AI导哈

代码语义搜索服务

1C Code Search MCP是一个支持多配置的本地语义代码搜索服务器，适用于1C代码库，支持多种嵌入模型和向量引擎。

  • by rsyuzyov
  • Python
  • 本地部署
  • 11 星标
  • 更新于
在 GitHub 查看 rsyuzyov/bsl-mcp

使用说明

1C代码搜索MCP

本地MCP服务器，用于代码库1C的语义搜索。它支持多种数据库、各种嵌入式模型和向量引擎。

关键能力

  • 多配置同时支持多个代码数据库（信息数据库）。
  • 灵活选择模型：支持任何与HuggingFace/ONNX兼容的型号（默认） cointegrated/rubert-tiny2).
  • 向量搜索：使用QDRANT、LANCEDB或Chromadb进行高效搜索。
  • Web接口：通过浏览器轻松管理数据库和设置。
  • MCP协议：与Claude、Cursor、Kiro和其他MCP客户端轻松集成。

安装

  1. 克隆存储库。
  2. 建立依赖关系：
python install.py

发射

python code-search.py

或

python -m code_search

服务器将在端口8000（默认）上运行。 打开 http://localhost:8000 在浏览器中设置数据库。

配置（config.yaml)

文件 config.yaml 第一次启动时自动创建。您可以手动或通过Web界面编辑它。

配置示例：

global:
  port: 8000
  check_interval: 300

ibs:
  - name: "trade"
    title: "Управление Торговлей"
    source_dir: "C:/Projects/Trade/src"
    index_dir: "./indices/trade"
    embedding_model: "cointegrated/rubert-tiny2"
    vector_db: "qdrant"

  - name: "erp"
    title: "1С:ERP"
    source_dir: "C:/Projects/ERP/src"
    index_dir: "./indices/erp"
    embedding_model: "intfloat/multilingual-e5-small"
    vector_db: "qdrant"

参数

全球的：

  • port：Web服务器端口。
  • check_interval：背景文件更改检查间隔（秒）。

IBS（信息库）：

  • name：唯一数据库ID（拉丁语）。
  • title：人名。
  • source_dir：从卸载配置（XML文件）到目录的路径。
  • index_dir：存储向量索引的路径。
  • embedding_model：琥珀色模型的名称。
  • vector_db搜索结果（qdrant).

配置性能和设置

除了基本配置外 config.yaml，存在影响索引速度和资源消耗的内部参数。它们由代码中的常量指定。

文件 code_search/indexer/engine.py

  • BATCH_SIZE （默认） 500)

    • 存放处：文件开头的常量。
    • 这是什么：在写入向量数据库之前存储在内存中的片段数（chank）。
    • 影响：增加可能会稍微加快进程（减少数据库中的提交），但会增加RAM消耗。减少会节省内存。

  • READ_WORKERS （默认） 1)

    • 存放处：文件开头的常量。
    • 这是什么：用于读取文件和初始处理的线程数。
    • 影响：放大可以加速磁盘读取，但会增加CPU负载。因为生成向量也需要CPU，所以放置许多线程（大于2-4）通常是毫无意义的，因为神经网络将成为瓶颈。减少到1使系统更响应。

  • EMBED_BATCH_SIZE （默认） 64)

    • 存放处：文件开头的常量。
    • 这是什么：一次发送到神经网络的文本包的大小。
    • 影响对速度和记忆力有很大影响。放大可以加速工作（特别是GPU/AVX），但线性地“吃掉”内存。如果出现OOM（Out of Memory）错误，则缩小。

文件 code_search/config.py

  • CHUNK_SIZE （默认） 1024（d）和 CHUNK_OVERLAP （默认） 100)
    • 这是什么：字符中代码块的大小和它们之间的重叠。
    • 影响：定义代码是如何“切割”的。1024个字符~20-30行代码。如果你改变了，你必须重新索引一切从零。

支持的模型和引擎

琥珀色模型

服务器自动下载并将HuggingFace模型转换为ONNX模型。推荐：

  1. cointegrated/rubert-tiny2 （Default）-快速，轻，精度好。
  2. intfloat/multilingual-e5-small 高精度，多语言。
  3. ai-forever/sbert_large_nlu_ru -俄语的大模型。

矢量引擎

  • Qdrant （默认）-快速，本地工作，验证。
  • LanceDB 嵌入式数据库非常快，将数据存储在文件中。
  • 色度数据库 -流行的开源矢量数据库。

指定正确的值（qdrant, lancedb 或 chromadb在田野里 vector_db 在 config.yaml.

客户端连接（MCP）

服务器通过SSE（服务器发送事件）在MCP上运行，允许远程或通过网络连接。

连接URL: http://<ваш-сервер>:8000/sse

克劳德桌面版

文件 claude_desktop_config.json:

{
  "mcpServers": {
    "1c-rag": {
      "url": "http://localhost:8000/sse"
    }
  }
}

光标

  1. 转到 光标设置 > 特性 > 主控程序.
  2. 点击 添加新的MCP服务器.
  3. 类型： SSE.
  4. 网址： http://localhost:8000/sse

基洛/超级马文

文件 ~/.kiro/settings/mcp.json:

{
  "mcpServers": {
    "1c-rag": {
      "url": "http://localhost:8000/sse"
    }
  }
}

许可证

麻省理工学院

相关 MCP