mcp-server-bm25-code-search

AI コーディングエージェント（Claude Code, Codex CLI, Antigravity, Hermes Agent）におけるファイル検索を高速化・低トークン化するための、SQLite FTS5 ベースのローカル BM25 コード検索エンジン & MCP サーバです。

✨ 特徴

• 📦 外部依存ゼロ (Python 標準ライブラリのみ)
  sqlite3 (FTS5) および標準ライブラリのみで構築されており、pip install などのサードパーティ依存パッケージなしで即座に動作します。

• 🔤 コード識別子 & 日本語ハイブリッド対応
  getUserProfile (camelCase) や session_token (snake_case) のサブワード分割に加え、日本語技術文書の CJK 2-gram（バイグラム）トークナイズを Python 側で事前処理。FTS5 インデックスと検索クエリの両方に自動適用されます。

• 📁 ファイルパスブースト (3.0x)
  FTS5 の bm25(code_fts, 3.0, 1.0) 列重み付けにより、ファイルパスとの一致を本文の一致より 3.0 倍優遇。探したいファイルへ少ない検索回数で到達できます。

• ⚡ 高速増分更新 & Git Worktree 非干渉
  git ls-files による .gitignore 完全準拠のファイル収集と、git diff / HEAD ハッシュトラッキングによる高速増分更新（通常編集時 0.1〜0.5秒）。インデックス .bm25_index.db は Worktree ローカルに配置され .gitignore で自動除外されます。

• 🔌 マルチエージェント標準対応 (MCP 2026-07-28 ＆ Hermes)

  • MCP ネイティブ (Claude Code / Codex / Antigravity): 2026-07-28 仕様準拠のステートレス stdio JSON-RPC サーバ。プロンプトキャッシュ効率を高める決定論的ツールソートを実装。

  • Hermes Agent: MCP 非対応環境向けに薄い Function Calling アダプタ層 (hermes_adapter.py) を標準同梱。

• 🛡️ コンテキスト溢れ防止 & フォールバック
  出力文字制限 (--max-bytes) は UTF-8 のマルチバイト文字境界を保護して安全に切り詰め。検索結果 0 件時は grep/glob への切り替えを促す構造化フォールバックメッセージを返却します。

Related MCP server: lynx-mcp

📁 モジュール構成

mcp-server-bm25-code-search/
├── bm25_search/
│   ├── db.py              # SQLite FTS5 v2 スキーマ (chunks / code_fts / triggers)
│   ├── tokenizer.py       # 事前トークナイザ (camelCase / snake_case / CJK 2-gram)
│   ├── indexer.py         # インデクサ (git ls-files, 80/20 チャンキング, 増分更新)
│   ├── search.py          # 検索エンジン & CLI インターフェース
│   ├── mcp_server.py      # MCP 2026-07-28 ステートレス stdio サーバ
│   └── hermes_adapter.py  # Hermes Agent 向け Function Calling アダプタ
├── docs/
│   ├── specification.md   # 詳細仕様書
│   └── plans/             # 設計ドキュメント
└── tests/                 # pytest テストスイート

🚀 使い方

1. CLI での検索実行

python bm25_search/search.py "<検索クエリ>" --top-k 5 --format markdown --max-bytes 4000

主なオプション:

• <query>: 検索クエリ（日本語、camelCase、snake_case 対応）

• --top-k: 返す検索結果の上限件数（デフォルト: 5）

• --format: 出力形式 markdown または json（デフォルト: markdown）

• --max-bytes: 最大出力バイト数。マルチバイト文字を安全に維持して切詰（デフォルト: 4000）

• --mode: クエリトークンの結合モード OR または AND（デフォルト: OR）

• --db: 使用する SQLite インデックス DB パス（デフォルト: .bm25_index.db）

2. MCP サーバとしての起動（uvx / npx 対応）

プロジェクトごとに Stdio ＋ 自動インデックス構築で動かすため、uvx または npx で即座に起動できます。 引数未指定の場合、MCP サーバが起動されたプロジェクト（カレントディレクトリ）のコードベースを自動検出・増分インデックス（.bm25_index.db）の作成・同期を行います。

① uvx (uv / Python) を使う場合

{
  "mcpServers": {
    "bm25-code-search": {
      "command": "uvx",
      "args": ["mcp-server-bm25-code-search"],
      "alwaysAllow": ["search"]
    }
  }
}

② npx (Node.js / npm) を使う場合

{
  "mcpServers": {
    "bm25-code-search": {
      "command": "npx",
      "args": ["-y", "mcp-server-bm25-code-search"],
      "alwaysAllow": ["search"]
    }
  }
}

③ ローカル Python での直接指定

{
  "mcpServers": {
    "bm25-code-search": {
      "command": "python",
      "args": [
        "D:/path/to/mcp-server-bm25-code-search/bm25_search/mcp_server.py",
        "--stdio"
      ],
      "alwaysAllow": [
        "search"
      ]
    }
  }
}

💡 AI エージェントに grep 連打を抑止し BM25 検索を優先させる設定 (AGENTS.md / CLAUDE.md)

AI エージェントが grep を何度もリトライしてトークンやコンテキストを無駄に消費するのを防ぐため、利用するプロジェクトの AGENTS.md や CLAUDE.md（またはシステムプロンプト）に以下の指示を追記することを推奨します。

## コード検索の指示方針
- コードベースの機能調査やコード探索を行う際は、最初に MCP ツール `search` (BM25 Code Search) を優先して使用してください。
- `search` で結果が得られない場合、または特定のシンボル名の完全一致を直接検索する場合にのみ `grep_search` や `glob` を使用してください。

3. Hermes Agent アダプタの使用

MCP 非対応の Hermes Agent からは、bm25_search.hermes_adapter モジュールを利用します。

from bm25_search.hermes_adapter import hermes_function_schema, run_hermes_tool

# Hermes 用 Tool Schema の取得
schema = hermes_function_schema()

# Hermes からの Function Call 実行
response = run_hermes_tool({
    "name": "bm25_search",
    "arguments": {
        "query": "getUserProfile",
        "top_k": 5
    }
})

🧪 テストの実行

pytest を使ってユニットテストおよび統合テストを実行できます。

pytest tests/

📄 ドキュメント

• 仕様書 (docs/specification.md)

• 設計仕様書 (docs/plans/bm25-multi-agent-search-skill-design.md)

📚 参考文献・関連リンク

• 論文: Wang et al., "BM25 Wins at Scale: Evaluating Agentic Search over Enterprise Corpora" (2026)
  https://arxiv.org/abs/2607.26497

• 解説記事: 須藤英寿（株式会社ナレッジセンス）, "BM25を使用してCodexのトークンの消費を30%抑える" (Zenn, 2026)
  https://zenn.dev/knowledgesense/articles/9e55a3bb67729c

⚖️ ライセンス

本プロジェクトは MIT License の下で公開されています。