能力标签
Java语义分析MCP服务
🔌
MCP工具

Java语义分析MCP服务

基于 Java · 让 AI 助手直接操作你的系统与工具
英文名:javalens-mcp
⭐ 27 Stars 🍴 9 Forks 💻 Java 📄 MIT 🏷 AI 8.0分
8.0AI 综合评分
MCP服务器Java代码分析AI代理语义分析开发者工具
✦ AI Skill Hub 推荐

Java语义分析MCP服务 是 AI Skill Hub 本期精选MCP工具之一。综合评分 8.0 分,整体质量较高。我们强烈推荐将其纳入你的 AI 工具库,帮助提升工作效率。

📚 深度解析

Java语义分析MCP服务 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 Java语义分析MCP服务,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。Java语义分析MCP服务 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 Java语义分析MCP服务 评为 AI 评分 8.0 分,属于同类工具中的优质选择。

📋 工具概览

基于Eclipse构建的开源MCP服务器,为AI代理提供Java代码的深层语义分析能力。支持代码智能理解、结构化解析和上下文感知,适合Java开发者、AI应用开发者和代码分析平台集成使用。

Java语义分析MCP服务 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
⭐ 27
开发语言
Java
支持平台
Windows / macOS / Linux / Android
维护状态
轻量级项目,按需更新
开源协议
MIT
AI 综合评分
8.0 分
工具类型
MCP工具
Forks
9

📖 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」。

基于Eclipse构建的开源MCP服务器,为AI代理提供Java代码的深层语义分析能力。支持代码智能理解、结构化解析和上下文感知,适合Java开发者、AI应用开发者和代码分析平台集成使用。

Java语义分析MCP服务 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。

📌 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/pzalutski-pixel/javalens-mcp

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

# 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
  1. 确认已安装 Node.js(v18 或以上版本)
  2. 打开 Claude Desktop 或 Claude Code 的 MCP 配置文件
  3. 按「交给 Agent 安装 → Claude Desktop」标签中的 JSON 配置填入 mcpServers 字段
  4. 保存配置文件并重启 Claude 客户端
  5. 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 Java语义分析MCP服务 执行以下任务...
Claude: [自动调用 Java语义分析MCP服务 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": {
    "java____mcp__": {
      "command": "npx",
      "args": ["-y", "javalens-mcp"],
      "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 70/100 含工作流图 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。

JavaLens: AI-First Code Analysis for Java

GitHub release License: MIT Java 21

An MCP server providing 75 semantic analysis tools for Java, built directly on Eclipse JDT for compiler-accurate code understanding.

Prerequisites

  • Java 21 or later (must be on PATH or set JAVA_HOME) — required for both install paths.
  • Node.js 18+ — required only if you use the npm/npx install path below. Skip if you use the direct-download path.

JavaLens is an analytical server, not a compiler. It uses Eclipse JDT 2025-12 to parse and understand Java source code from version 1.1 through 25. Java 21 is required only as the server runtime.

Install via npm (requires Node.js 18+)

If you already have Node.js, npx will download and cache the JavaLens distribution (~23 MB) on first run:

{
  "mcpServers": {
    "javalens": {
      "command": "npx",
      "args": ["-y", "javalens-mcp"],
      "env": {
        "JAVA_PROJECT_PATH": "/path/to/your/java/project"
      }
    }
  }
}

Build Requirements

  • Java 21+ (server runtime)
  • Maven 3.9+ (wrapper included as ./mvnw)

To run the full test suite (which includes end-to-end tests against real Maven, Gradle, and Bazel builds), the corresponding tools must also be on PATH:

  • Maven (provided by the wrapper)
  • Gradle 8+
  • Bazel 9+ (or bazelisk)

Tests gracefully skip when a tool is missing on a developer machine. Set JAVALENS_TESTS_REQUIRE_TOOLS=true to flip the gate: missing tools cause a hard failure instead of a skip. CI runs with this flag set so any provisioning gap surfaces as a real failure rather than weakening the suite silently.

Compiler-Accurate Analysis

JavaLens provides compiler-accurate code analysis through Eclipse JDT—the same engine that powers Eclipse IDE. Unlike text search, JDT understands:

  • Type resolution across inheritance hierarchies
  • Method overloading and overriding
  • Generic type arguments
  • Import resolution and classpath dependencies
  • Java source from version 1.1 through Java 25 (markdown Javadoc, module imports, compact source files, flexible constructor bodies)
  • Lombok-generated members — a bundled agent makes @Data accessors and the like resolve, so code using them is not flagged as undefined

Example: Finding all places where UserService.save() is called:

ApproachResult
grep "save("Returns 47 matches including orderService.save(), saveButton, comments
find_referencesReturns exactly 12 calls to UserService.save()

Installation

Build System Support

JavaLens loads three real build systems plus plain Java directories. Each is exercised end-to-end in CI against synthetic real-shaped fixtures (multi-module reactors with cross-module deps, real external libraries, annotation processors).

SystemDetectionSingle-moduleMulti-module / multi-projectCompiler compliance from build filesGenerated sourcesAnnotation processors
Mavenpom.xml✅ (reactor classpath aggregation, cross-module navigation)✅ (maven.compiler.release/source/target)✅ (target/generated-sources/*)✅ (<annotationProcessorPaths> across the whole reactor)
Gradlebuild.gradle / build.gradle.kts✅ (settings.gradle include parsed; per-subproject classpaths unioned)✅ (sourceCompatibility)✅ (build/generated/sources/<task>/main/java)✅ (annotationProcessor configuration)
BazelMODULE.bazel / WORKSPACE.bazel / WORKSPACE✅ (every BUILD.bazel package scanned for sources; bazel-binbazel-out symlink dedup)✅ (javacopts -source/-target/--release parsed across BUILD.bazel files)n/a (Bazel actions write into bazel-bin/, not target/generated-sources/)✅ (any classpath jar with META-INF/services/javax.annotation.processing.Processor is auto-registered)
Plain Javasrc/ directoryn/a✅ (falls back to Runtime.version().feature() when no build file)n/an/a

Subprocess invocations of mvn / gradle happen during project load. If a tool is missing or fails, JavaLens surfaces a structured LoadWarning (e.g. MAVEN_SUBPROCESS_FAILED, GRADLE_SUBPROCESS_FAILED, COMPLIANCE_LEVEL_UNKNOWN) in the load_project response so callers know analysis quality is degraded rather than silently getting an empty classpath.

Building from Source

git clone https://github.com/pzalutski-pixel/javalens-mcp.git
cd javalens-mcp
./mvnw clean verify

Distributions are output to org.javalens.product/target/products/.

Usage

Configure MCP Client

Add to your MCP configuration (e.g., .mcp.json for Claude Code):

{
  "mcpServers": {
    "javalens": {
      "command": "java",
      "args": ["-jar", "/path/to/javalens/javalens.jar", "-data", "/path/to/javalens-workspaces"]
    }
  }
}

The -data argument specifies where JavaLens stores its workspace metadata. See How Workspaces Work below.

Configuration

Environment VariableDescriptionDefault
JAVA_PROJECT_PATHAuto-load project on startup(none)
JAVALENS_TIMEOUT_SECONDSOperation timeout30
JAVALENS_DISK_SYNCstrict (every answer verified against disk) or manual (agent calls load_project after edits)strict
JAVALENS_LOG_LEVELTRACE/DEBUG/INFO/WARN/ERRORINFO
JAVA_TOOL_OPTIONSJVM options, e.g. -Xmx2g for large projects(default: 512m via eclipse.ini)
JAVALENS_LOMBOK_JARPath to the Lombok agent jar attached at launch; overrides the bundled one(bundled)

Code Analysis Preferences

For Java code analysis, prefer JavaLens MCP tools over text search: - Use find_references instead of grep for finding usages - Use find_implementations instead of text search for implementations - Use analyze_type to understand a class before modifying it - Use refactoring tools (rename_symbol, extract_method) for safe changes

Semantic analysis from JDT is more accurate than text-based search, especially for overloaded methods, inheritance, and generic types. ```

Fine-Grained Reference Search (9 tools)

These use JDT's unique reference type constants—not available through LSP:

ToolDescription
find_annotation_usagesFind all @Annotation usages
find_type_instantiationsFind all new Type() calls
find_castsFind all (Type) expr casts
find_instanceof_checksFind all x instanceof Type
find_throws_declarationsFind all throws Exception in signatures
find_catch_blocksFind all catch(Exception e) blocks
find_method_referencesFind all Type::method expressions
find_type_argumentsFind all List<Type> usages
find_reflection_usageFind Class.forName(), Method.invoke(), and other reflection calls

Basic Workflow

1. load_project(projectPath="/path/to/java/project")
2. search_symbols(query="*Service", kind="Class")
3. find_references(filePath="...", line=10, column=15)
4. analyze_type(typeName="com.example.UserService")
🇨🇳 中文文档镜像 AI 翻译 2026-06-26
英文原文章节由系统翻译为中文摘要,便于快速理解。完整原文见上方 "📑 README 深度解析"。
📌 简介

JavaLens 是一个专为 Java 开发设计的 AI-First 代码分析 MCP Server。它通过集成 63 种语义分析工具,为 AI 助手提供深度理解 Java 代码的能力。不同于传统的文本搜索,JavaLens 能够理解复杂的代码逻辑,是提升 AI 在 Java 项目中辅助编程能力的利器。

📋 环境依赖

运行 JavaLens 需要满足以下环境要求:必须安装 Java 21 或更高版本,并确保其已添加到 PATH 或正确设置了 JAVA_HOME;若选择通过 npm/npx 方式安装,则需要 Node.js 18+ 环境。若仅使用直接下载的二进制包方式,则无需安装 Node.js。

🛠 安装步骤(Docker/pip/源码)

您可以根据环境选择两种安装方式:1. 通过 npm 安装(需 Node.js 18+):使用 `npx -y javalens-mcp` 命令,首次运行会自动下载并缓存分发包。2. 通过 GitHub Releases 安装(推荐):直接下载适用于您平台的 `javalens.zip` 或 `javalens.tar.gz`,解压至指定目录后,在 MCP 客户端中指向 bundled jar 文件即可。

🚀 使用教程

JavaLens 作为一个分析型服务器,通过 MCP 协议与 Claude Code 等客户端交互。用户可以通过配置 MCP 客户端来启动服务,利用其提供的语义分析工具进行精准的代码检索与理解,实现比传统 grep 搜索更智能的代码操作。

⚙️ 配置说明(含 MCP / env)

您需要在 MCP 配置文件(如 `.mcp.json`)中添加 JavaLens 配置,并使用 `-jar` 指向 jar 包路径,同时通过 `-data` 参数指定工作区元数据存储位置。此外,可以通过环境变量进行高级配置,例如使用 `JAVA_PROJECT_PATH` 自动加载项目,或通过 `JAVA_TOOL_OPTIONS` 设置 JVM 参数(如 `-Xmx2g`)以应对大型项目。

🔌 API 说明

JavaLens 提供了超越 LSP(Language Server Protocol)能力的精细化引用搜索 API。开发者应优先使用 `find_references` 查找引用、`find_implementations` 查找实现,以及 `analyze_type` 进行类型分析。此外,它还支持针对注解(`find_annotation_usages`)、实例化(`find_type_instantiations`)和强制类型转换(`find_casts`)的专项搜索工具。

🔄 工作流/模块

JavaLens 的标准工作流如下:首先通过 `load_project` 加载指定的 Java 项目路径;接着使用 `search_symbols` 按类型(如 Class)搜索符号;随后利用 `find_references` 定位具体的代码引用位置;最后通过 `analyze_type` 深入分析目标类型的详细信息,从而实现精准的 AI 辅助开发。

🎯 aiskill88 AI 点评 A 级 2026-05-21

专业的Java语义分析工具,Eclipse基础保证质量。MCP协议设计合理,与AI代理集成度高。项目活跃度适中,适合生产环境使用。

📚 实用指南(长尾问题)
适合谁
  • 需要让 Claude / Cursor 操作本地工具的 AI 工程师
  • 构建多智能体协作系统的 Agent 开发者
最佳实践
  • 配置 MCP 服务器时建议使用 stdio 传输 + JSON-RPC,避免暴露公网
  • Agent 任务先做 dry-run 验证工具调用链,再开启自主执行
常见错误
  • 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
部署方案
  • 云端托管:可放在 Vercel / Railway / Fly.io 等 PaaS 平台
相关搜索
javalens-mcp 中文教程javalens-mcp 安装报错怎么办javalens-mcp MCP 配置javalens-mcp Agent 工作流javalens-mcp 与同类工具对比javalens-mcp 最佳实践javalens-mcp 适合谁用

⚡ 核心功能

👥 适合谁
  • 需要让 Claude / Cursor 操作本地工具的 AI 工程师
  • 构建多智能体协作系统的 Agent 开发者
⭐ 最佳实践
  • 配置 MCP 服务器时建议使用 stdio 传输 + JSON-RPC,避免暴露公网
  • Agent 任务先做 dry-run 验证工具调用链,再开启自主执行
⚠️ 常见错误
  • 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

👥 适合人群

Claude Desktop / Claude Code 用户AI 工具开发者需要扩展 AI 能力的专业人士自动化工程师

🎯 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

✅ 优点
  • +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
⚠️ 不足
  • 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
⚠️ 使用须知

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。

📄 License 说明

✅ 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

📚 相关教程推荐
📰 相关 AI 新闻
🍿 AI 圈相关吃瓜
🗺️ 相关解决方案
🧩 你可能还需要
基于当前 Skill 的能力图谱,自动补全的工具组合

❓ 常见问题 FAQ

基于Eclipse,支持Java 8+现代版本,具体版本见项目文档。
💡 AI Skill Hub 点评

经综合评估,Java语义分析MCP服务 在MCP工具赛道中表现稳健,质量优秀。如果你已有明确的使用需求,可以直接上手体验;如果还在评估阶段,建议对比同类工具后再做决策。

⬇️ 获取与下载
⬇ 下载源码 ZIP

✅ MIT 协议 · 可免费商用 · 直接从 aiskill88 服务器下载,无需跳转 GitHub

📚 深入学习 Java语义分析MCP服务
查看分步骤安装教程和完整使用指南,快速上手这款工具
🌐 原始信息
原始名称 javalens-mcp
原始描述 开源MCP工具:MCP server providing semantic Java code analysis for AI agents. Built on Eclipse。⭐27 · Java
Topics MCP服务器Java代码分析AI代理语义分析开发者工具
GitHub https://github.com/pzalutski-pixel/javalens-mcp
License MIT
语言 Java
🔗 原始来源
🐙 GitHub 仓库  https://github.com/pzalutski-pixel/javalens-mcp 🌐 官方网站  https://github.com/pzalutski-pixel/javalens-mcp#readme

收录时间:2026-05-21 · 更新时间:2026-05-30 · License:MIT · AI Skill Hub 不对第三方内容的准确性作法律背书。

📺 订阅 AI Skill Hub Daily Telegram 频道
每天 8 条精选 AI Skill、MCP、Agent 与自动化工具推送
加入频道 →