代码搜索工具
经 AI Skill Hub 精选评估，代码搜索工具 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
通过安装 代码搜索工具，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。代码搜索工具 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 代码搜索工具 评为 AI 评分 8.0 分，属于同类工具中的优质选择。
📋 工具概览
代码搜索工具 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。
📖 中文文档
代码搜索工具 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。
- 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
- 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
# 方式一：通过 Claude Code CLI 一键安装
claude skill install https://github.com/SylphxAI/coderag
# 方式二：手动配置 claude_desktop_config.json
{
"mcpServers": {
"------": {
"command": "npx",
"args": ["-y", "coderag"]
}
}
}
# 配置文件位置
# macOS: ~/Library/Application Support/Claude/claude_desktop_config.json
# Windows: %APPDATA%/Claude/claude_desktop_config.json
- 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
# 安装后在 Claude 对话中直接使用 # 示例： 用户: 请帮我用 代码搜索工具 执行以下任务... Claude: [自动调用 代码搜索工具 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"
// claude_desktop_config.json 配置示例
{
"mcpServers": {
"______": {
"command": "npx",
"args": ["-y", "coderag"],
"env": {
// "API_KEY": "your-api-key-here"
}
}
}
}
// 保存后重启 Claude Desktop 生效
简介
Zero-config (no install)
npx -y @sylphx/locus --root=/absolute/path/to/projectNo Docker. No Chroma. No embedding API required for the default TF-IDF path. Live: @sylphx/locus@0.5.2 · bin locus only · brand-sole serverInfo.name=locus.
| Setup | Command |
|---|---|
| Zero-config MCP | npx -y @sylphx/locus --root=/abs/path |
| Claude Code | claude mcp add locus -- npx -y @sylphx/locus --root=/abs/path |
| Cursor / Desktop | "command":"npx","args":["-y","@sylphx/locus","--root=/abs/path"] |
Help this reach more builders
If wrong code snippets have wasted your agent context, your edits, or your trust in search results, you are exactly who this project is for.
⭐ Star the repo — it is the fastest way to help more agent builders find chunk-level code search. Share it in your MCP client setup, team wiki, or agent stack README.
Quick Start
Packages
| Package | Description | Install |
|---|---|---|
| [@sylphx/coderag](packages/core) | Core search library | npm i @sylphx/coderag |
| [@sylphx/locus](packages/mcp-server) | MCP server for AI assistants | npx -y @sylphx/locus |
---
Locus vs Spine
| **Locus** | **Spine** | |
|---|---|---|
| Job | Find the right **code chunk** | Map **architecture** (path / trace / impact) |
| Repo | [coderag](https://github.com/SylphxAI/coderag) | [architecture-reader-mcp](https://github.com/SylphxAI/architecture-reader-mcp) |
| Primary tool | codebase_search | architecture_* |
| Brand npm | @sylphx/locus | @sylphx/spine |
coderag 是一个专为代码检索设计的强大工具，旨在通过先进的搜索技术帮助开发者在大型代码库中快速定位关键信息。它能够理解代码的语义结构，为 AI 助手和开发者提供精准的代码上下文支持。
coderag 提供智能的代码搜索功能，支持基于 AST Chunking 的代码切分技术，能够理解超过 15 种编程语言的语法结构。此外，它还支持可选的 Vector Search 语义搜索��并具备 Low Memory Mode（基于 SQL）以优化内存占用，确保在处理大规模项目时依然高效稳定。
您可以通过源码进行安装。首先确保环境已安装 bun，然后运行 `bun install` 进行依赖安装，最后通过 `bun run build` 完成项目的构建过程。对于 MCP Server 的使用，可以直接通过 npx 命令快速启动。
coderag 支持通过 JSON 格式进行结构化查询。您可以指定查询关键词（query）、限制返回数量（limit）、指定文件扩展名（file_extensions）以及排除特定路径（exclude_paths），从而实现对特定代码范围的精准检索。
coderag 提供两种集成方式：推荐使用 MCP Server 模式，通过配置 Claude Desktop、Cursor 或 VS Code 的 MCP 设置，将项目根目录传入即可让 AI 助手直接调用；另一种是作为 Library 集成，通过 npm 安装后，配合 OpenAI API Key 使用 hybridSearch 实现语义搜索。
coderag 提供了丰富的 API 接口。核心库 `@sylphx/coderag` 支持混合搜索（hybridSearch）功能，允许开发者自定义 vectorWeight 参数来平衡向量搜索与 TF-IDF 的权重，实现高度灵活的代码检索逻辑。
coderag 的工作流���为多个模块：通过 MCP Server 模块可无缝集成至 Claude Desktop、Cursor、VS Code 和 Windsurf 等 AI 编辑器；Vector Search 模块利用 OpenAI embeddings 提供语义检索；AST Chunking 模块利用 Synth 解析器进行智能代码切分；而 Low Memory Mode 则通过 SQL 基础架构确保在大规模索引下的性能。
快速高效的代码搜索工具，支持多语言
- 需要让 Claude / Cursor 操作本地工具的 AI 工程师
- 构建企业知识库 / RAG 检索应用的团队
- 配置 MCP 服务器时建议使用 stdio 传输 + JSON-RPC，避免暴露公网
- 分块大小建议 256-512 tokens，向量库优选 pgvector 或 Qdrant
- API key 直接提交到 git 仓库（请用 .env 并加入 .gitignore）
- MCP 配置路径拼错或权限不足，重启 Claude Desktop 才生效
- embedding 模型与查询模型不一致导致检索失效
- 云端托管：可放在 Vercel / Railway / Fly.io 等 PaaS 平台
⚡ 核心功能
- 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
- 需要让 Claude / Cursor 操作本地工具的 AI 工程师
- 构建企业知识库 / RAG 检索应用的团队
- 配置 MCP 服务器时建议使用 stdio 传输 + JSON-RPC，避免暴露公网
- 分块大小建议 256-512 tokens，向量库优选 pgvector 或 Qdrant
- API key 直接提交到 git 仓库（请用 .env 并加入 .gitignore）
- MCP 配置路径拼错或权限不足，重启 Claude Desktop 才生效
- embedding 模型与查询模型不一致导致检索失效
👥 适合人群
🎯 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
⚖️ 优点与不足
- +MIT 协议，可免费商用
- +标准化 MCP 协议，生态互联性强
- +与 Claude 官方生态无缝对接
- +即插即用，配置简单快捷
- −依赖 Claude 客户端，非 Claude 用户无法使用
- −MCP 协议仍在持续演进，接口可能变更
- −需要一定的配置步骤
AI Skill Hub 为第三方内容聚合平台，本页面信息基于公开数据整理，不对工具功能和质量作任何法律背书。
建议在沙箱或测试环境中充分验证后，再部署至生产环境，并做好必要的安全评估。
✅ MIT 协议 — 最宽松的开源协议之一，可自由商用、修改、分发，仅需保留版权声明。
🔗 相关工具推荐
❓ 常见问题 FAQ
AI Skill Hub 点评：代码搜索工具 的核心功能完整，质量优秀。对于Claude Desktop / Claude Code 用户来说，这是一个值得纳入个人工具库的选择。建议先在非生产环境试用，再逐步推广。
| 原始名称 | coderag |
| 原始描述 | 开源MCP工具：Lightning-fast semantic code search with AST chunking (15+ languages) - Hybrid T。⭐10 · TypeScript |
| Topics | code-searchembeddingsmcpragtfidftypescript |
| GitHub | https://github.com/SylphxAI/coderag |
| License | MIT |
| 语言 | TypeScript |
收录时间：2026-06-27 · 更新时间：2026-07-03 · License：MIT · AI Skill Hub 不对第三方内容的准确性作法律背书。
🤖 交给 Agent 安装 · 代码搜索工具
选择 Agent 类型，复制安装指令后粘贴到对应客户端