能力标签

🔌 MCP 🐳 Docker 💻 CLI 🧬 Embedding ✨ GPT 🖥 本地 LLM

🔌

MCP工具

代码语义搜索

基于 TypeScript · 让 AI 助手直接操作你的系统与工具

英文名：autodev-codebase

⭐ 117 Stars 🍴 12 Forks 💻 TypeScript 📄 未公布协议 🏷 AI 8.0分

8.0AI 综合评分

mcptypescript代码搜索

⚙️ 配置说明 🔍 查看原项目

✦ AI Skill Hub 推荐

经 AI Skill Hub 精选评估，代码语义搜索获评「强烈推荐」。这款MCP工具在功能完整性、社区活跃度和易用性方面表现出色，AI 评分 8.0 分，适合有一定技术背景的用户使用。

📚 深度解析

代码语义搜索是一款基于 MCP（Model Context Protocol）标准协议的 AI 工具扩展。MCP 协议由 Anthropic 开发并开源，旨在建立 AI 模型与外部工具之间的标准化通信接口，目前已被 Claude Desktop、Claude Code、Cursor 等主流 AI 工具采纳。

通过安装代码语义搜索，你的 AI 助手将获得额外的工具调用能力，可以用自然语言直接操控该工具的功能，无需学习复杂的命令行语法。MCP 工具的核心价值在于"一次配置，永久增强"——配置完成后，每次与 AI 对话时都可以无缝调用这些工具。

在技术实现上，MCP 工具通过标准的 JSON-RPC 协议与 AI 客户端通信，工具的功能以"工具列表"的形式暴露给 AI 模型，AI 可以按需调用。代码语义搜索提供了结构化的工具调用接口，使 AI 模型能够精确地理解和使用每个功能点，显著降低 AI 在工具使用上的错误率。

与传统的 API 集成相比，MCP 工具的优势在于无需编写代码——用户只需在配置文件中添加几行 JSON，即可让 AI 获得全新能力。AI Skill Hub 将代码语义搜索评为 AI 评分 8.0 分，属于同类工具中的优质选择。

📋 工具概览

代码语义搜索是一款遵循 MCP（Model Context Protocol）标准协议的 AI 工具扩展。通过 MCP 协议，它可以让 Claude、Cursor 等主流 AI 客户端直接访问和操作外部工具、数据源和服务，实现 AI 能力的无缝扩展。无论是文件操作、数据库查询还是 API 调用，都可以通过自然语言在 AI 对话中直接触发，极大提升生产效率。

GitHub Stars

⭐ 117

开发语言

TypeScript

支持平台

Windows / macOS / Linux

维护状态

轻量级项目，按需更新

开源协议

未公布

AI 综合评分

8.0 分

工具类型

MCP工具

Forks

📖 中文文档

以下内容由 AI Skill Hub 根据项目信息自动整理，如需查看完整原始文档请访问底部「原始来源」。

📌 核心特色

通过标准 MCP 协议与 Claude、Cursor 等主流 AI 客户端深度集成
提供结构化工具调用接口，显著降低 AI 集成复杂度
支持 Claude Desktop 和 Claude Code 无缝接入，开箱即用
可与其他 MCP 工具组合叠加，构建完整 AI 工作站
轻量无侵入设计，不影响现有系统架构

🎯 主要使用场景

在 Claude Desktop 对话中直接调用本地工具，实现 AI 与系统的深度联动
通过自然语言驱动复杂的多步骤自动化任务，代替繁琐手动操作
将多个 MCP 工具组合使用，构建个人专属 AI 工作站

以下安装命令基于项目开发语言和类型自动生成，实际以官方 README 为准。

安装命令

# 方式一：通过 Claude Code CLI 一键安装
claude skill install https://github.com/anrgct/autodev-codebase

# 方式二：手动配置 claude_desktop_config.json
{
  "mcpServers": {
    "------": {
      "command": "npx",
      "args": ["-y", "autodev-codebase"]
    }
  }
}

# 配置文件位置
# macOS: ~/Library/Application Support/Claude/claude_desktop_config.json
# Windows: %APPDATA%/Claude/claude_desktop_config.json

📋 安装步骤说明

确认已安装 Node.js（v18 或以上版本）
打开 Claude Desktop 或 Claude Code 的 MCP 配置文件
按「交给 Agent 安装 → Claude Desktop」标签中的 JSON 配置填入 mcpServers 字段
保存配置文件并重启 Claude 客户端
重启后，在对话中即可使用本工具

以下用法示例由 AI Skill Hub 整理，涵盖最常见的使用场景。

常用命令 / 代码示例

# 安装后在 Claude 对话中直接使用
# 示例：
用户: 请帮我用 代码语义搜索 执行以下任务...
Claude: [自动调用 代码语义搜索 MCP 工具处理请求]

# 查看可用工具列表
# 在 Claude 中输入："列出所有可用的 MCP 工具"

以下配置示例基于典型使用场景生成，具体参数请参照官方文档调整。

配置示例

// claude_desktop_config.json 配置示例
{
  "mcpServers": {
    "______": {
      "command": "npx",
      "args": ["-y", "autodev-codebase"],
      "env": {
        // "API_KEY": "your-api-key-here"
      }
    }
  }
}

// 保存后重启 Claude Desktop 生效

📑 README 深度解析真实文档完整度 75/100 查看 GitHub 原文 →

以下内容由系统直接从 GitHub README 解析整理，保留代码块、表格与列表结构。

@autodev/codebase

</p>

A vector embedding-based code semantic search tool with MCP server and multi-model integration. Can be used as a pure CLI tool. Supports Ollama for fully local embedding and reranking, enabling complete offline operation and privacy protection for your code repository.

```sh

📊 Statistics Overview (no --query)

codebase call # Show statistics overview codebase call --json # JSON format codebase call src/commands # Analyze specific directory

🚀 Features

🔍 Semantic Code Search: Vector-based search using advanced embedding models
🔗 Call Graph Analysis: Trace function call relationships and execution paths
🌐 MCP Server: HTTP-based MCP server with SSE and stdio adapters
💻 Pure CLI Tool: Standalone command-line interface without GUI dependencies
⚙️ Layered Configuration: CLI, project, and global config management
🎯 Advanced Path Filtering: Glob patterns with brace expansion and exclusions
🌲 Tree-sitter Parsing: Support for 40+ programming languages
💾 Qdrant Integration: High-performance vector database
🔄 Multiple Providers: OpenAI, Ollama, Jina, Gemini, Mistral, OpenRouter, Vercel
📊 Real-time Watching: Automatic index updates
⚡ Batch Processing: Efficient parallel processing
📝 Code Outline Extraction: Generate structured code outlines with AI summaries
💨 Dependency Analysis Cache: Intelligent caching for 10-50x faster re-analysis

🚀 Advanced Features

#### 🔍 LLM-Powered Search Reranking Enable LLM reranking to dramatically improve search relevance:

```bash

1. Dependencies

brew install ollama ripgrep
ollama serve
ollama pull nomic-embed-text

Then connect via stdio adapter in another terminal (for IDEs that require stdio)

codebase stdio --server-url=http://localhost:3001/mcp


**IDE Config:**

json { "mcpServers": { "codebase": { "command": "codebase", "args": ["stdio", "--server-url=http://localhost:3001/mcp"] } } } ```

📦 Installation

3. Install

npm install -g @autodev/codebase
codebase config --set embedderProvider=ollama,embedderModelId=nomic-embed-text

🛠️ Quick Start

```bash

Common Config Examples

Ollama:

{
  "embedderProvider": "ollama",
  "embedderModelId": "nomic-embed-text",
  "qdrantUrl": "http://localhost:6333"
}

OpenAI:

{
  "embedderProvider": "openai",
  "embedderModelId": "text-embedding-3-small",
  "embedderOpenAiApiKey": "sk-your-key",
  "qdrantUrl": "http://localhost:6333"
}

OpenAI-Compatible:

{
  "embedderProvider": "openai-compatible",
  "embedderModelId": "text-embedding-3-small",
  "embedderOpenAiCompatibleApiKey": "sk-your-key",
  "embedderOpenAiCompatibleBaseUrl": "https://api.openai.com/v1"
}

Demo mode (recommended for first-time)

Creates a demo directory in current working directory for testing

⚙️ Configuration

```bash

View config

codebase config --get codebase config --get embedderProvider --json

Set config

codebase config --set embedderProvider=ollama,embedderModelId=nomic-embed-text codebase config --set --global qdrantUrl=http://localhost:6333 ```

⚙️ Configuration

Config Layers (Priority Order)

CLI Arguments - Runtime parameters (--path, --config, --log-level, --force, etc.)
Project Config - ./autodev-config.json (or custom path via --config)
Global Config - ~/.autodev-cache/autodev-config.json
Built-in Defaults - Fallback values

Note: CLI arguments provide runtime override for paths, logging, and operational behavior. For persistent configuration (embedderProvider, API keys, search parameters), use config --set to save to config files.

Key Configuration Options

Category	Options	Description
Embedding	`embedderProvider`, `embedderModelId`, `embedderModelDimension`	Provider and model settings
API Keys	`embedderOpenAiApiKey`, `embedderOpenAiCompatibleApiKey`	Authentication
Vector Store	`qdrantUrl`, `qdrantApiKey`	Qdrant connection
Search	`vectorSearchMinScore`, `vectorSearchMaxResults`	Search behavior
Reranker	`rerankerEnabled`, `rerankerProvider`	Result reranking
Summarizer	`summarizerProvider`, `summarizerLanguage`, `summarizerBatchSize`	AI summary generation

Key CLI Arguments: - index - Index the codebase - search <query> - Search the codebase (required positional argument) - outline <pattern> - Extract code outlines (supports glob patterns) - call - Analyze function call relationships and dependency graphs - stdio - Start stdio adapter for MCP - config - Manage configuration (use with --get or --set) - --serve - Start MCP HTTP server (use with index command) - --summarize - Generate AI summaries for code outlines - --dry-run - Preview operations before execution - --title - Show only file-level summaries - --clear-summarize-cache - Clear all summary caches - --path, --demo, --force - Common options - --limit / -l <number> - Maximum number of search results (default: from config, max 50) - --min-score / -S <number> - Minimum similarity score for search results (0-1, default: from config) - --query <patterns> - Query patterns for call graph analysis (comma-separated) - --viz <file> - Export full dependency data for visualization (cannot use with --query) - --open - Open interactive graph viewer - --depth <number> - Set analysis depth for call graphs - --help - Show all available options

Configuration Commands: ```bash

View config

codebase config --get codebase config --get --json

Set config (saves to file)

codebase config --set embedderProvider=ollama,embedderModelId=nomic-embed-text codebase config --set --global embedderProvider=openai,embedderOpenAiApiKey=sk-xxx