我构建了一个能理解你的代码并节省 70% Tokens 的小型 MCP

Source: Dev.to

请提供您希望翻译的正文内容，我将把它翻译成简体中文并保持原有的格式、Markdown 语法以及技术术语不变。谢谢！

Introduction

每个 coding‑agent 演示看起来都很神奇…… 直到你把它指向真实的代码库。那时它要么：

• 在上下文窗口上卡住
• 对陈旧代码产生幻觉
• 变得如此缓慢，以至于你不如直接 grep

在使用大型 Rust、Python 和 TypeScript 仓库构建 AI 工作流时，我遇到了这道墙，于是为自己的技术栈打造了真正想要的东西：一个超轻量、基于 AST 的嵌入式 MCP，直接在你的代码库上工作。它叫 cocoindex‑code，已经帮我节省了约 70 % 的 token 和大量等待时间。

如果你在使用 Claude、Codex、Cursor，或任何支持 MCP 的 coding agent，这篇文章适合你。

为什么 cocoindex‑code 与众不同

典型的 “code RAG” 设置感觉像是基础设施项目：启动向量数据库，编写 ETL 流程，处理模式漂移，调优分块，维护工作进程，然后祈祷一切保持同步。

cocoindex‑code 采用相反的思路：

目标：你向代理提出问题，它精准地检索所需代码，而不会让上下文窗口爆炸。

安装

首先，如果您还没有 uv，请先安装它：

curl -LsSf https://astral.sh/uv/install.sh | sh

将 MCP 添加到您偏好的代理（Claude、Codex 等）：

claude mcp add cocoindex-code \
  -- uvx --prerelease=explicit --with \
  "cocoindex>=1.0.0a16" \
  cocoindex-code@latest

codex mcp add cocoindex-code \
  -- uvx --prerelease=explicit --with \
  "cocoindex>=1.0.0a16" \
  cocoindex-code@latest

或者交互式操作：

opencode mcp add
# MCP server name: cocoindex-code
# type: local
# command:
# uvx --prerelease=explicit --with cocoindex>=1.0.0a16 cocoindex-code@latest

就这样。将您的代理指向您的仓库，您现在就拥有对代码库的语义搜索功能，作为 MCP 工具使用。

使用搜索工具

一旦连接成功，MCP 会公开一个 search 工具：

search(
    query: str,                # 自然语言或代码片段
    limit: int = 10,           # 1‑100
    offset: int = 0,           # 分页
    refresh_index: bool = True  # 查询前重新建立索引
)

每个结果包含：

• 文件路径
• 语言
• 代码内容
• 起始/结束行号
• 相似度得分

常见使用场景

1. 查找 X 的实际实现 – 当仓库中有多个同名或相似的函数时。
2. 显示所有涉及 JWT 刷新的认证相关逻辑。
3. 定位与堆栈跟踪片段匹配的代码。

由于索引是增量保持最新的，你可以在重构、运行测试后立即使用代理针对新的代码布局进行查询，而无需重新运行大型离线任务。

Language matrix

cocoindex‑code ships with support for:

C, C++, C#, CSS/SCSS, Go, HTML, Java, JavaScript/TypeScript/TSX,
JSON/YAML/TOML, Kotlin, Markdown/MDX, Pascal, PHP, Python, R,
Ruby, Rust, Scala, Solidity, SQL, Swift, XML

它还会自动排除噪声目录，如 __pycache__、node_modules、target、dist 和已 vendored 的依赖。

根路径会通过 .cocoindex_code/、.git/ 自动发现，或回退到当前工作目录。实际上，你通常不需要设置任何环境变量。

嵌入模型

开箱即用时，项目使用本地的 SentenceTransformers 模型：

• 默认: sbert/sentence-transformers/all-MiniLM-L6-v2

无需 API 密钥，无计费惊喜，完全本地运行。

如果需要对代码密集型仓库进行更强的语义理解，可将 COCOINDEX_CODE_EMBEDDING_MODEL 设置为任意 LiteLLM 支持的嵌入模型，例如：

• Ollama（本地）
• OpenAI / Azure OpenAI
• Gemini
• Mistral
• Voyage（代码优化）
• Cohere
• AWS Bedrock
• Nebius

先使用免费的本地模型，只有在真正需要时再升级。

高级用法

在底层，cocoindex‑code 使用 CocoIndex，这是一款基于 Rust 的索引引擎，专为大规模、增量式数据工作流而构建。对于更大的组织部署，您可以：

• 在团队成员之间共享索引，而不是在每台机器上重新索引。
• 使用分支去重等功能，避免重复工作。
• 将其作为更大数据/索引平台的一部分运行，基于 CocoIndex 构建。

如何帮助我们

• ⭐ 给仓库加星: cocoindex-code 和底层的 cocoindex。
• 在你的主要（混乱的）项目中尝试，而不仅仅是玩具示例。
• 提交 issue 或 pull request，提供反馈、错误或想法。

我尤其感兴趣的是：

• 那些现有的“代码 RAG”工具让你失望的仓库。
• 你希望获得更好支持的语言或框架。
• 你希望你的编码代理在工作流中拥有 10 倍更强上下文感知的场景。

如果你尝试了它，请在评论中告诉我你使用的技术栈——我很想在后续文章中展示一些真实案例。