rpg-encoder

Los agentes de codificación de IA desperdician la mayoría de sus llamadas a herramientas rebuscando en tu base de código con grep, cat, find y lecturas de archivos. rpg-encoder lo soluciona. Construye un grafo semántico de tu código con Tree-sitter — no solo qué llama a qué, sino qué hace cada función — y le da a tu asistente de IA una comprensión de todo el repositorio mediante MCP en una sola llamada a herramienta.

Inicio rápido

claude mcp add rpg -- npx -y -p rpg-encoder rpg-mcp-server

Un solo comando. Funciona con Claude Code, Cursor, opencode, Windsurf o cualquier agente compatible con MCP. Sin cadena de herramientas Rust, sin clonar, sin compilar: npx descarga un binario precompilado para tu plataforma.

Luego abre cualquier repositorio y dile a tu agente:

"Construye y levanta el RPG para este repositorio"

Tu agente se encarga de todo: indexa las entidades (segundos), lee cada función y añade características a nivel de intención (unos minutos), las organiza en una jerarquía semántica y hace commit de .rpg/graph.json para tu equipo.

Para repositorios con ~100+ entidades, lifting_status le indicará a tu agente que delegue el bucle de levantamiento a un subagente o a un modelo más barato: la extracción de características es emparejamiento de patrones, no razonamiento novedoso. Si tu runtime no tiene mecanismo de subagente, ejecuta rpg-encoder lift --provider anthropic|openai desde la terminal con una clave de API: el CLI impulsa directamente un LLM externo sin participación del agente. Cuando el CLI termine, llama a reload_rpg en tu sesión para cargar el grafo actualizado. El CLI levanta entidades sin características; volver a levantar entidades obsoletas (características presentes pero desactualizadas tras cambios de código) lo gestiona el flujo MCP dentro de la sesión, no el CLI.

Una vez levantado, prueba:

• "¿Qué gestiona la autenticación?" — encuentra código aunque nada se llame "auth"

• "Muestra todo lo que depende de la conexión a la base de datos"

• "Planifica un cambio para añadir límite de tasa a los endpoints de la API"

Related MCP server: code-intel

Usa RPG antes que grep, cat, find

Las instrucciones del servidor le dicen a tu agente que use las herramientas de RPG PRIMERO ante cualquier pregunta sobre la estructura o el comportamiento del código. Ese reflejo importa: grep, cat y las lecturas ad hoc de archivos queman tokens y omiten relaciones semánticas que RPG ya conoce.

Recurre a grep, cat o lecturas de archivos solo cuando la consulta trate sobre texto literal (búsqueda de cadenas, comentarios, TODOs, mensajes de registro), no sobre estructura.

Cómo funciona

1. Analiza — Tree-sitter extrae entidades (funciones, clases, métodos) y aristas de dependencia (imports, llamadas, herencia) de 15 lenguajes.

2. Levanta — Un LLM (tu agente o una API barata como Haiku) lee cada entidad y escribe características verbo-objeto: "validar tokens JWT", "serializar configuración en disco".

3. Organiza — Las características se agrupan en una jerarquía semántica de 3 niveles (Área → Categoría → Subcategoría) que surge de lo que hace el código, no del árbol de archivos.

4. Comprende — semantic_snapshot comprime todo el grafo en ~25K tokens. Tu LLM lo lee una vez y conoce el repositorio.

La instantánea semántica

En lugar de buscar con grep entre los archivos, el LLM llama a semantic_snapshot una vez y recibe:

• Jerarquía — cada área funcional con características agregadas

• Entidades — cada función, clase y método agrupados por área, con sus características semánticas

• Esqueleto de dependencias — grafo de llamadas condensado con nombres cualificados

• Puntos calientes — las 10 entidades más conectadas (la columna vertebral arquitectónica)

~25K tokens cubren ~1000 entidades. Eso es el 2-3% de una ventana de contexto de 1M: el LLM comienza cada sesión conociendo ya tu repositorio.

Grafo automantenido

Siempre que tu árbol de trabajo cambia — confirmado, en el área de staging o sin staging — el servidor MCP se resincroniza automáticamente antes de responder a la siguiente consulta. Un hash del changeset sobre (path, size, mtime) hace que los guardados repetidos del mismo archivo disparen una sola sincronización y que las consultas inactivas no disparen ninguna. También se detectan las reversiones: si un archivo previamente modificado vuelve a su estado HEAD, el grafo se restaura.

Dos formas de levantar

auto_lift llama directamente a un LLM externo barato: tu suscripción de codificación nunca toca el trabajo de levantamiento. Usa api_key_env para resolver claves desde variables de entorno, de modo que nunca aparezcan en las transcripciones de las llamadas a herramientas.

Arquitectura

Siete crates de Rust, un binario de servidor MCP, un binario CLI:

Herramientas MCP (27)

Idiomas compatibles

Instalación

Servidor MCP (recomendado)

# Claude Code
claude mcp add rpg -- npx -y -p rpg-encoder rpg-mcp-server

# Cursor — add to ~/.cursor/mcp.json
{
  "mcpServers": {
    "rpg": {
      "command": "npx",
      "args": ["-y", "-p", "rpg-encoder", "rpg-mcp-server"]
    }
  }
}

El servidor detecta automáticamente la raíz del proyecto desde el directorio de trabajo actual — no se necesita ningún argumento de ruta.

npm install -g rpg-encoder

# Build a graph
rpg-encoder build

# Query
rpg-encoder search "parse entities from source code"
rpg-encoder fetch "src/parser.rs:extract_entities"
rpg-encoder explore "src/parser.rs:extract_entities" --direction both --depth 2
rpg-encoder info

# Autonomous lifting via API
rpg-encoder lift --provider anthropic --dry-run  # estimate cost
rpg-encoder lift --provider anthropic           # lift with Haiku (~$0.02/100 entities)

# Incremental update
rpg-encoder update

# Pre-commit hook (auto-updates graph on commit)
rpg-encoder hook install

git clone https://github.com/userFRM/rpg-encoder.git
cd rpg-encoder && cargo build --release

Luego apunta tu configuración de MCP a target/release/rpg-mcp-server.

Documentación

• Cómo se compara RPG — comparación honesta con GitNexus, Serena, Repomix y otros

• Fidelidad al paper — comparación algoritmo por algoritmo con el artículo de investigación

• Casos de uso — ejemplos prácticos de lo que RPG permite

• CHANGELOG — historial de lanzamientos

Inspiraciones y referencias

rpg-encoder está construido sobre el marco teórico del artículo de investigación RPG-Encoder, con extensiones originales inspiradas en herramientas del panorama de la inteligencia de código:

• Artículo de RPG-Encoder (Luo et al., 2026, Microsoft Research) — modelo de elevación semántica, construcción de jerarquía de 3 niveles, algoritmos de evolución incremental, modelo de grafo formal G = (V_H ∪ V_L, E_dep ∪ E_feature).

• GitNexus — inteligencia relacional precomputada, análisis de radio de impacto, hooks de Claude Code. Demostró que una herramienta de grafo de código debe ser invisible para ser esencial.

• Serena — precisión a nivel de símbolo mediante LSP. Demostró que la conciencia del código en tiempo real importa más que el análisis por lotes.

• TOON — Token-Oriented Object Notation para salida optimizada para LLM.

Esta es una implementación independiente. Todo el código es trabajo original bajo la licencia MIT. No está afiliado ni respaldado por Microsoft.

Licencia

MIT