rpg-encoder

AI 编码智能体在翻找你的代码库时，浪费了大部分工具调用在 grep、cat、find 和文件读取上。rpg-encoder 解决了这个问题。它通过 Tree-sitter 为你的代码构建一个语义图——不仅是谁调用了谁，还包括每个函数做什么——并通过 MCP 在一次工具调用中让你的 AI 助手获得对整个代码库的理解。

快速开始

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

一条命令。适用于 Claude Code、Cursor、opencode、Windsurf 或任何兼容 MCP 的智能体。无需 Rust 工具链、无需克隆、无需构建——npx 会为你的平台下载预构建的二进制文件。

然后打开任意仓库，告诉你的智能体：

“为这个仓库构建并提升 RPG”

你的智能体会处理一切：索引实体（几秒钟）、阅读每个函数并添加意图级别的特征（几分钟）、将它们组织成语义层次结构，并为你的团队提交 .rpg/graph.json。

对于拥有 ~100 个以上实体的仓库，lifting_status 会告诉你的智能体把提升循环委托给子智能体或更便宜的模型——特征提取是模式匹配，而不是新颖推理。如果你的运行时没有子智能体机制，请在终端中运行 rpg-encoder lift --provider anthropic|openai 并带上 API 密钥——CLI 会直接驱动外部 LLM，不需要智能体参与。CLI 完成后，在会话中调用 reload_rpg 以加载更新后的图。CLI 只提升没有特征的实体；重新提升过时实体（代码变更后特征仍存在但已过时）由会话内的 MCP 流程处理，而非 CLI。

提升完成后，试试：

• “什么处理身份验证？” —— 即使没有任何东西命名为 "auth"，也能找到相关代码

• “显示所有依赖数据库连接的内容”

• “规划一个为 API 端点添加速率限制的变更”

Related MCP server: code-intel

在 grep、cat、find 之前使用 RPG

服务器指令告诉你的智能体，对于任何关于代码结构或行为的问题，首先要使用 RPG 工具。这种习惯很重要——grep、cat 和临时的文件读取会消耗 token，并且遗漏 RPG 已经知晓的语义关系。

仅当查询涉及字面文本（字符串搜索、注释、TODO、日志消息）——而非结构——时才回退到 grep、cat 或文件读取。

工作原理

1. 解析 —— Tree-sitter 从 15 种语言中提取实体（函数、类、方法）和依赖边（导入、调用、继承）。

2. 提升 —— 一个 LLM（你的智能体，或像 Haiku 这样廉价的 API）阅读每个实体并编写“动词-宾语”特征：“验证 JWT 令牌”、“将配置序列化到磁盘”。

3. 组织 —— 特征聚合成一个 3 级语义层次结构（领域 → 类别 → 子类别），它

支持的语言

通过 Tree-sitter 支持 15 种语言：

安装

MCP 服务器（推荐）

# 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"]
    }
  }
}

服务器会自动从当前工作目录检测项目根目录 — 无需路径参数。

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

然后将你的 MCP 配置指向 target/release/rpg-mcp-server。

文档

• RPG 如何对比 — 与 GitNexus、Serena、Repomix 及其他工具的诚实对比

• 论文保真度 — 与研究论文的逐算法对比

• 使用案例 — RPG 所支持功能的实际示例

• CHANGELOG — 发布历史

灵感与参考

rpg-encoder 基于 RPG-Encoder 研究论文的理论框架构建，并借鉴代码智能领域各工具进行了原创扩展：

• RPG-Encoder 论文 (Luo et al., 2026, Microsoft Research) — 语义提升模型、三层层次结构构建、增量演化算法、形式化图模型 G = (V_H ∪ V_L, E_dep ∪ E_feature)

• GitNexus — 预计算的关系智能、爆炸半径分析、Claude Code 钩子。这表明，代码图工具必须隐形才能成为必需品。

• Serena — 通过 LSP 实现符号级精度。证明了实时代码感知比批量分析更重要。

• TOON — Token-Oriented Object Notation，为 LLM 优化输出而设计。

这是一个独立实现。所有代码均为 MIT 许可下的原创工作。与微软无关，也未获得微软的认可。

许可证

MIT