AI导哈

代码语义知识图谱服务

一个基于LlamaIndex的模型上下文协议(MCP)服务器，用于创建和维护由Claude生成的代码的语义知识图谱，支持跨会话的上下文保持和高级语义搜索功能。

  • by sparshdrolia
  • Python
  • 本地部署
  • 6 星标
  • 更新于
在 GitHub 查看 sparshdrolia/Persistent-code-mcp

使用说明

带LlamaIndex的持久代码MCP服务器

一种模型上下文协议（MCP）服务器，用于创建和维护由Claude生成的代码的语义知识图。在LlamaIndex的支持下，这允许使用高级语义搜索功能在会话之间维护上下文，而不需要在上下文窗口中显示整个代码库。

问题与解决方案

使用Claude开发软件时：

  • 上下文窗口有限，难以处理大型代码库
  • 会话之间丢失了以前的代码上下文
  • Claude对项目结构缺乏持久的理解
  • 每个会话中都需要对代码进行冗余解释
  • 保持实施一致性具有挑战性

持久代码通过以下方式解决了这些问题：

  • 创建代码组件及其关系的知识图
  • 跟踪每个组件的实施状态
  • 提供导航、查询和理解代码库的工具
  • 为特定的编码任务组装最少的必要上下文
  • 在聊天会话中保持持久的知识

LlamaIdex集成

持久代码利用LlamaIndex提供增强的语义理解：

  1. 语义搜索：根据含义查找代码组件，而不仅仅是关键字
  2. 矢量嵌入：代码嵌入向量空间进行相似性匹配
  3. 知识图谱：从语义上跟踪组件之间的关系
  4. 上下文检索：根据语义相关性检索相关代码

这种集成使Claude能够更深入地理解您的代码库：

  • 根据函数的功能而不仅仅是它们的名称来查找函数
  • 在准备上下文时获取更多相关的代码组件
  • 更好地理解组件之间的关系
  • 更准确地检索类似实现的示例

安装

先决条件

  • Python 3.10或更高版本
  • UV包管理器（推荐）或pip

设置

# Clone repository
git clone https://github.com/your-username/persistent-code-mcp.git
cd persistent-code-mcp

# Set up environment with UV
uv venv
source .venv/bin/activate  # On Windows: .venv\Scripts\activate
uv pip install -r requirements.txt

# Or with pip
python -m venv venv
source venv/bin/activate  # On Windows: venv\Scripts\activate
pip install -r requirements.txt

用法

初始化项目

python -m persistent_code init --project-name "YourProject"

启动服务器

python -m persistent_code serve --project-name "YourProject"

为桌面配置Claude

  1. 编辑您的Claude for Desktop配置文件：
    • 地点： ~/Library/Application Support/Claude/claude_desktop_config.json
    • 添加以下配置：
{
  "mcpServers": {
    "persistent-code": {
      "command": "path to python in venv",
      "args": [
        "-m",
        "persistent_code",
        "serve",
        "--project-name",
        "default"
      ],
      "cwd": "persistent-code-mcp",
      "env": {
        "PYTHONPATH": "abs path to persistent-code-mcp"
      }
    }
  }
}
  1. 重新启动桌面版的Claude
  2. 通过向Claude询问您的代码来连接到MCP服务器

可用工具

知识图谱管理

  • add_component：向图中添加新的代码组件
  • update_component：更新现有组件
  • add_relationship：在组件之间创建关系

代码检索和导航

  • get_component：按ID或名称检索组件
  • find_related_components：查找与给定组件相关的组件
  • search_code：从语义上搜索代码库

状态管理

  • update_status：更新组件的实施状态
  • get_project_status：检索整个项目的实施状态
  • find_next_tasks：建议接下来要实施的逻辑组件

上下文组装

  • prepare_context：为特定任务组装最小上下文
  • continue_implementation：提供继续实施组件的上下文
  • get_implementation_plan：制定实施待定组件的计划

代码分析

  • analyze_code：分析代码并更新知识图

工作流示例

  1. 初始化项目：

    python -m persistent_code init --project-name "TodoApp"

  2. 启动服务器：

    python -m persistent_code serve --project-name "TodoApp"

  3. 让克劳德设计你的项目：

    Can you help me design a Todo app with Python and FastAPI? Let's start with the core data models.

  4. Claude将创建组件并在知识图中跟踪它们

  5. 在稍后的会议中继续开发：

    Let's continue working on the Todo app. What's our implementation status?

  6. Claude将检索当前状态并建议下一步行动

  7. 实施特定组件：

    Let's implement the task completion endpoint for our Todo app

  8. Claude将检索相关上下文并提供一致的实现

使用语义搜索

通过LlamaIndex集成，您现在可以使用更自然的语言来查找组件：

Find me all code related to handling task completion

Claude将使用语义搜索来查找相关组件，即使它们没有明确包含“任务完成”一词。

运行LlamaIndex演示

我们包含了一个演示脚本来展示语义功能：

# Activate your virtual environment
source .venv/bin/activate  # or source venv/bin/activate

# Run the demo
python examples/llama_index_demo.py

这将演示如何分析日历应用程序并执行功能的语义搜索。

贡献

欢迎投稿！请随时提交拉取请求。

许可证

此项目根据MIT许可证获得许可-有关详细信息，请参阅许可证文件。

相关 MCP