代码向量搜索（MCP服务器）
一种模型上下文协议（MCP）服务器，使用ChromaDB和Intel OpenVINO加速的句子转换器嵌入来构建本地语义代码索引。它会监视你的项目，分块源文件，尊重 .gitignore，并向MCP客户端公开语义搜索工具。
特性
- ChromaDB支持的矢量存储，具有持久存储和自动膨胀缓解功能。
- 针对Intel CPU/GPU的OpenVINO加速句子转换器嵌入（回退到PyTorch）。
- Gitignore感知索引，并通过文件监视实时更新。
- 使用文件/行元数据对文档进行分块，以获得精确的结果。
- 面向MCP客户端的工具：
semantic_search,get_index_stats,reindex_project.
快速入门（Docker）
docker build -t code-vector-search .
PROJECT_ROOT=/path/to/your/code ./run-docker.sh- 项目以只读方式装载在
/project；矢量索引持续到/path/to/your/code/.vector-index. - 集
DEBUG=1从容器中读取服务器stderr日志。
不使用Docker运行
python -m venv .venv
source .venv/bin/activate
pip install -r requirements.txt
PROJECT_ROOT=/path/to/your/code PERSIST_DIR=.vector-index python server.py配置
PROJECT_ROOT（默认值/project)：要索引的目录。PERSIST_DIR（默认值/vector-index)：ChromaDB存储索引的位置。FORCE_REINDEX（true/false）：启动时强制进行干净重建。CHUNK_SIZE（默认值800)：每个块的目标字符；较大的值会减少块并加快索引速度。EMBED_BATCH_SIZE（默认值64)：句子转换器编码批大小。EMBED_MODEL_NAME（默认值all-MiniLM-L6-v2)：嵌入SentenceTransformers的模型名称。INDEX_BATCH_CHUNKS（默认值512)：在完全索引期间，每个Chroma添加批次的块数。DEBUG（与run-docker.sh)：显示stderr日志，而不是将其静音。
性能提示
- 这些默认值针对4核32GB机器进行了调整；如果你看到记忆压力，请调低。
- 增加
EMBED_BATCH_SIZE（例如。，96)如果你有足够的净空；如果你看到OOM，请降低它。 - 对于非常大的回购，在发生重大变化后更喜欢新的指数，以避免HNSW膨胀。
- 型号选择：
all-MiniLM-L12-v2（质量越高，速度越慢），multi-qa-MiniLM-L6-cos-v1（QA风格的查询），bge-small-en-v1.5（更快、更小）。
测试
运行嵌入和Chroma集成检查：
python test_embedding.py贡献
看 CONTRIBUTING.md 了解设置、样式和拉取请求指南。A. CODE_OF_CONDUCT.md 适用于所有社区空间。
安全
请审阅 SECURITY.md 如何报告漏洞。
许可证
根据MIT许可证获得许可。看 LICENSE 了解详情。