kapillamba4/code-memory

Developer tools

このページは AI により自動翻訳されています。技術的な詳細は原文をご確認ください。原文を見る

50 stars 11 forks 品質 79 トレンド 17MIT

Repository Install

ローカルのベクター検索でMCPサーバーがコードベースを検索します。スマートなインデックス作成、セマンティック検索、Git履歴 — すべてのオフライン.

概要

モデルコンテクストプロトコル(MCP)サーバとして公開された決定的、高精度。 - あなたのコードはあなたのマシンを離れることはありません - - - 完全にテキストトランスフォーマで実行 - - - ちょうどuvxコードメモリーと準備完了 - - - ファイルの全体をダンプするのではなく、正確なコード検索大規模なコードベースから正しいコンテキストを見つけることは , および . ファイルをプロンプトにダンプすると、トークンを無駄にし、LLMは実際のタスクのトラックをコンテキストが埋め立てるように失います。手動で grep/find でハンティングしたり、生のファイルテキストをダンプしたりする代わりに、コードメモリーはローカルインデックスのコードベースに対してセマンティック検索を実行します。 claude-contextに触発されるが、大規模のローカル検索のために地面から設計されている。 (記号抽出による構造解析): Python、JavaScript/TypeScript、Java、Go、Rust、C/C++、Ruby、Kotlin (全ファイルインデックス): C#、Swift、Scala、Lua、Shell、Config(yaml/toml/json)、Web(html/css)、SQL、Markdown .gitignore パターンにマッチするファイルは自動的にスキップされます.

概要（AI 翻訳）

モデルコンテクストプロトコル(MCP)サーバーとして公開されている、決定的で高精度なコードインテリジェンスレイヤー。

ゼロテレメトリー — あなたのコードはあなたのマシンを離れません
APIキーは必要ありません — 文のトランスフォーマーと完全にローカルで実行
1 分設定 — uvx code-memory だけ、準備完了 -ファイル全体をダンプする代わりに、トークン保存50% — 正確なコード検索

※このプロジェクトが好きなら、星のコードメモリーを手伝ってください!**

なぜコードメモリー?

大規模なコードベースから正しいコンテキストを見つけることは、expensive、inaccurate、および*context windows**によって制限されています。ファイルをプロンプトにダンプすると、トークンを無駄にし、LLMは実際のタスクのトラックをコンテキストが埋め立てるように失います。

[grep/[find]] で手動でハンティングするか、生のファイルテキストをダンプするか、 [[code-memory]] は、ローカルインデックスのコードベースに対してセマンティック検索を実行します。 claude-contextに触発されるが、大規模のローカル検索のために地面から設計されている。

対応言語

フルASTサポート(シンボル抽出による構造解析):Python、JavaScript/TypeScript、Java、Go、Rust、C/C++、Ruby、Kotlin

このページは AI により自動翻訳されています。技術的な詳細は原文をご確認ください。

README

以下は原文 README の抜粋です。原文を見る。

code-memory

A deterministic, high-precision code intelligence layer exposed as a Model Context Protocol (MCP) server.

Zero telemetry — your code never leaves your machine
No API key required — runs entirely locally with sentence-transformers
1 min setup — just uvx code-memory and you’re ready
Token saving by 50% — precise code retrieval instead of dumping entire files

Please help star code-memory if you like this project!

Why code-memory?

Finding the right context from a large codebase is expensive, inaccurate, and limited by context windows. Dumping files into prompts wastes tokens, and LLMs lose track of the actual task as context fills up.

Instead of manually hunting with grep/find or dumping raw file text, code-memory runs semantic searches against a locally indexed codebase. Inspired by claude-context, but designed from the ground up for large-scale local search.

Supported Languages

Full AST Support (structural parsing with symbol extraction): Python, JavaScript/TypeScript, Java, Go, Rust, C/C++, Ruby, Kotlin

Fallback Support (whole-file indexing): C#, Swift, Scala, Lua, Shell, Config (yaml/toml/json), Web (html/css), SQL, Markdown

Files matching .gitignore patterns are automatically skipped.

Architecture: Progressive Disclosure

Instead of a single monolithic search, code-memory routes queries through three purpose-built tools:

Question Type	Tool	Data Source
“Where / What / How?” — find definitions, references, structure, semantic search	`search_code`	BM25 + Dense Vector (SQLite vec)
“Architecture / Patterns” — understand architecture, explain workflows	`search_docs`	Semantic / Fuzzy
“Who / Why?” — debug regressions, understand intent	`search_history`	Git + BM25 + Dense Vector (SQLite vec)
“Setup / Prepare” — index parsing & embedding generation	`index_codebase`	AST Parser + `sentence-transformers`

This forces the LLM to pick the right retrieval strategy before any data is fetched.

Installation

From PyPI (Recommended)

# Install with pip
pip install code-memory

# Or with uvx (for MCP hosts)
uvx code-memory

From Source

# Clone the repo
git clone https://github.com/kapillamba4/code-memory.git
cd code-memory

# Install dependencies
uv sync

# Run the MCP server (stdio transport)
uv run mcp run code_memory/server.py

Pre-built Binaries (Standalone)

GitHub で README 全文を見る

インストール

uvx code-memory

MCP 初心者？mcpskill.org のガイドから始めましょう →

設定

{
  "mcpServers": {
    "code-memory": {
      "command": "uvx",
      "args": ["code-memory"]
    }
  }
}