mcpField
L
Local Code Indexing for Cursor

Local Code Indexing for Cursor

远程服务
github.com/LuotoCompany开发工具3384 周前更新
代码仓库

关于 Local Code Indexing for Cursor

Local Code Indexing for Cursor 是一个实验性的 Python 服务,使用 ChromaDB 在本地为代码库建立索引,并通过 MCP 服务提供语义搜索工具。它面向在 Cursor 中处理多个项目的开发者,所有索引数据保存在本地。

主要功能

  1. 01基于 ChromaDB 的本地索引
  2. 02通过 MCP 暴露 search_code 语义搜索工具
  3. 03可通过 .env 配置索引的项目目录
  4. 04使用 Docker Compose 启动服务

适用场景

  1. 01在 Cursor Agent 模式中按语义检索已索引项目的代码
  2. 02在编码时替代部分 grep 类命令行搜索

MCP 相关

该项目是一个 MCP 服务,通过 SSE 端点(http://localhost:8978/sse)向 Cursor 等客户端提供 @search_code 工具。

配置

远程服务无需本地安装。选择你使用的客户端,复制配置或使用一键安装。

服务地址http://localhost:8978/sse
一键复制安装命令
Claude CodeTerminal
Cursor.cursor/mcp.json
VS Code.vscode/mcp.json
Claude Desktopclaude_desktop_config.json
Windsurf~/.codeium/windsurf/mcp_config.json

命令在终端中运行;JSON 粘贴到对应客户端的 MCP 配置后重启。需要授权的服务会在首次连接时提示登录。

工具

详细介绍

Cursor 的本地代码索引

一个基于 Python 的实验性服务,使用 ChromaDB 在本地为代码库建立索引,并通过 MCP(Model Context Protocol)服务为 Cursor 等工具提供语义搜索工具。

设置

  1. 克隆并进入仓库:

    git clone <repository-url>
    cd cursor-local-indexing
    
  2. 复制 .env.example,创建 .env 文件:

    cp .env.example .env
    
  3. 配置 .env 文件:

    PROJECTS_ROOT=~/your/projects/root    # Path to your projects directory
    FOLDERS_TO_INDEX=project1,project2    # Comma-separated list of folders to index
    

    示例:

    PROJECTS_ROOT=~/projects
    FOLDERS_TO_INDEX=project1,project2
    
  4. 启动索引服务:

    docker-compose up -d
    
  5. 配置 Cursor 以使用本地搜索服务: 创建或编辑 ~/.cursor/mcp.json:

    {
      "mcpServers": {
        "workspace-code-search": {
          "url": "http://localhost:8978/sse"
        }
      }
    }
    
  6. 重启 Cursor IDE 以应用更改。

服务将开始为你指定的项目建立索引;当这些项目处于活动状态时,你便可以在 Cursor 中使用代码语义搜索。

  1. 打开一个你配置为已建立索引的项目。

创建 .cursorrules 文件并添加以下内容:

<instructions>
For any request, use the @search_code tool to check what the code does.
Prefer that first before resorting to command line grepping etc.
</instructions>
  1. 开始使用 Cursor Agent 模式,看看它如何执行本地向量搜索!

评论

支持 Markdown

第一次接触 MCP?

从协议是什么,到在客户端里装上第一个服务,这几条回答覆盖了大多数入门问题。

一个开放协议,规定了 AI 应用如何以统一方式连接外部工具与数据源。客户端负责与模型对话,MCP 服务负责提供工具、资源和提示模板,两者通过标准消息通信,同一个服务可以被不同客户端复用。