Sourcerer Mcp

Sourcerer MCP 🧙

一款用于语义代码搜索与导航的 MCP 服务，可帮助 AI Agent 高效工作，避免消耗大量昂贵的 token。 Agent 无需读取整个文件，只需进行概念搜索， 即可直接跳转到所需的特定函数、类和代码块。

演示

要求

• OpenAI API Key：生成嵌入向量所必需（计划支持本地嵌入）
• Git：必须是 Git 仓库（遵循 .gitignore 文件）
• 将 .sourcerer/ 添加到 .gitignore：此目录用于存储嵌入向量数据库

安装

Go

go install github.com/st3v3nmw/sourcerer-mcp/cmd/sourcerer@latest

Homebrew

brew tap st3v3nmw/tap
brew install st3v3nmw/tap/sourcerer

配置

Claude Code

claude mcp add sourcerer -e OPENAI_API_KEY=your-openai-api-key -e SOURCERER_WORKSPACE_ROOT=$(pwd) -- sourcerer

mcp.json

{
  "mcpServers": {
    "sourcerer": {
      "command": "sourcerer",
      "env": {
        "OPENAI_API_KEY": "your-openai-api-key",
        "SOURCERER_WORKSPACE_ROOT": "/path/to/your/project"
      }
    }
  }
}

工作原理

Sourcerer 🧙 会为你的代码库构建语义搜索索引：

1. 代码解析与分块

• 使用 Tree-sitter 将源文件解析为 AST
• 提取具有稳定 ID 的有意义代码块（函数、类、方法、类型）
• 每个代码块都包含源代码、位置信息和上下文摘要
• 代码块 ID 遵循以下格式：file.ext::Type::method

2. 文件系统集成

• 使用 fsnotify 监视文件变更
• 通过 git check-ignore 遵循 .gitignore 文件
• 自动为发生变更的文件重新编制索引
• 存储元数据以追踪修改时间

3. 向量数据库

• 使用 chromem-go 在 .sourcerer/db/ 中持久化存储向量
• 通过 OpenAI 的 API 生成用于语义相似度搜索的嵌入向量
• 支持概念搜索，而不仅仅是文本匹配
• 保存代码块、对应的嵌入向量及元数据

4. MCP 工具

• semantic_search：使用语义搜索查找相关代码
• get_chunk_code：通过 ID 获取特定代码块
• find_similar_chunks：查找相似代码块
• index_workspace：手动触发重新编制索引
• get_index_status：检查索引进度

这种方法可让 AI Agent 无需读取整个文件即可找到相关代码， 大幅减少 token 用量和认知负担。

支持的语言

要支持一种语言，需要编写 Tree-sitter 查询， 以识别该语言中的函数、类、接口和其他代码结构。

已支持： Go、JavaScript、Markdown、Python、TypeScript

计划支持： C、C++、Java、Ruby、Rust 等

贡献

欢迎所有贡献！请参阅 CONTRIBUTING.md。

$ ls @stephenmwangi.com
- gh:st3v3nmw/obsidian-spaced-repetition
- gh:st3v3nmw/lsfr