Token导航 LogoToken导航

MCP Server · 搜索检索

1C Code Search MCP

1C Code Search MCP是一个支持多配置的本地语义代码搜索服务器,适用于1C代码库,支持多种嵌入模型和向量引擎。

stdio官方级别未说明来源级核验工具 0
搜索PythonClaude本地服务器Cursor

快速开始

作者 / 组织
rsyuzyov
提供方
rsyuzyov
运行时
Python

工具数量

0

来源目录标注

资源数量

0

来源目录标注

提示词数量

0

来源目录标注

GitHub Star

11

仓库热度

收录来源

2 个

MCP World

选型结论

1C Code Search MCP 属于搜索检索类 MCP Server,公开资料标注 0 个工具,通过stdio 本地进程接入,适配 Claude、Cursor,有可以直接复制的安装命令;接入前先确认权限范围。

分类

搜索检索

传输方式

stdio

认证方式

无需认证

部署方式

公开资料未说明

安装与配置

安装命令

python install.py

客户端配置示例

{
  "mcpServers": {
    "bsl-mcp": {
      "command": "python",
      "args": [
        "install.py"
      ]
    }
  }
}

按公开安装命令拼出来的示例,字段名和参数以仓库 README 为准;带 YOUR_API_KEY 这类占位符的位置记得换成自己的值。

上手步骤

  1. 1

    准备运行环境

    stdio 服务在本地起进程,需要先装好 Python,再按安装命令拉取依赖。

  2. 2

    安装服务

    复制下面的安装命令执行;命令里带占位符的位置换成自己的密钥或路径。

  3. 3

    写入客户端配置

    在客户端的 MCP 配置里填启动命令和参数,保存后完全退出客户端再打开,让新配置生效。

  4. 4

    验证是否可用

    连接成功后客户端会列出 0 个工具,随便调一个只读工具确认能返回结果。

接入前确认

不要直接授予不必要的文件、网络或账号权限;先核对安装命令和配置内容。

详细介绍

1C代码搜索MCP

本地MCP服务器,用于代码库1C的语义搜索。它支持多种数据库、各种嵌入式模型和向量引擎。

关键能力

  • 多配置同时支持多个代码数据库(信息数据库)。
  • 灵活选择模型:支持任何与HuggingFace/ONNX兼容的型号(默认) cointegrated/rubert-tiny2).
  • 向量搜索:使用QDRANT、LANCEDB或Chromadb进行高效搜索。
  • Web接口:通过浏览器轻松管理数据库和设置。
  • MCP协议:与Claude、Cursor、Kiro和其他MCP客户端轻松集成。

安装

  1. 克隆存储库。
  2. 建立依赖关系:
python install.py

发射

python code-search.py

或

python -m code_search

服务器将在端口8000(默认)上运行。 打开 http://localhost:8000 在浏览器中设置数据库。

配置(config.yaml)

文件 config.yaml 第一次启动时自动创建。您可以手动或通过Web界面编辑它。

配置示例:

global:
  port: 8000
  check_interval: 300

ibs:
  - name: "trade"
    title: "Управление Торговлей"
    source_dir: "C:/Projects/Trade/src"
    index_dir: "./indices/trade"
    embedding_model: "cointegrated/rubert-tiny2"
    vector_db: "qdrant"

  - name: "erp"
    title: "1С:ERP"
    source_dir: "C:/Projects/ERP/src"
    index_dir: "./indices/erp"
    embedding_model: "intfloat/multilingual-e5-small"
    vector_db: "qdrant"

参数

全球的:

  • port:Web服务器端口。
  • check_interval:背景文件更改检查间隔(秒)。

IBS(信息库):

  • name:唯一数据库ID(拉丁语)。
  • title:人名。
  • source_dir:从卸载配置(XML文件)到目录的路径。
  • index_dir:存储向量索引的路径。
  • embedding_model:琥珀色模型的名称。
  • vector_db搜索结果(qdrant).

配置性能和设置

除了基本配置外 config.yaml,存在影响索引速度和资源消耗的内部参数。它们由代码中的常量指定。

文件 code_search/indexer/engine.py

  • BATCH_SIZE (默认) 500)

- 存放处:文件开头的常量。 - 这是什么:在写入向量数据库之前存储在内存中的片段数(chank)。 - 影响:增加可能会稍微加快进程(减少数据库中的提交),但会增加RAM消耗。减少会节省内存。

  • READ_WORKERS (默认) 1)

- 存放处:文件开头的常量。 - 这是什么:用于读取文件和初始处理的线程数。 - 影响:放大可以加速磁盘读取,但会增加CPU负载。因为生成向量也需要CPU,所以放置许多线程(大于2-4)通常是毫无意义的,因为神经网络将成为瓶颈。减少到1使系统更响应。

  • EMBED_BATCH_SIZE (默认) 64)

- 存放处:文件开头的常量。 - 这是什么:一次发送到神经网络的文本包的大小。 - 影响对速度和记忆力有很大影响。放大可以加速工作(特别是GPU/AVX),但线性地“吃掉”内存。如果出现OOM(Out of Memory)错误,则缩小。

文件 code_search/config.py

  • CHUNK_SIZE (默认) 1024(d)和 CHUNK_OVERLAP (默认) 100)

- 这是什么:字符中代码块的大小和它们之间的重叠。 - 影响:定义代码是如何“切割”的。1024个字符~20-30行代码。如果你改变了,你必须重新索引一切从零。

支持的模型和引擎

琥珀色模型

服务器自动下载并将HuggingFace模型转换为ONNX模型。推荐:

  1. cointegrated/rubert-tiny2 (Default)-快速,轻,精度好。
  2. intfloat/multilingual-e5-small 高精度,多语言。
  3. ai-forever/sbert_large_nlu_ru -俄语的大模型。

矢量引擎

  • Qdrant (默认)-快速,本地工作,验证。
  • LanceDB 嵌入式数据库非常快,将数据存储在文件中。
  • 色度数据库 -流行的开源矢量数据库。

指定正确的值(qdrant, lancedb 或 chromadb在田野里 vector_db 在 config.yaml.

客户端连接(MCP)

服务器通过SSE(服务器发送事件)在MCP上运行,允许远程或通过网络连接。

连接URL: http://:8000/sse

克劳德桌面版

文件 claude_desktop_config.json:

{
  "mcpServers": {
    "1c-rag": {
      "url": "http://localhost:8000/sse"
    }
  }
}

光标

  1. 转到 光标设置 > 特性 > 主控程序.
  2. 点击 添加新的MCP服务器.
  3. 类型: SSE.
  4. 网址: http://localhost:8000/sse

基洛/超级马文

文件 ~/.kiro/settings/mcp.json:

{
  "mcpServers": {
    "1c-rag": {
      "url": "http://localhost:8000/sse"
    }
  }
}

许可证

麻省理工学院

工具与能力

工具数量

0

资源数量

0

提示词数量

0

能力标签

语义搜索Python本地部署代码分析向量数据库1C开发本地服务器

支持客户端

ClaudeCursor

数量来自来源目录的标注,具体工具清单以官方文档为准。

典型使用场景

查资料带出处

把网页、论文和文档的检索结果连同链接一起带回对话。

站内知识检索

在自己的文档库里做语义搜索,比关键词更贴题。

事实核对

交叉多个来源确认一条信息,减少模型凭记忆作答。

选择建议

值得选的地方

  • 只提供 0 个工具,职责集中,接入后不容易误操作。
  • 有现成的安装命令,不用自己找入口,照着跑就能起服务。
  • 已经适配 Claude、Cursor,换客户端不用重新研究配置。

先想清楚的地方

  • stdio 方式要求本地装好 Python,换机器要重新装一遍。
  • 第三方目录整理,版本更新和行为细节以官方仓库为准。

更适合

  • 需要在搜索检索场景里让模型直接调用外部能力的人。
  • 已经在用 Claude 的用户,接入路径最短。
  • 想先快速试一下、能接受在本地跑服务的人。

不太适合

  • 完全不想在本地装环境的人。
  • 需要厂商级 SLA 和技术支持的生产环境。

同类对比

5 个同类
MCP Server工具数传输方式安装命令收录来源最后核验
1C Code Search MCP

MCP World · 本页

0stdio有2 个2026-05-17
Baidu Netdisk

MCP World

未标注未说明未标注1 个2026-05-17
Sequentialthinking

MCP.so

1SSE有2 个2026-05-17
Brave Search 433812ff

MCP World

2未说明未标注1 个2026-05-17
mindsdb (430e18)

MCP World

0未说明有1 个2026-05-17

按同分类和工具数量挑出最接近的几条,字段以各自详情页为准。

常见问题

5 条

1C Code Search MCP 怎么安装?

公开资料给出的安装命令是 python install.py,运行环境为 Python。装完后按客户端要求写进 MCP 配置,重启客户端生效。

1C Code Search MCP 怎么在 Claude Desktop、Cursor 里配置?

它是stdio 本地进程,客户端配置里要写启动命令和参数,运行环境是 Python;保存后完全退出客户端再打开,配置才会生效。

1C Code Search MCP 收费吗?

本站只整理公开资料,不代收费用,也没有标注具体价格。是否收费取决于服务本身和背后的接口额度,正式使用前按官方说明确认。

1C Code Search MCP 需要 API Key 吗?

公开资料标注为无需认证,装好就能连;如果实际调用时报鉴权错误,按官方文档补上凭据。

1C Code Search MCP 支持哪些客户端?

公开资料标注支持 Claude、Cursor;其他客户端只要能配置 MCP Server,也能用同样的命令或地址接入。

来源信息

继续浏览同类 MCP