Code Agent MCP

代码嵌入AI-MCP服务器

MCP（模型上下文协议）服务器，用于使用向量嵌入进行AI驱动的代码搜索和分析。

概述

此MCP服务器通过基于向量的语义搜索为AI代理提供了对大型代码库的高效访问，将令牌使用率降低了约99%，响应时间缩短了10倍。

价值主张

Traditional approach: Read entire codebase → 500K tokens → 5 minutes
MCP approach:        Vector search        → 5K tokens   → 0.5 seconds

结果： 99%的代币减少+10倍的速度提升

特性

工具

• 搜索代码：使用自然语言进行语义代码搜索
• 查找_类似代码：查找代码重复和重构机会
• get_function_实现：按名称快速查找函数
• list_项目：列出所有已注册的项目
• get_project_stats：获取项目统计信息（文件、块、语言）

资源

• 项目：//{id}：访问项目信息
• 项目：//{id}/stats：访问项目统计信息

提示

• 代码审查：带上下文的自动代码审查
• 重构代码：用类似的代码模式重构建议
• 修复bug：调试相关代码上下文的帮助
• 编写测试：使用实现上下文生成测试
• 解释代码：完整上下文的代码解释

平台支持

• 克劳德桌面版：本地MCP集成
• 克劳德代码：MCP SDK集成
• LangGraph：LangChain工具适配器
• REST API：直接HTTP访问回退

快速开始

1.先决条件

• Python 3.10+
• 运行在上的代码嵌入ai FastAPI服务器 localhost:8000

2.安装

cd code-agent-mcp
pip install -r requirements.txt

3.启动FastAPI服务器

cd ../code-embedding-ai
python -m src.cli server start --host localhost --port 8000

4.注册项目

python -m src.cli project add /path/to/your/project --name "MyProject"
python -m src.cli process project 

5.运行MCP服务器

cd ../code-agent-mcp
python -m src.server

服务器将在stdio模式下运行，为MCP客户端连接做好准备。

配置

mcpconfig.json

{
  "server": {
    "name": "code-embedding-ai",
    "version": "1.0.0",
    "description": "MCP server for AI-powered code search"
  },
  "api": {
    "base_url": "http://localhost:8000",
    "timeout": 30
  },
  "logging": {
    "level": "INFO",
    "format": "json"
  }
}

配置选项：

• api.base_url：FastAPI服务器URL（默认值： http://localhost:8000)
• api.timeout：请求超时（秒）（默认值：30）
• logging.level：日志级别（调试、信息、警告、错误）
• logging.format：日志格式（json、文本）

重要提示：Claude代码集成

Claude代码中的MCP工具暴露

电流限幅：MCP工具（搜索代码、查找相似代码等）有 未直接暴露 作为Claude Code中的可调用函数。只有资源可以通过以下方式访问 ListMcpResourcesTool 和 ReadMcpResourceTool.

解决方案

1.使用MCP资源（基础）

# List available projects
ListMcpResourcesTool(server='code-search')

# Get project information
ReadMcpResourceTool(
    server='code-search',
    uri='project://proj_212e9b33ec8e'
)

# Get project statistics
ReadMcpResourceTool(
    server='code-search',
    uri='project://proj_212e9b33ec8e/stats'
)

2.直接FastAPI调用（高级）

使用中提供的辅助脚本 .claude/helpers/code_search.py:

# Search code
python .claude/helpers/code_search.py search "authentication logic" proj_id 5

# Find similar code
python .claude/helpers/code_search.py similar "def connect():" python

# Get function implementation
python .claude/helpers/code_search.py function connect GitMonitor

# List projects
python .claude/helpers/code_search.py projects

# Get stats
python .claude/helpers/code_search.py stats proj_212e9b33ec8e

3.项目配置

要在Claude code项目中启用代码搜索优先级，请执行以下操作：

1. 复制配置文件 对于您的项目：

   # Windows
   .\setup-code-search.ps1 C:\path\to\your\project

   # Linux/Mac
   ./setup-code-search.sh /path/to/your/project

1. 或手动创建 .claude/settings.local.json:

   {
     "systemInstructions": "When finding or modifying code, FIRST check code-search MCP using ListMcpResourcesTool...",
     "enableAllProjectMcpServers": true,
     "enabledMcpjsonServers": ["code-search"],
     "permissions": {
       "allow": [
         "Bash(curl http://localhost:8000/*)",
         "Bash(python .claude/helpers/code_search.py:*)"
       ]
     }
   }

看 QUICK_START_GUIDE.md 有关详细的设置说明。

______________________________________________________________________

使用示例

克劳德桌面版

在中配置 claude_desktop_config.json:

使用虚拟环境（推荐）：

{
  "mcpServers": {
    "code-embedding-ai": {
      "command": "/path/to/code-agent-mcp/.venv/Scripts/python.exe",
      "args": ["-m", "src.server"],
      "cwd": "/path/to/code-agent-mcp",
      "env": {
        "PYTHONPATH": "/path/to/code-agent-mcp"
      }
    }
  }
}

使用Python系统：

{
  "mcpServers": {
    "code-embedding-ai": {
      "command": "python",
      "args": ["-m", "src.server"],
      "cwd": "/absolute/path/to/code-agent-mcp",
      "env": {
        "PYTHONPATH": "/absolute/path/to/code-agent-mcp"
      }
    }
  }
}

然后在Claude Desktop中：

Find all authentication-related code in my project

克劳德代码

新项目的设置：

# Quick setup (automated)
cd /path/to/your/project
/path/to/vector/setup-code-search.sh .

# Or copy configuration manually
mkdir -p .claude/helpers
cp /path/to/vector/.claude/settings.local.json .claude/
cp /path/to/vector/.claude/helpers/code_search.py .claude/helpers/

在Claude Code会话中使用：

由于MCP工具不直接暴露，请使用以下方法之一：

# Method 1: MCP Resources (basic queries)
# In Claude session, say:
"List projects in code-search"
# Claude will use: ListMcpResourcesTool(server='code-search')

# Method 2: Helper script (advanced search)
# In Claude session, say:
"Search for 'authentication logic' in code using the helper script"
# Claude will run: python .claude/helpers/code_search.py search "..." proj_id

# Method 3: Direct API call
curl -X POST http://localhost:8000/search/semantic \
  -H "Content-Type: application/json" \
  -d '{"query": "authentication", "project_id": "proj_id", "top_k": 5}'

程序化使用（MCP SDK）：

from mcp import ClientSession, StdioServerParameters
from mcp.client.stdio import stdio_client

server_params = StdioServerParameters(
    command="python",
    args=["-m", "src.server"],
    cwd="/path/to/code-agent-mcp"
)

async with stdio_client(server_params) as (read, write):
    async with ClientSession(read, write) as session:
        await session.initialize()

        # Search for code
        result = await session.call_tool(
            "search_code",
            {"query": "user authentication", "top_k": 5}
        )
        print(result.content[0].text)

LangGraph

from examples.langgraph_integration import SearchCodeTool
from langchain_anthropic import ChatAnthropic
from langgraph.prebuilt import create_react_agent

tools = [SearchCodeTool(), FindSimilarCodeTool()]
llm = ChatAnthropic(model="claude-3-5-sonnet-20241022")
agent = create_react_agent(llm, tools)

result = await agent.ainvoke({
    "messages": [("human", "Find authentication code and review it")]
})

建筑

┌─────────────────────────────────────────────────────────┐
│                     AI Clients                          │
│  Claude Desktop │ Claude Code │ LangGraph │ Custom App  │
└────────┬────────────────┬─────────────┬────────────┬────┘
         │                │             │            │
         │ MCP Protocol   │ MCP SDK     │ Adapter    │ REST API
         │                │             │            │
         ▼                ▼             ▼            ▼
┌─────────────────────────────────────────────────────────┐
│              MCP Server (stdio/SSE)                     │
│  ┌──────────────┬──────────────┬──────────────┐        │
│  │   Tools      │  Resources   │   Prompts    │        │
│  └──────────────┴──────────────┴──────────────┘        │
└────────────────────────┬────────────────────────────────┘
                         │ HTTP (httpx)
                         ▼
┌─────────────────────────────────────────────────────────┐
│           FastAPI Server (localhost:8000)               │
│  /search/semantic │ /search/similar-code │ /projects   │
└────────────────────────┬────────────────────────────────┘
                         │
                         ▼
┌─────────────────────────────────────────────────────────┐
│              ChromaDB + Embeddings                      │
│         (Local or API-based embeddings)                 │
└─────────────────────────────────────────────────────────┘

文档

提供全面的指南：

• 快速入门指南：快速设置新项目⭐
• Claude代码设置：完整的Claude Code集成指南⭐
• MCP服务器指南：完整的API参考和体系结构
• Claude桌面设置：分步集成指南
• M2实施计划：详细的开发路线图

项目特定文件（in .claude/ 设置后）：

• CODE_SEARCH_USAGE.md：使用模式和示例
• 新闻_经销商_设置.md：设立新项目

例子

看 examples/ 目录：

• claude_code_integration.py：与Claude Agent SDK一起使用
• langgraph_integration.py：LangChain/LangGraph集成

测试

使用pytest运行测试：

# Install test dependencies
pip install pytest pytest-asyncio

# Run all tests
pytest tests/ -v

# Run specific test
pytest tests/test_mcp_server.py::TestAPIClient::test_search_semantic -v

故障排除

服务器无法启动

1. 检查Python版本： python --version （要求3.10+）
2. 检查依赖关系： pip install -r requirements.txt
3. 手动测试服务器： python -m src.server

工具不工作

1. 验证FastAPI服务器是否正在运行：

   curl http://localhost:8000/health

1. 检查项目注册：

   cd ../code-embedding-ai
   python -m src.cli project list

1. 如果需要，处理项目：

   python -m src.cli process project 

连接超时

• 增加超时时间 mcp_config.json:

  {"api": {"timeout": 60}}

• 检查FastAPI服务器日志是否有错误

演出

响应时间

典型响应时间（因代码库大小而异）：

• search_code：100-500ms
• find_similar_code：150-600毫秒
• get_function_implementation：50-200ms
• list_projects：10-50ms
• get_project_stats：20-100ms

优化提示

1. 按项目_id筛选：将搜索范围缩小到特定项目
2. 调整top_k：请求更少的结果以获得更快的响应
3. 使用最小相似性：筛选低质量匹配项
4. 本地嵌入：使用本地模型避免API延迟

安全

• 仅限本地：服务器仅连接到本地主机
• 无外部请求：所有操作都是本地操作
• 无数据共享：代码永远不会离开你的机器
• stdio传输：确保本地通信安全

发展

项目结构

code-agent-mcp/
├── src/
│   ├── server.py           # MCP server main
│   ├── api_client.py       # FastAPI client
│   ├── config.py           # Configuration
│   └── __init__.py
├── tests/
│   └── test_mcp_server.py  # Unit tests
├── examples/
│   ├── claude_code_integration.py
│   └── langgraph_integration.py
├── docs/
│   ├── MCP_SERVER_GUIDE.md
│   └── CLAUDE_DESKTOP_SETUP.md
├── mcp_config.json         # Configuration
├── requirements.txt        # Dependencies
└── README.md

贡献

1. 复刻仓库
2. 创建要素分支
3. 进行更改
4. 添加新功能的测试
5. 运行测试： pytest tests/ -v
6. 提交拉取请求

路线图

未来改进：

• \[\]请求缓存重复查询
• \[\]并行API性能调用
• \[\]大结果的流式响应
• \[\]多后端支持
• \[\]身份验证/授权
• \[\]指标和监控仪表板
• \[\]用于实时更新的Git webhook集成

许可证

麻省理工学院

支持

• 问题:
• 文档：参见 docs/ 目录
• 例子：参见 examples/ 目录

相关项目

• 代码嵌入人工智能：带有向量嵌入的FastAPI后端
• MCP规范：MCP协议官方文件