Lx Rag MCP

lxDIG MCP — Code Graph Intelligence & Persistent Agent Memory for AI Coding Assistants

Stop RAGing, start DIGging.

Dynamic Intelligence Graph · Agent Memory · Multi-Agent Coordination

An open-source Model Context Protocol (MCP) server that gives AI coding assistants persistent memory, structural code graph analysis, and safe multi-agent coordination — beyond static RAG and GraphRAG.

 ](https://www.npmjs.com/package/@stratsolver/graph-server) ](https://nodejs.org)       

______________________________________________________________________

适用于： VS代码副本·克劳德代码·克劳德桌面·光标·任何兼容MCP的AI助手

支持的语言： TypeScript·JavaScript·TSX/JSX·Python·Go·Rust·Java 数据库： Memgraph（图形）·Qdrant（矢量） 运输： stdio（本地）·HTTP（远程/舰队）

______________________________________________________________________

什么是lxDIG MCP？

开源 模型上下文协议（MCP）服务器 这增加了一个 持久代码智能层 AI编码助手——Claude Code、VS Code Copilot、Cursor和Claude Desktop。与静态RAG或面向批处理的GraphRAG不同，lxDIG MCP是一个实时、增量更新的智能图，它将任何存储库转换为可查询的知识图，这样代理就可以回答架构问题，跟踪会话之间的决策，在多代理工作流中安全协调，并仅运行实际更改的测试，而无需每次重新读取整个代码库。

它是专门为 代理编码环路：理解的循环→ plan → 实施→ 验证→ 请记住，AI代理（Claude、Copilot、Cursor）会不断重复。

它解决的核心问题是： 大多数AI编码助手都是无状态的，并且在架构上是盲目的。它们在每次会话中重新读取未更改的文件，错过跨文件关系，忘记过去的决定，并在多个代理并行工作时发生冲突。lxDIG MCP是修复所有四个问题的内存和结构层。

______________________________________________________________________

目录

• 为什么选择lxDIG？
• 关键能力
• 运作原理
• 可视化您的代码图
• 快速开始
• 39种MCP工具——概览
• 用例
• 与备选方案的比较
• 演出
• 路线图
• 贡献
• 支持项目
• 许可证

______________________________________________________________________

为什么使用代码图MCP服务器？lxDIG解决的问题

大多数代码智能工具都能解决 一 这些问题。lxDIG解决了所有这些问题：

______________________________________________________________________

关键功能：代码图、代理内存和多代理协调

1.代码图智能

将您的存储库变成 可查询属性图 文件、函数、类、导入及其关系。用简单的英语或Cypher提问。

• 自然语言+密码图查询(graph_query)
• 具有完整依赖上下文的符号级解释(code_explain)
• 模式检测和架构规则验证(find_pattern, arch_validate)
• 新代码的架构布局建议(arch_suggest)
• 语义代码切片——来自自然查询的目标行范围(semantic_slice)
• 在代码库中查找重复或相似的代码(find_similar_code, code_clusters)

2.持久代理内存

代理 记得 它决定了什么，它改变了什么，发生了什么，以及它观察到了什么——即使在VS Code重启或Claude Desktop会话结束之后。

• 事件记忆：观察、决策、编辑、测试结果、错误、学习(episode_add, episode_recall)
• 带语义查询的决策日志(decision_query)
• 近期事件的反思综合(reflect)
• 时态图模型：查询任何过去的代码状态 asOf，将漂移与 diff_since

3.多智能体协调

跑 并行的多个AI代理 在同一存储库中没有冲突。

• 文件、函数或任务所有权的声明/释放协议(agent_claim, agent_release)
• 全车队协调视图——查看每个代理正在做什么(coordination_overview, agent_status)
• 在严格的令牌预算下组装高信号任务简报的上下文包(context_pack)
• 跨代理和任务的阻塞检测(blocking_issues)

4.测试和更改智能

停止运行你的 完整的测试套件 每一个变化。确切地知道受影响的是什么。

• 更改影响分析——修改文件的爆炸半径(impact_analyze)
• 选择性测试执行——只有可能失败的测试(test_select, test_run)
• 并行化和优先级测试分类(test_categorize, suggest_tests)

5.文件是一流的知识来源

你的 README、ADR和变更日志 成为可搜索的图节点，链接到它们所描述的代码。

• 在一次调用中索引所有markdown文档(index_docs)
• 全文BM25跨标题和内容搜索(search_docs?query=...)
• 符号链接查找——引用类或函数的每个文档(search_docs?symbol=MyClass)
• 增量重新索引：只重新解析更改的文件

6.架构治理

执行 建筑边界 自动获取新代码的放置指导。

• 图层/边界规则验证(arch_validate)
• 图形拓扑感知布局建议(arch_suggest)
• 循环依赖和未使用代码检测(find_pattern)

7.一次性项目设置

从一个全新的克隆到一个完全有线的人工智能助手 一个工具调用.

• init_project_setup --设置工作区，重建图形，生成Copilot指令
• setup_copilot_instructions --生成 .github/copilot-instructions.md 从您的仓库拓扑结构
• 适用于VS Code Copilot、Claude Code、Claude Desktop和任何兼容MCP的客户端

______________________________________________________________________

lxDIG MCP的工作原理：图形+矢量+BM25混合检索

lxDIG作为 MCP服务器 通过stdio或HTTP，在单个工具接口后面协调三个数据平面：

┌─────────────────────────────────────────────────────────────┐
│                     MCP Tool Surface (39 tools)              │
│  stdio transport (local)  │  HTTP transport (remote/fleet)   │
└──────────────┬────────────┴────────────────┬────────────────┘
               │                             │
   ┌───────────▼────────────┐   ┌────────────▼────────────┐
   │   Graph Plane          │   │   Vector Plane           │
   │   Memgraph (Bolt)      │   │   Qdrant                 │
   │   ─────────────────    │   │   ─────────────────────  │
   │   FILE · FUNC · CLASS  │   │   Semantic embeddings    │
   │   IMPORT · CALL edges  │   │   Nearest-neighbor search│
   │   Temporal tx history  │   │   Natural-language code  │
   └────────────────────────┘   └─────────────────────────┘
               │
   ┌───────────▼────────────────────────────────────────────┐
   │   Hybrid Retrieval (RRF fusion)                         │
   │   Graph expansion + Vector similarity + BM25 lexical   │
   └────────────────────────────────────────────────────────┘

当你打电话的时候 graph_query 在自然语言模式下，检索按以下方式运行 混合融合:

1. 向量相似性搜索（语义概念）
2. BM25词汇搜索（关键字匹配）
3. 从种子节点展开图（结构关系）
4. 互易秩融合（RRF） 将所有三个信号合并为一个排名结果

结果：结构准确、语义相关的答案——而不仅仅是最接近的嵌入匹配。

系统图

System Architecture

______________________________________________________________________

可视化您的代码图--lxDIG Visual

lxDIG视觉 是lxDIG MCP的开源浏览器可视化层。它将代码依赖关系图呈现为 交互式可导航画布 --将抽象的代码关系转化为可以探索的有形空间表示。

主要特点：

• 力导向交互图 --文件、函数和类呈现为具有基于物理的定位的可探索节点
• 通过深度导航进行扩展 --双击任何节点以逐步显示其直接关系
• 架构层意识 --颜色编码模块边界和结构合规性指标
• 多智能体可视化 --通过lxDIG MCP实时查看多个AI代理处于活动状态时的协调情况
• 直播+模拟模式 --连接到正在运行的Memgraph实例或使用内置回退数据

设置 （与lxDIG MCP共享相同的Memgraph实例——不需要额外的数据库）：

git clone https://github.com/lexCoder2/lxDIG-visual.git
cd lxDIG-visual
npm install && cp .env.example .env
npm run dev:all
# Open http://localhost:5173

索引后 graph_rebuild，更改会立即显示在可视化资源管理器中，无需手动刷新。

→ https://lexCoder2/lxDIG-visual

______________________________________________________________________

快速开始

推荐设置： Docker中的Memgraph+Qdrant，通过stdio在您的主机上安装MCP服务器。您的编辑器生成并拥有该进程——没有HTTP端口，没有会话头。

先决条件

1.克隆和构建

git clone https://github.com/lexCoder2/lxDIG-MCP.git
cd lxDIG-MCP
npm install && npm run build

2.启动数据库

docker compose up -d memgraph qdrant
docker compose ps   # wait for "healthy" (~30 s)

3.连接编辑器

VS代码--添加到 .vscode/mcp.json:

{
  "servers": {
    "lxdig": {
      "type": "stdio",
      "command": "node",
      "args": ["/absolute/path/to/lxDIG-MCP/dist/server.js"],
      "env": {
        "MCP_TRANSPORT": "stdio",
        "MEMGRAPH_HOST": "localhost",
        "MEMGRAPH_PORT": "7687",
        "QDRANT_HOST": "localhost",
        "QDRANT_PORT": "6333"
      }
    }
  }
}

克劳德桌面--添加到 claude_desktop_config.json:

{
  "mcpServers": {
    "lxdig": {
      "command": "node",
      "args": ["/absolute/path/to/lxDIG-MCP/dist/server.js"],
      "env": {
        "MCP_TRANSPORT": "stdio",
        "MEMGRAPH_HOST": "localhost",
        "MEMGRAPH_PORT": "7687",
        "QDRANT_HOST": "localhost",
        "QDRANT_PORT": "6333"
      }
    }
  }
}

4.初始化您的项目（一次调用）

{
  "name": "init_project_setup",
  "arguments": {
    "workspaceRoot": "/absolute/path/to/your-project",
    "sourceDir": "src",
    "projectId": "my-repo"
  }
}

此单个调用设置工作区上下文，重建代码图，并生成 .github/copilot-instructions.md 为了你的项目。您的代理已准备好进行查询。

总设置时间：~5分钟。 看 快速启动.md 了解包括Docker、Claude Desktop和HTTP传输在内的完整指南。

______________________________________________________________________

39 MCP工具概览

______________________________________________________________________

用例：Claude代码、VS代码副本、游标和CI管道

个人开发者——Claude Code或VS Code Copilot

• 问“什么电话 AuthService.login 整个回购？“并获得图形答案，而不是文件转储
• 在VS代码重启后恢复重构任务——您的代理会记住每一个决定
• 跑 impact_analyze 在提交之前——确切地知道要运行哪些测试
• 使用 arch_validate 在层违规成为bug之前将其捕获
• 通过以下方式直观地探索您的依赖关系图 lxDIG视觉

工程团队——多代理工作流

• 并行运行计划代理和实现代理，没有文件冲突
• 使用 coordination_overview 看看每个代理都在做什么
• context_pack 在一次通话中，代理人之间不进行高信号任务简报
• 持久决策记忆意味着第二个代理不会重复第一个代理已经完成的工作

CI/自动化流水线

• graph_health 作为启动准备门
• test_select + test_run 对于影响范围的CI，其速度比全套快5-10倍
• arch_validate 作为对每个PR的自动化架构合规性检查

存储库入职培训

• init_project_setup 在一个新的代码库上——图+副指令在大约30秒内
• code_explain 理解具有完全依赖上下文的不熟悉的子系统
• setup_copilot_instructions 生成针对您的仓库拓扑结构量身定制的AI助手指令

______________________________________________________________________

lxDIG MCP与RAG、GraphRAG、GitHub Copilot和LangChain代理的比较

______________________________________________________________________

演出

基准测试针对合成的20个场景代理任务套件运行(benchmarks/):

______________________________________________________________________

什么已经发货

下面的每个功能都是 今天生产准备就绪:

• ✅ 混合检索 为了 graph_query --融合RRF的向量+BM25+图展开
• ✅ AST精确解析器 通过适用于TypeScript、TSX、JS/MJS/CJS、JSX、Python、Go、Rust、Java的树形图
• ✅ 观察者驱动的增量重建 --图表保持新鲜，无需人工干预 _（要求 LXDIG_ENABLE_WATCHER=true)_
• ✅ 时态代码模型 — asOf 查询任何过去的图形状态； diff_since 显示发生了什么变化
• ✅ 索引时间符号摘要 --紧凑的配置文件答案在紧张的代币预算中仍然有用
• ✅ 莱顿社区检测+PageRank PPR 非MAGE环境下的JS回退
• ✅ SCIP ID 在所有FILE、FUNCTION和CLASS节点上，用于精确的跨工具符号引用
• ✅ 事件记忆、代理协调、上下文包和响应预算制定
• ✅ 文档和ADR索引 --markdown解析为图节点；按文本或符号关联查询
• ✅ 交互式图形可视化 通过 lxDIG视觉 --力导向画布浏览器
• ✅ 557次测试 跨解析器、构建器、引擎和工具处理程序——都是绿色的

______________________________________________________________________

运行时模式

有用的脚本

npm run start                       # stdio server (recommended)
npm run start:http                  # HTTP supervisor (multi-session)
npm run build                       # compile TypeScript
npm test                            # run all 557 tests
npm run benchmark:check-regression  # check latency/token regressions

______________________________________________________________________

存储库映射

______________________________________________________________________

集成提示

• 开始每个会话 随着 graph_set_workspace → graph_rebuild （或配置 init_project_setup 自动运行）
• 更喜欢 graph_query 文件读取过量 用于发现——令牌少得多，包括跨文件上下文
• 使用 profile: compact 在自主循环中；切换到 balanced 或 debug 当你需要细节时
• 逐步重建 经过有意义的编辑；文件监视器在活动会话期间自动处理此问题
• 跑 impact_analyze 测试前 所以你的代理只执行实际受影响的内容
• 打开 lxDIG视觉 在代理工作时，在编辑器旁边显示图形的空间视图

______________________________________________________________________

路线图

lxDIG今天是开源和自托管的。提前计划的工作——见 ROADMAP.md 对于完整的优先级积压，每个项目都有详细信息。

• \[\]语言服务器协议（LSP）集成，用于更深入的符号解析
• \[\]Go、Rust、Java解析器的改进
• \[\]MCP resources 曲面（将图节点作为MCP资源公开）
• \[\]由Webhook触发的CI环境图形重建
• \[\]用于自定义工具注册的插件API
• \[ \] 实时透明图形同步 --通过实时图形和矢量索引更新的连续文件监视作为可观察事件出现，因此代理和用户始终知道图形何时最新，而无需轮询 graph_health 或触发手动重建
• \[ \] 领域知识层 --将外部知识源（文档、标准、规范、研究文章）直接作为图形节点附加到代码符号上；一 calculateBMI 功能链接到CDC/世界卫生组织参考资料，支付功能链接到PCI-DSS规则，GDPR范围内的模型链接到监管文章-为代理提供现实世界背景和结构背景
• \[\]多用户协调--在同一存储库上的多个开发人员之间共享代理内存、任务所有权和冲突检测
• \[\]lxDIG Cloud——面向个人和团队的托管、零基础设施版本

______________________________________________________________________

贡献

欢迎拉取请求。无论是新的解析器、工具改进、错误修复还是更好的文档，各种规模的贡献都推动了这个项目的发展。

• Bug/功能 --首先打开一个问题，以在范围上保持一致
• 新工具 --遵循中的处理程序+注册模式 src/tools/；包括测试
• 新的语言解析器 --在中添加树保姆语法+测试 src/parsers/
• 文档 --拼写错误、澄清和示例总是值得赞赏的

______________________________________________________________________

支持项目

lxDIG MCP是在个人时间内构建和维护的——研究图形检索技术、设计工具界面、编写测试，并在MCP协议更新期间保持一切正常工作。如果它为您节省了时间或使您的人工智能辅助工作流程有意义地更好，请考虑支持这项工作：

• GitHub 赞助者 →
• 给我买杯咖啡 → buymeacoffee.com/hi8g

______________________________________________________________________

常见问题解答

Q： lxDIG是否需要云服务或API密钥？ 不是的。lxDIG完全在您的机器上运行。Memgraph和Qdrant在您控制的Docker容器中运行。没有数据离开您的环境。

Q： 它与Cursor兼容吗？ 对。任何兼容MCP的客户端都可以工作。按照与VS Code相同的方式将stdio配置添加到Cursor的MCP设置中。

Q： 它能处理多大的代码库？ 图平面（Memgraph）可缩放到数百万个节点。对于非常大的monorepos，请使用 sourceDir 对相关子目录进行范围索引。增量重建使图形保持新鲜，而无需重新索引所有内容。

Q： 我需要运行Qdrant吗？ Qdrant是可选的，但建议用于大型代码库。没有它， semantic_search 和 find_similar_code 不可用；所有其他工具继续通过仅图形或BM25检索工作。

Q： 一个团队中的多个开发人员可以共享一个lxDIG实例吗？ 是的，通过HTTP传输。一个正在运行的实例处理多个独立的会话。团队级共享内存在lxDIG Cloud路线图上。

Q： 这个生产准备好了吗？ 核心工具稳定且经过测试（402次测试，均为绿色）。将其视为测试版——API可能会在1.0版本之前发生变化。固定您的版本并查看更改日志。

Q： lxDIG MCP与GraphRAG相同吗？ 不是的。GraphRAG是一种应用于文档的批量检索技术。lxDIG MCP是一个实时、增量更新的 代码图 具有持久代理内存、多代理协调和影响范围的测试选择，而不仅仅是检索改进。

Q： 如何向Claude Code添加持久内存？ 安装lxDIG MCP，将stdio配置添加到 .vscode/mcp.json，并致电 init_project_setup 每个存储库一次。从那时起，Claude Code可以调用 episode_add / episode_recall 和 decision_query 读取和写入跨会话持续存在的内存。

Q： 我可以可视化代码图吗？ 对。 lxDIG视觉 是基于浏览器的图形浏览器。它共享同一个Memgraph实例--run npm run dev:all 在lxDIG可视化仓库中打开 http://localhost:5173.

______________________________________________________________________

许可证

麻省理工学院 --免费使用、修改和分发。

______________________________________________________________________

Built with care for the agentic coding era · github.com/lexCoder2/lxDIG-MCP