Code Explorer

代码侦察员

MCP服务器为AI编码代理提供IDE级代码智能——符号导航， 语义搜索、持久内存——针对令牌效率进行了优化。

  

📖 **** --安装、代理集成、工具参考、检索堆栈设置和架构。

适用于Claude Code、GitHub Copilot、Cursor和任何支持MCP的代理。

它的作用

• 符号导航 — symbols, references, symbol_at, call_graph, edit_code，由9种语言的LSP支持
• 语义搜索 --使用捆绑的ONNX嵌入模型（22MB，零设置）按概念查找代码，而不是grep
• 图书馆导航 --通过范围搜索、版本跟踪和自动发现来探索依赖源代码
• 多项目工作空间 --在中注册相关项目 workspace.toml 用于跨项目导航，具有每个项目的内存和索引
• 代币效率 --默认情况下紧凑，按需提供详细信息，从不转储完整文件

为什么不直接读取文件呢？

快速开始

cargo build
./target/debug/codescout start --project /path/to/code

在中添加codescout作为MCP服务器 ~/.claude/settings.json:

{
  "mcpServers": {
    "codescout": {
      "command": "codescout",
      "args": ["start", "--project", "."]
    }
  }
}

然后在Claude Code中使用——它将通过codescout的工具路由所有文件/符号/搜索操作。

入职培训至关重要。 在开始新项目的工作之前，运行 onboarding() --它发现语言，读取关键项目文件，以及 生成特定于项目的系统提示和内存文件。没有它， 代理没有项目上下文，将在代码库中盲目导航。 请参阅 Claude代码集成指南 了解详情。

提示： 安装 codescout配套插件 在每个会话中自动引导Claude使用codescout工具，包括子代理。

检索堆栈

codescout使用外部Docker Compose堆栈（Qdrant+llama服务器+TEI） 语义嵌入和混合检索。 需要 semantic_search.

两个配置文件： cpu （笔记本电脑/无GPU开发）和 gpu （单个CUDA卡）。

# 1. download the dense embedding model (~90MB, once)
mkdir -p ./models
curl -L -o ./models/CodeRankEmbed-Q4_K_M.gguf \
  https://huggingface.co/brandtcormorant/CodeRankEmbed-Q4_K_M-GGUF/resolve/main/coderankembed-q4_k_m.gguf

# 2. start the stack — pick one profile
docker compose --profile cpu --env-file .env.cpu up -d   # ~3GB RAM, no GPU
# OR
docker compose --profile gpu --env-file .env.gpu up -d   # ~6GB RAM, 1.5GB VRAM

# 3. wait for sparse + rerank to warm up (~30-60s first run, downloads from HF)
docker compose ps

# 4. source env, build the per-project index
set -a; source .env.cpu; set +a    # or .env.gpu
cargo run --release --bin sync_project -- . codescout

CodeRankEmbed是不对称的-- CODESCOUT_QUERY_PREFIX 在 .env.{cpu,gpu} 是必需的。 该堆栈的经验得分：传统自然基准上的30/60（见 docs/trackers/retrieval-benchmark.md).

索引速度

根据这个代码库（约18k块，密集嵌入器是唯一的 有意义的瓶颈；在同步过程中不使用稀疏/重排序）：

~50倍的差距与典型的CPU相匹配↔量化137M嵌入器的GPU比率。 初始索引后的增量同步在两种配置文件上都很好——仅 更改的块重新嵌入。如果你在CPU上，你的项目比 大约2k个块，预计会让第一个同步保持运行。

停止堆栈：

docker compose --profile cpu down   # or --profile gpu

代理集成

多代理基础架构

codescout的设计是基于对多智能体系统中复合误差的研究——研究和实证证据证实，生产管道中的故障率为41-87%。这一发现促使人们选择基于单会话技能的工作流，而不是代理编排链。 阅读分析→

科特林

codescout围绕Kotlin的现实构建了一流的Kotlin支持 项目启动成本高昂，JetBrains的kotlin lsp只允许一个lsp 每个工作区的进程。

• LSP多路复用器 --超然的 codescout mux 进程共享一个

kotlin-lsp JVM跨所有codescout实例。无需配置。 冷启动（8-15秒JVM启动）发生一次；后续会话连接 立即。

• 并发实例安全 --每个实例都有一个隔离的系统路径

使用断路器防止IntelliJ平台锁争用 失败得很快，而不是超时。

• Gradle隔离 --每个实例 GRADLE_USER_HOME 消除守护进程

锁定并行会话之间的争用。

→ Kotlin LSP多路复用器文档

工具（20）

Symbol navigation (5) · File operations (7) · Shell (1) · Semantic search (2) · Memory (1) · Library navigation (1) · Workflow & Config (3)

支持的语言：Rust、Python、Types/JavaScript、Go、Java、Kotlin、C/C++、C#、Ruby。

→ 工具参考

语义搜索和嵌入

codescout捆绑包 全迷你LM-L6-v2 （量化，22MB）作为其默认嵌入模型。 它通过ONNX本地运行-无需外部服务器，无需API密钥，无需GPU。首先 index(action: build)，模型下载一次到 ~/.cache/huggingface/hub/.

对于使用Ollama或GPU的用户，codescout还支持外部嵌入服务器 （Ollama、OpenAI、llama.cpp、vLLM、TEI）通过标准 /v1/embeddings API

→ 嵌入配置 → 模型比较和基准

实验性功能

新功能登陆 experiments 到达之前的分支 master. 它们可能会更改或删除，恕不另行通知，并且可能尚未包含在您安装的版本中。

→ 浏览实验功能

贡献

看 贡献.md 关于如何开始。欢迎来自Claude Code的PR！

特性

• 支持多项目工作区，支持每个项目的LSP、内存和语义索引
• 通过每个库嵌入数据库和版本过时提示进行库导航
• LSP空闲TTL——空闲语言服务器自动关闭（Kotlin:2小时，其他：30分钟），并在下次查询时透明地重新启动
• 具有语义回忆的会话间持久记忆
• 输出缓冲器(@cmd_*, @file_*)用于令牌高效的大输出处理
• 渐进式披露——默认情况下紧凑，按需提供全部细节

许可证

麻省理工学院