syncore (Oldnordic)

SynCore

用于AI原生开发的MCP服务器 -2周内独立构建，人工智能援助预算为15美元。

内存、向量、代码分析和知识图的统一接口。 65+工具 可通过单个MCP连接访问。

内置Rust。使用Claude Code进行生产测试。

这实际上是做什么的

SynCore是一个MCP（模型上下文协议）服务器 65工具 用于：

• 持久存储器 -键值存储（SQLite+Sled缓存）
• 双域矢量搜索 -代码和文本的单独嵌入模型

- 编码域：BGE-small-en-v1.5（针对语义代码搜索进行了优化） - 通用域：全MiniLM-L6-v2（针对文档/任务进行了优化）

• 代码智能 -Rust、JavaScript、Python、JSON、TOML、Bash的树型解析
• 知识图谱 -Neo4j与Cypher查询的集成
• 任务管理 -使用父/子关系进行任务跟踪
• 代理商协调 -多代理工作流的消息总线
• 应用程序映射 -文件依赖关系跟踪和更改历史记录
• 顺序推理 -多步思维记录
• 项目分析 -LLM免费代码库智能（热点、死代码、周期、重构）

现状（2025年11月）

什么是可靠的

核心工具（每日测试）：

• memory_store / memory_query -键值存储，约1ms延迟
• vector_insert / vector_search -语义搜索，10-50ms延迟
• code_index / code_search -代码语义搜索
• code_index_directory -批次索引 增量支持 （跳过未更改的文件）
• parser_analyze -树型AST提取，可选持久性
• parser_search -Ripgrep代码模式搜索
• graph_query / graph_insert -Neo4j密码查询
• code_graph_sync_neo4j -将SQLite实体同步到Neo4j
• code_graph_fusion_query -三模式（简单/注意力/推理）搜索

图形特征：

• 7种边缘类型：包含、调用、使用、导入、模块_儿童、继承、引用
• PageRank的多跳传播
• 时间元数据丰富（git历史+mtime）

项目分析引擎（第6阶段）：

• project_file_report -详细的文件分析（实体、关系、指标）
• project_hotspots -查找复杂性热点（扇入/扇出、LOC、实体计数）
• project_dead_code -检测未使用的实体
• project_cycles -查找循环依赖关系
• project_unused_imports -查找未使用的导入
• project_module_map -模块依赖关系图
• project_refactor_suggestions -启发式重构建议

元工具（聚合PAE数据）：

• project_architecture_overview -项目范围摘要：实体计数、依赖关系统计、复杂性指标
• project_complexity_dashboard -热门热点、最差周期、复杂性排名
• project_improvement_roadmap -通过努力/影响矩阵优先改进
• project_refactor_action_plan -可操作的重构计划（高风险热点、死代码、周期中断）

增量索引（新增-第5阶段）：

• SHA256+时间变化检测
• 跳过未更改的文件（返回0个实体=跳过）
• 检测新的、修改的、删除的文件
• Idempotent（可安全重复运行）

什么是实验

• IntelliTask AI功能 -要求Ollama在本地运行，质量取决于型号
• 顺序推理 - sequential_cycle 需要Ollama
• 代理消息总线 -工作，但未在生产中进行大量测试
• RAGGraph多跳 -有效，但评分可能需要调整

诚实的限制

• 仅限单个节点 -无分布式模式
• 无身份验证 -专为当地使用而设计
• 图形功能需要Neo4j -没有它，有些工具会悄无声息地失败
• 人工智能功能需要Ollama -IntelliTask，sequential_cycle需要它
• 启动后约500MB RAM -加载了两个HuggingFace嵌入模型（BGE+MiniLM）
• 图形功能已部分测试 -Neo4j同步有效，但实体填充需要验证

快速开始

构建

cd syncore
cargo build --release

生成两个二进制文件：

• target/release/syncore_mcp_stdio （~55 MB）-克劳德代码的MCP服务器
• target/release/syncore_graph_cli （约33 MB）-用于图形操作的CLI

配置Claude代码

增添 ~/.config/claude/mcp_settings.json:

{
  "syncore": {
    "command": "/path/to/syncore/target/release/syncore_mcp_stdio",
    "args": [],
    "env": {
      "DB_PATH": "/path/to/syncore.db",
      "NEO4J_URI": "bolt://127.0.0.1:7687",
      "NEO4J_USER": "neo4j",
      "NEO4J_PASS": "your_password"
    }
  }
}

环境变量

所有工具（42个记忆套件+23个独立工具）

内存套件（通过42个命令 memory_suite)

基本内存（5个命令）：

语义搜索（8个命令-APEX 1.9-M）：

矢量操作（2个命令）：

任务管理（15个命令）：

顺序推理（4个命令）：

代理协调（8个命令）：

独立MCP工具

代码套件（11个命令）：

图形套件（5个命令）：

映射套件（8个命令）：

调试套件（10个命令）：

REFRAG套件（3个命令-APEX 1.8）：

架构说明

双域嵌入

SynCore使用两个单独的矢量存储和专门的模型：

码域 (syncore_code.index):

• 型号：BGE-small-en-v1.5（384调光）
• 目的：语义代码搜索
• 为什么：接受过代码+文本培训，了解编程语义
• 路由：代码实体、函数、类

一般域 (syncore_general.index):

• 型号：全迷你LM-L6-v2（384昏暗）
• 目的：文件、任务、笔记
• 为什么：针对自然语言理解进行了优化
• 路由：记忆、文档、推理步骤

这可以防止“域污染”，即代码嵌入污染文档搜索，反之亦然。

图形BERT集成点

代码库包括 GraphEmbeddingStrategy 未来集成Graph BERT或其他GNN模型以将CODE嵌入与图结构特征相结合的特点。目前使用确定性特征注入。

演出

在Ryzen 7 32GB RAM上测试：

注意：HNSW索引在预热后将搜索时间缩短到1-10ms，但初始查询使用线性扫描。

需求

必修的：

• 锈蚀1.70+
• ~4GB磁盘用于构建工件
• 嵌入模型加载后约500MB RAM

可选：

• Neo4j 5.x（用于图形功能- graph_*, code_graph_*, raggraph_*)
• Ollama（用于AI功能- intellitask_generate/subtasks/prioritize/next, sequential_cycle)

CLI工具

syncore_graph_cli 提供命令行图形操作：

# Sync SQLite entities to Neo4j
NEO4J_URI="bolt://127.0.0.1:7687" NEO4J_USER="neo4j" NEO4J_PASS="password" \
  ./target/release/syncore_graph_cli sync

# Validate graph integrity
./target/release/syncore_graph_cli validate

# Show graph statistics
./target/release/syncore_graph_cli stats

许可证

GPL-3.0

技术亮点（工程师接地）

是什么让这很有趣：

1. 双域嵌入 -具有自动路由功能的单独BGE/MiniLM型号（在MCP服务器中很少见）
2. 多模式存储 -SQLite+Sled+Neo4j+HNSW在单个一致的API中
3. 增量索引 -SHA256+时间变化检测，幂等重复运行
4. 代码图融合 -具有时间评分的三模式搜索（简单/注意力/推理）
5. 图表BERT接缝 -通过特征抽象实现GNN集成的可扩展点
6. 零依赖项目分析 -没有LLM调用的复杂性度量

什么还没有准备好生产：

• Neo4j实体查询返回空（同步工作，但填充逻辑需要调试）
• 图BERT是架构占位符（使用确定性特征注入）
• 大型结果集无流式传输
• 集成测试覆盖范围有限
• 单节点架构（无复制/分片）

发展背景：

• 2周，单人开发，15美元预算
• 100%人工智能辅助代码生成（克劳德代码+免费层模型）
• 250个文件中7866行Rust
• 使用Claude Code CLI进行日常生产使用

致谢

使用rmcp、neo4rs、rusqlite、树保姆、fastembed、tokio、雪橇、hnsw_rs构建。

核心嵌入模型：BGE-small-en-v1.5（BAAI），全MiniLM-L6-v2（句子转换器）。