RIG MCP 도구

AI 어시스턴트를 위한 지능형 코드 분석, 그래프 기반 아키텍처 통찰력 및 파일 작업을 제공하는 MCP(Model Context Protocol) 서버입니다.

개요

RIG MCP 도구는 세 가지 지능형 계층을 결합합니다:

• 정적 분석 — SQLite에 저장된 AST 파싱(ts-morph, tree-sitter)을 통해 구축된 저장소 지능형 그래프(RIG)로, LLM 비용 없이 그래프 쿼리를 가능하게 합니다.

• 의미론적 검색 — 로컬 모델(nomic-embed-text 또는 호환 모델)을 사용하는 임베딩 기반 심볼 검색입니다. 임베딩은 첫 실행 후 SQLite에 캐시됩니다. 전체 파일 대신 정확한 코드 스니펫을 반환하여 토큰 사용량을 최소화합니다.

• LLM 기반 도구 — 코드에 대한 자연어 추론을 위해 구성 가능한 OpenAI 호환 API를 호출하는 도구 세트입니다.

Related MCP server: PT-MCP (Paul Test Man Context Protocol)

설치

npm 사용

npx rig-mcp-tools

소스에서 빌드

git clone <repository-url>
cd rig-mcp-tools
npm install
npm run build

Docker

docker build -t rig-mcp-tools .
docker run rig-mcp-tools

구성

MCP 클라이언트 (Claude Desktop, Cursor 등)

{
  "mcpServers": {
    "rig-tools": {
      "command": "node",
      "args": ["/path/to/dist/index.js"],
      "env": {
        "WORKSPACE_PATH": "/your/project",
        "GLM_API_URL": "http://localhost:1234/v1/chat/completions",
        "GLM_MODEL": "qwen2.5-coder-7b-instruct-mlx@8bit",
        "EMBEDDING_API_URL": "http://localhost:1234/v1/embeddings",
        "EMBEDDING_MODEL": "text-embedding-nomic-embed-text-v1.5"
      }
    }
  }
}

환경 변수

LLM 및 임베딩 도구는 선택 사항이며, 모든 정적 분석 도구는 API 없이도 작동합니다.

사용 가능한 도구

RIG — 그래프 분석

이 도구들은 AST 파싱을 통해 저장소를 SQLite 그래프로 인덱싱하며, LLM 호출 없이 쿼리합니다.

get_smart_context

그래프 중심성 및 키워드 점수를 사용하여 쿼리에 가장 관련성이 높은 파일과 심볼을 검색합니다.

{ "rootPath": "/project", "text": "authentication flow" }

get_architectural_metrics

저장소 아키텍처에 대한 요약: 그래프 중심성에 따라 순위가 매겨진 핵심 허브, 진입점 및 안정적인 기반.

{ "rootPath": "/project" }

graph_analyzer

핫스팟 감지 및 리팩토링 권장 사항을 포함한 컴포넌트 수준의 복잡도 분석.

{ "rootPath": "/project" }

generate_call_graph

컴포넌트, 파일 또는 심볼 간의 호출 그래프나 의존성 다이어그램을 생성합니다.

{
  "rootPath": "/project",
  "level": "component",
  "format": "mermaid",
  "maxDepth": 5
}

level: "component" | "file" | "symbol"
format: "mermaid" | "dot" | "json"

generate_diagram

RIG에서 C4 아키텍처 다이어그램, 시퀀스 다이어그램, 호출 그래프 또는 의존성 시각화를 생성합니다.

{
  "rootPath": "/project",
  "type": "c4-container",
  "format": "mermaid",
  "focus": "auth",
  "maxDepth": 3,
  "style": "default"
}

type: "c4-context" | "c4-container" | "c4-component" | "sequence" | "call-graph" | "dependency-graph"
format: "mermaid" | "plantuml" | "dot"
style: "default" | "compact" | "detailed"

extract_method

RIG 심볼 좌표를 사용하여 소스 파일에서 함수나 클래스를 대상 파일로 정밀하게 추출합니다.

{
  "rootPath": "/project",
  "sourceFile": "src/utils/helpers.ts",
  "symbolName": "formatDate",
  "targetFile": "src/utils/date.ts"
}

파일 작업

순수 파일시스템 도구로, 그래프나 LLM이 필요하지 않습니다.

read_files

한 번의 호출로 최대 10개의 파일 내용을 읽습니다.

{ "files": ["src/index.ts", "src/config.ts"] }

write_code_unit

특정 내용으로 파일을 쓰거나 덮어씁니다. 필요에 따라 상위 디렉토리를 생성합니다.

{ "path": "src/utils/new-file.ts", "content": "export const foo = 1;" }

ls_tree

디렉토리 구조를 ASCII 트리로 나열합니다.

{ "path": "/project/src", "maxDepth": 3 }

search_code

코드베이스 전체에서 텍스트 또는 정규식 패턴을 재귀적으로 검색합니다.

{ "path": "/project/src", "pattern": "useEffect", "useRegex": false }

inspect_symbols

AST 분석(ts-morph)을 사용하여 파일에서 클래스 및 함수 시그니처를 추출합니다.

{ "file": "src/tools/index.ts" }

run_shell_task

허용된 쉘 명령을 실행합니다.

{ "command": "npm run build", "timeout": 60000 }

허용된 접두사: npm test, npm run, npm list, npx vitest, npx tsc, npx eslint, node --version, tsc, git status, git diff, git log, git show, git blame, ls, pwd, cat, wc.

품질 분석

정적 분석 도구로, LLM이 필요하지 않습니다.

detect_patterns

Babel AST 분석을 사용하여 안티 패턴, 코드 스멜 및 보안 문제를 감지합니다.

{ "sourceCode": "...", "filePath": "src/auth/login.ts" }

suggest_refactor

긴 함수, 깊은 중첩, 매직 넘버, 중복 코드, 누락된 타입 주석 등 리팩토링 기회를 감지합니다.

{
  "file_path": "src/services/user.ts",
  "max_suggestions": 10,
  "min_priority": 3,
  "include_diff": true
}

file_path 또는 code_snippet 중 하나는 반드시 제공되어야 합니다.

analyze_dependencies

임포트 분석을 통해 TypeScript 파일의 경량 의존성 그래프를 구축합니다. 노드, 순환 의존성 및 Graphviz용 DOT 형식을 반환합니다.

{ "rootPath": "/project/src" }

임베딩 기반

EMBEDDING_API_URL 및 EMBEDDING_MODEL이 필요합니다. 임베딩은 심볼당 한 번 생성되어 .rig/index.db에 캐시되며, 이후 쿼리는 쿼리 문자열만 임베딩합니다.

search_semantic

벡터 유사성을 사용한 의미론적 심볼 검색입니다. 코드 스니펫과 함께 가장 관련성이 높은 함수와 클래스를 반환합니다. 전체 파일을 컨텍스트에 로드하지 않으려면 read_files 이전에 이 도구를 사용하세요. 임베딩은 심볼당 한 번 생성되어 .rig/index.db에 캐시됩니다.

{
  "repoPath": "/project",
  "query": "how is authentication handled",
  "maxResults": 5,
  "threshold": 0.3
}

LLM 기반

GLM_API_URL 및 GLM_MODEL이 필요합니다.

analyze_logic

코드 조각에 대해 자연어로 질문합니다. 구성된 LLM을 사용하여 동작, 의도 또는 로직을 추론합니다.

{
  "filePath": "/project/src/auth/login.ts",
  "question": "What edge cases does this miss?"
}

파일 내용을 컨텍스트에 전달하지 않으려면 code 대신 filePath를 선호하세요.

smart_summarize

임포트, 익스포트, 목적 및 주요 의존성을 포함하여 코드 파일에 대한 지능형 요약을 생성합니다.

{ "filePath": "/project/src/services/user.ts", "maxLength": 200 }

generate_unit_tests

특정 함수나 클래스에 대한 vitest 단위 테스트를 생성합니다. RIG 인덱스를 사용하여 전체 파일이 아닌 메서드 본문만 추출하므로 토큰 효율적입니다. 해피 패스, 엣지 케이스 및 오류 케이스를 다룹니다.

{
  "repoPath": "/project",
  "symbolName": "createUser",
  "filePath": "src/services/user.ts"
}

filePath는 심볼이 여러 파일에 존재할 경우에만 필요합니다.

investigate_ts_fix

tsc --noEmit을 실행하고 LLM을 사용하여 각 TypeScript 오류에 대한 최소한의 수정 사항을 설명하고 제안합니다. 토큰 효율적: 전체 파일이 아닌 오류 라인 주변의 스니펫(±8 라인)만 전달합니다.

{
  "repoPath": "/project",
  "filePath": "src/services/user.ts",
  "maxErrors": 5
}

filePath와 maxErrors는 선택 사항입니다. filePath를 생략하면 저장소 전체의 모든 오류를 조사합니다.

아키텍처

src/
├── cli/           # rig-indexer CLI (pre-index a repo into .rig/index.db)
├── graph/         # RIG graph engine (indexer, parsers, SQLite storage, types)
├── security/      # Path validation and safe extension checks
└── tools/         # MCP tool implementations (19 tools)

저장소 사전 인덱싱

대규모 코드베이스의 경우, RIG 도구를 사용하기 전에 사전 인덱싱하세요:

npx tsx src/cli/index.ts /path/to/project --db /path/to/project/.rig/index.db

옵션: --max-files <n>, --include-tests, --json

개발

npm run build   # Compile TypeScript
npm run dev     # Run in development mode
npm test        # Run test suite
npm run clean   # Clean build artifacts

라이선스

MIT