Codebase Rag

MCP开发工具

提供方 joinQuantish

开发工具 未标注 API Key 社区 / 第三方 ClaudeCursor

一款无需API密钥、完全本地运行的代码库索引与语义搜索工具,支持关键词搜索、语义搜索和混合搜索,适用于开发者快速查询和理解代码库。

一句话选型结论

按资料字段整理

Codebase Rag 属于开发工具类 MCP 服务器,传输方式未标注,API Key,可直接接入 Claude、Cursor,没有现成安装命令,需按官方文档接入。接入前先确认权限范围;涉及写入、删除或付款的操作,建议先在测试环境验证。

分类开发工具 传输方式未标注 鉴权API Key 部署方式未标注
GitHub 星标 2 仓库热度,无公开仓库时显示未标注
工具数 4 暴露给模型的工具数量
资源 / 提示词 0 / 0 资源与提示词模板数量
维护方 社区 / 第三方 核验等级 仅资料核对

工具与能力

开发工具
数量来自来源目录的标注,具体工具清单以官方文档为准
工具数量4暴露给模型可调用的工具个数
资源数量0可读取的资源条目
提示词数量0内置提示词模板数量

能力标签

支持客户端

适用场景

代码搜索TypeScript本地部署语义搜索本地运行开发者工具GitHub集成

安装与配置

未标注 API Key
上游未给出传输方式
  1. 1
    准备运行环境

    按官方文档确认运行环境(常见为 Node.js 或 Python),装好后再执行安装命令。

  2. 2
    安装服务

    复制上面的安装命令执行;命令里带占位符的位置,换成自己的密钥或路径。

  3. 3
    写入客户端配置

    在客户端的 MCP 配置里填好启动命令和参数,保存后完全退出客户端再打开,让新配置生效。

  4. 4
    验证是否可用

    连接成功后客户端会列出约 4 个工具,随便调一个只读工具确认能返回结果。

典型使用场景

3 类
按分类与标签整理的常见用法,具体以官方文档为准
代码与仓库操作

在对话里直接查代码、提 issue、走 PR,省掉来回切工具。

本地命令与脚本

把构建、测试、格式化这类重复命令交给模型执行。

接口联调与测试

让模型调你的接口、跑一遍用例,快速定位问题。

选择建议

选之前先看这几条
按条目字段给出的判断,不替你决定用不用

值得选的地方

  • 资料标注 4 个工具,职责相对集中,接入后不容易误操作。
  • 已适配 Claude、Cursor,换客户端不用重新研究配置。

先想清楚的地方

  • 没有现成安装命令,需要按官方文档自己填启动命令和参数。
  • 使用前要准备好API Key对应的凭据,并按最小权限配置。
  • 版本更新与行为细节以官方仓库为准。

更适合

  • 需要在开发工具场景里让模型直接调用外部能力的人。
  • 已经在用 Claude、Cursor 的用户,接入路径最短。
  • 想先快速试一下、能接受在本地或自有环境跑服务的人。

不太适合

  • 不方便管理密钥或第三方授权的人。
  • 需要厂商级 SLA 和技术支持的生产环境。

同类对比

6 个同类
同分类里挑最接近的几条,字段以各自详情页为准
MCP 服务器工具数传输方式部署方式安装命令最后核验
Codebase Rag当前 4 未标注 未标注 无 2026-05-17
Git 838e2ec1 12 stdio · 本地进程 本地部署 有 2026-05-17
Markitdown MCP 2c653a5f 1 stdio · 本地进程 本地部署 有 2026-05-17
JavaGuide 未标注 stdio · 本地进程 本地部署 有 2026-04-11
awesome-claude-skills 未标注 stdio · 本地进程 本地部署 有 2026-04-26
Context7 831acf40 未标注 stdio · 本地进程 本地部署 有 2026-05-17

服务器档案

开发工具
字段来自项目仓库与公开索引,中文说明由本站标注
提供方joinQuantish上游标注的维护方 joinQuantish
分类开发工具本站按上游分类展示
连接方式未标注上游未给出传输方式
鉴权方式API Key远程服务建议用最小权限凭据
维护方社区 / 第三方核验等级 仅资料核对
包名 / 运行时未标注 · 未标注本地安装时用到的包标识与运行时
部署类型未标注上游给出的部署形态
最近核验2026-05-17上游最后核验时间

详细介绍

4.9 KB
来自项目仓库与上游目录的原文,未做删改

代码库碎片

索引任何GitHub存储库并立即搜索。不需要API密钥。在CPU上100%本地运行。

公开MCP服务器,以便Claude Code、Cursor或任何LLM客户端可以在语义上搜索您的代码库。```
GitHub Repo → Clone → Chunk → Embed (local) → SQLite Index → MCP Server → LLM


## 快速开始```bash
# Install
git clone https://github.com/joinQuantish/codebase-rag
cd codebase-rag
bun install

# Index any repo (auto-embeds, no API key needed!)
bun run src/cli.ts index https://github.com/your-org/your-repo

# Search
bun run src/cli.ts search "place order"                         # keyword (~2ms)
bun run src/cli.ts vsearch "how does authentication work"       # semantic (~28ms)
bun run src/cli.ts query "wallet encryption and key management" # hybrid (best)

# Start MCP server for Claude Code / Cursor
bun run src/cli.ts serve

就这样 没有OpenAI密钥,没有GPU,没有外部服务。

运作原理

索引管道

  1. Git同步 --克隆或提取仓库,通过SHA256哈希检测更改的文件
  2. 文件过滤器 --选择代码文件(TS、Python、Rust、Go等),跳过node_modules/dist/binaries
  3. 代码分块器 --在函数/类边界上拆分文件,回退到具有重叠的60行窗口
  4. FTS5指数 --每个块都进入SQLite全文搜索,波特词干+BM25排名
  5. 矢量嵌入 --通过全MiniLM-L6-v2在本地嵌入块(22MB ONNX型号,在CPU上运行)

搜索模式

模式 命令 速度 最适合
关键字 search ~2ms 函数名称,精确术语
语义 vsearch ~28ms 概念性问题(“X是如何工作的”)
混合动力 query ~30ms 最佳整体精度

这三个都是开箱即用的,不需要API密钥。

嵌入

违约: 全迷你LM-L6-v2 通过 @huggingface/transformers (CPU上的ONNX运行时)

  • 384维向量
  • ~22MB量化模型(首次运行时自动下载)
  • 每个块嵌入约4ms
  • 缓存在 ~/.cache/huggingface/

可选地切换到OpenAI以获得更高的质量:set OPENAI_API_KEY 有人是。

MCP服务器

两种模式: 标准 (当地)和 超文本传输协议 (远程/共享)。

选项A:本地(stdio)

用于个人使用Claude Code或Cursor。增添 ~/.claude.json:```json
{
"mcpServers": {
"codebase": {
"command": "bun",
"args": ["run", "/path/to/codebase-rag/src/server.ts"],
"env": {
"CODEBASE_RAG_DATA": "/path/to/codebase-rag/data"
}
}
}
}


### 选项B:HTTP(远程)

与团队分享。启动服务器,任何人都可以连接:```bash
# Start HTTP server
bun run src/cli.ts serve --http --port=3100

从克劳德代码连接:```json
{
"mcpServers": {
"codebase": {
"type": "streamable-http",
"url": "https://your-server.example.com/mcp"
}
}
}


**终点:**

|路径|方法|描述|
|------|--------|-------------|
| `/mcp` |POST/GET/DELETE |MCP协议(流式HTTP)|
| `/health` |GET |健康检查+索引统计数据(JSON)|
| `/` |GET |服务器信息+连接说明|

### 暴露的工具

|工具|说明|
|------|-------------|
| `search` |快速关键字搜索(FTS5+BM25)|
| `semantic_search` |向量相似性搜索|
| `query` |混合搜索(关键字+语义,RRF融合)-- **推荐** |
| `stats` |指数统计|

## 建筑```
src/
cli.ts       — CLI entry point
sync.ts      — Git clone/pull + change detection
chunker.ts   — Code-aware file splitting
indexer.ts    — SQLite FTS5 + vector storage
embedder.ts  — Local embeddings (HuggingFace) or OpenAI
search.ts    — Search engine (keyword, semantic, hybrid)
server.ts    — MCP server (stdio + HTTP transport)

支持的语言

TypeScript、JavaScript、Python、Rust、Go、Java、Kotlin、C/C++、Ruby、PHP、Swift、C#、Solidity、SQL、Markdown、YAML、TOML、Shell、GraphQL、Protobuf、Terraform

重新索引

跑 index 同样,它只对内容哈希值发生变化的文件重新索引:```bash
bun run src/cli.ts index https://github.com/your-org/your-repo

✅ Indexed 3 files, skipped 97 unchanged


## 环境变量

|变量|必填|描述|
|----------|----------|-------------|
| `OPENAI_API_KEY` |否|可选:使用OpenAI嵌入而不是本地嵌入|
| `EMBEDDING_MODEL` |否|自定义HuggingFace模型(默认值: `Xenova/all-MiniLM-L6-v2`) |
| `EMBEDDING_BASE_URL` |否|自定义OpenAI兼容端点(Ollama,vLLM)|
| `CODEBASE_RAG_DATA` |否|数据目录(默认: `./data`) |

## 自动同步(可选)

设置cron以按计划重新索引:```bash
# Re-index every 15 minutes
*/15 * * * * cd /path/to/codebase-rag && bun run src/cli.ts index https://github.com/your-org/your-repo

或者使用GitHub webhook在推送时触发。

堆栈

  • 运行时:Bun
  • 数据库:带FTS5的SQLite(bun:SQLite)
  • 嵌入:HuggingFace Transformers.js(ONNX、CPU、本地)
  • 主控程序:@modelcontextprotocol/sdk(stdio传输)
  • 零外部基础设施 -单个SQLite文件,没有API密钥,没有GPU,没有Postgres/Pinecone

常见问题

6 问
答案由本站依据条目字段整理,不引用上游原文
Codebase Rag 怎么安装?

资料没有给出安装命令,请到官方仓库或文档按说明接入;这类条目多数是生态应用,或尚未发布可安装包。

Codebase Rag 怎么在 Claude、Cursor 里配置?

它的传输方式未标注,在客户端的 MCP 配置里填好启动命令和参数,保存后完全退出客户端再打开,配置才会生效。

Codebase Rag 收费吗?

本站不代收费用,也没有标注具体价格。是否收费取决于服务本身和背后的接口额度,正式使用前按官方说明确认。

Codebase Rag 需要 API Key 吗?

资料标注需要API Key认证,使用前准备好对应凭据,并按最小权限配置。

Codebase Rag 支持哪些客户端?

资料标注支持 Claude、Cursor;其他客户端只要能配置 MCP Server,也能用同样的命令或地址接入。

Codebase Rag 能提供哪些能力?

资料显示约 4 个工具;能力标签包括 代码搜索、本地运行、TypeScript、Claude、开发工具。具体工具清单以官方文档为准。

热门专题

按标签挑服务器
全部专题 →

服务器信息以作者仓库与官方文档为准;分类、传输方式与鉴权方式的中文说明为中文整理,最近核验 2026-05-17。