (stdio)
┌───────────────────────────▼───────────────────────────────┐
│                                                           │
│  ┌─────────────────────────────────────────────────┐     │
│  │  System Prompt (Requirements Analysis Agent)    │     │
│  │    · Search first · Iterative narrowing         │     │
│  │    · Reuse-first · One question at a time       │     │
│  └───────────────────────┬─────────────────────────┘     │
│                          │ Guides AI tool usage           │
│  ┌───────────────────────▼─────────────────────────┐     │
│  │  9 MCP Tools                                     │     │
│  │  search / browse / read / code search / history │     │
│  └───────────┬───────────────────────────┬─────────┘     │
│              │                           │               │
│ ┌────────────▼───────────┐   ┌───────────▼──────────┐    │
│ │  GitHub REST API       │   │  SQLite + FTS5       │    │
│ │  + GitHub search page  │   │  Local code KB       │    │
│ │  Zero git clone        │   │  Trigram FTS         │    │
│ └────────────────────────┘   └──────────────────────┘    │
│                                                           │
└───────────────────────────────────────────────────────────┘

Почему FTS5, а не векторные базы данных?

Наш подход: двухфазный поиск. Сначала используем поиск GitHub для поиска подходящих репозиториев ("какой проект стоит использовать в качестве ссылки"), затем используем FTS5 для точного поиска кода внутри репозиториев ("где находится реализация").

Векторный поиск? Для повторного использования кода это часто переоцененное решение. Когда вы ищете код, вы думаете "как использовать sessionmaker" или "как написать JWT-мидлварь" — а не "вещи, семантически похожие на аутентификацию."

Сравнение

В одном предложении:

• codedb / codebase-rag = инструменты для поиска локального кода

• Официальный GitHub MCP = швейцарский нож для GitHub

• github-code-rag = специально создан для повторного использования кода GitHub + бонусный Агент методологии

Структура проекта

├── server/
│   └── mcp_server.py          # MCP server + system prompt
├── github/
│   └── connector.py           # GitHub API wrapper (pure urllib, zero deps)
├── core/
│   ├── models.py              # Data models
│   └── retrieval_engine.py    # FTS5 search engine
├── storage/
│   └── sqlite_storage.py      # SQLite + FTS5 + WAL + trigger sync
├── tests/
│   ├── test_retrieval.py
│   └── test_storage.py
├── .well-known/mcp.json       # SSE mode config
└── pyproject.toml

Разработка

# Clone
git clone https://github.com/suyu-creator/github-code-rag-mcp.git
cd github-code-rag-mcp

# Install dependencies
uv sync

# Run tests
uv run pytest

# Manual start (stdio mode)
uv run github-code-rag

Переменные окружения:

GITHUB_TOKEN=ghp_xxx           # GitHub API Token (recommended)
CODE_RAG_DATA_DIR=~/.code-rag  # Data storage directory

Часто задаваемые вопросы

Какие MCP клиенты поддерживаются?

Все MCP-совместимые клиенты — Claude Code, Claude Desktop, Cursor, Windsurf, Cline, Codex, Gemini CLI, OpenCode… любой клиент, который может настроить MCP сервер, работает.

Будет ли мой код загружен?

Нет. Все индексы хранятся в локальной SQLite. GitHub API читает только публичные репозитории. Ваш код никогда не покидает ваш компьютер.

Почему бы просто не использовать gh CLI?

Потому что MCP инструменты должны быть прозрачны для ИИ — ему не нужно знать, какой CLI у вас установлен, он просто вызывает инструменты. Плюс чистая реализация на Python, нулевые системные зависимости.

Что если API GitHub превысит лимит запросов?

Автоматически переключается на официальную страницу поиска GitHub. Бесплатно, безлимитная квота, не требуется дополнительная настройка. Опыт немного ухудшается, но работа никогда не прекращается.

Добавите ли вы векторный поиск?

Возможно, но это не текущий приоритет. Наш фокус — "быстро найти правильный код для повторного использования." Двухфазный поиск (поиск GitHub + FTS5) уже покрывает 90% случаев использования. Реальная польза векторного поиска для повторного использования кода не так велика, как утверждается в маркетинге.

Вклад в проект

• Нашли ошибку → откройте Issue

• Новая идея → сначала откройте Issue для обсуждения

• Кодовый вклад → Fork + PR

• Считаете полезным → поставьте звезду, помогите большему количеству людей узнать о нём