MCP片段
- MCP服务器，用于使用语义搜索和传统关键字匹配来存储、搜索和管理代码片段。
- 只需告诉您的编码代理（claude代码、游标、cline、opencode等）保存某个代码段。就这样
- 需要时，只需告诉它搜索与以下内容相关的代码片段：
your query.
特性
- 使用AI嵌入进行语义搜索，根据含义而不仅仅是关键字查找片段
- 结合语义相似性和关键字匹配的混合搜索
- 自动编程语言检测
- 基于标签的组织和过滤
- 日期范围过滤
- 不需要数据库。基于JSON的存储。
- 缓存矢量嵌入以实现快速检索
安装
npm install @freakynit/snippets-mcp可用工具
添加代码段
将新代码段添加到数据库中。
参数：
code（string，必填）-代码内容tags（array，可选）-标记字符串数组language（字符串，可选）-编程语言（如果未提供，则自动检测）description（字符串，可选）-用于更好的语义搜索的文本描述
搜索片段
使用混合语义和关键字匹配搜索片段。
参数：
query（字符串，可选）-自然语言搜索查询tags（数组，可选）-按特定标签过滤（AND逻辑）language（字符串，可选）-按编程语言筛选dateStart（ISO日期字符串，可选）-按创建日期开始筛选dateEnd（ISO日期字符串，可选）-按创建日期结束筛选limit（数字，可选）-返回的最大结果数（默认值：10）
更新代码段
更新现有代码段。如果代码、标签或描述发生变化，则重新生成嵌入。
参数：
id（字符串，必填）-代码段IDupdates（object）-包含要更新的字段的对象（代码、标签、语言、描述）
删除代码段
从数据库中删除代码段。
参数：
id（字符串，必填）-代码段ID
获取代码片段
按ID检索单个代码段。
参数：
id（字符串，必填）-代码段ID
环境变量
SNIPPETS_FILE_PATH：可选，用于保存代码段和嵌入的文件的完整路径。默认为~/.snippets-mcp-db.json.
运作原理
图书馆使用混合搜索方法：
- 语义搜索（70%权重） -使用
all-MiniLM-L6-v2该模型用于对非代码、描述、标签和语言生成的嵌入进行向量搜索。 - 关键字匹配（30%权重） -基于代码和标签的精确术语匹配的传统文本匹配。
- 硬过滤器 -首先应用于按标签、语言和日期范围缩小结果范围。
在添加/更新代码段时生成一次嵌入，并缓存以进行快速检索。
存储
代码段存储在由环境变量指定的JSON文件中 SNIPPETS_FILE_PATH，或位于默认路径： ~/.snippets-mcp-db.json 具有以下结构：
{
"id": "uuid",
"code": "string",
"language": "string",
"tags": ["array"],
"description": "string",
"embedding": [/* vector array */],
"createdAt": "ISO date",
"updatedAt": "ISO date"
}使用mcpServers json进行配置
适用于Mac和Linux
{
"mcpServers": {
"snippets-mcp": {
"command": "npx",
"args": ["-y", "@freakynit/snippets-mcp@latest"],
"env": {
"SNIPPETS_FILE_PATH": "Optional... path to save snippets and embeddings in.. should have .json extension"
}
}
}
}对于Windows
{
"mcpServers": {
"snippets-mcp": {
"command": "cmd",
"args": ["/k", "npx", "-y", "@freakynit/snippets-mcp@latest"],
"env": {
"SNIPPETS_FILE_PATH": "Optional... path to save snippets and embeddings in.. should have .json extension"
}
}
}
}