kapillamba4/code-memory
Developer tools이 페이지는 AI로 자동 번역되었습니다. 기술적인 세부 사항은 원문을 확인하세요. 원문 보기
로컬 벡터 검색을 가진 MCP 서버. Smart indexing, semantic search, Git 역사 — 모든 오프라인.
개요
모형 Context Protocol (MCP) 서버로 노출되는 deterministic, 높 정밀도. - — 당신의 코드는 결코 당신의 기계를 남겨두지 않습니다 - — 문장 트랜스포머로 완전히 로컬로 실행 - — 그냥 uvx 코드 메모리와 당신은 준비가 - — 전체 파일을 덤프 대신 정확한 코드 검색 큰 codebase에서 올바른 컨텍스트를 찾아, , 그리고 . 파일 덤프는 신속한 폐기물 토큰으로, LLMs는 상황에 맞는 실제 작업을 추적합니다. grep/find 또는 Dumping raw 파일 텍스트와 수동 사냥 대신, code-memory는 로컬로 인덱스된 codebase에 대한 semantic searches를 실행합니다. claude-context에 영감을 얻었지만 대규모 로컬 검색을 위해 지상에서 설계되었습니다. (문자 추출) : Python, JavaScript/TypeScript, Java, Go, Rust, C/C++, Ruby, Kotlin (전체 파일 색인): C#, Swift, Scala, Lua, Shell, Config (yaml/toml/json), 웹 (html/css), SQL, Markdown .gitignore 패턴을 일치하는 파일이 자동으로 건너 뛸 수 있습니다.
개요(AI 번역)
Deterministic, 고정밀 ** 코드 인텔리전스 레이어 ** 모델 Context Protocol (MCP) 서버로 노출.
- Zero telemetry - 당신의 코드는 결코 당신의 기계를 떠난다 -No API 키 필수 - 문장 트랜스포머로 완전히 로컬 실행
- 1 분 설정 - 그냥
uvx code-memory당신은 준비 - ** 50%의 토큰 절약 ** - 전체 파일을 덤프 대신 정확한 코드 검색
**이 프로젝트를 좋아하는 경우 스타 코드 메모리를 도와주세요! **
왜 코드 메모리?
큰 코드베이스에서 올바른 컨텍스트를 찾습니다 , ** inaccurate, ** context windows**에 의해 제한 **. 파일 덤프는 신속한 폐기물 토큰으로, LLMs는 상황에 맞는 실제 작업을 추적합니다.
수동으로 사냥 대신 grep/find 또는 원시 파일 텍스트 덤프, code-memory] 로컬 인덱스 코드베이스에 대한 semantic 검색을 실행합니다. claude-context에 영감을 얻었지만 대규모 로컬 검색을 위해 지상에서 설계되었습니다.
지원 언어
** 풀 AST 지원 ** (통상 추출) : Python, JavaScript/TypeScript, Java, Go, Rust, C/C++, Ruby, Kotlin
이 페이지는 AI로 자동 번역되었습니다. 기술적인 세부 사항은 원문을 확인하세요.
README
원문 README의 일부입니다. 원문 보기.
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-memoryand 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
.gitignorepatterns 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)
설치
uvx code-memory설정
{
"mcpServers": {
"code-memory": {
"command": "uvx",
"args": ["code-memory"]
}
}
}