Расширяемый сервер Model Context Protocol (MCP), обеспечивающий интеллектуальный поиск семантического кода для AI-ассистентов. Создан с использованием локальных моделей ИИ с использованием Matryoshka Representation Learning (MRL) для гибкого вложения размеров (64-768d).

Что это делает

ИИ-ассистенты по программированию работают лучше, когда могут быстро находить релевантный код. Традиционный поиск по ключевым словам не уступает — если вы спросите «где мы занимаемся аутентификацией?», но ваш код использует «вход» и «сессия», поиск по ключевым словам промахивается.

Этот MCP-сервер решает эту проблему, индексируя вашу кодовую базу с помощью AI-встраиваний. Ваш AI-ассистент может искать по смыслу, а не по точным ключевым словам, находя релевантный код, даже если терминология отличается.

Доступные инструменты

🔍 a_semantic_search - Найти код по смыслу

Основной инструмент для исследования кодовой базы. Использует встраивания ИИ, чтобы понять, что вы ищете, а не просто сопоставлять ключевые слова.

Как это работает: Преобразует ваш запрос на естественном языке в вектор, затем находит фрагменты кода с похожим значением с помощью косинусного сходства + усиления точного совпадения.

Лучшее для:

• Исследование незнакомых кодовых баз: "How does authentication work?"
• Поиск связанного кода: "Where do we validate user input?"

Smart Coding MCP

An extensible Model Context Protocol (MCP) server that provides intelligent semantic code search for AI assistants. Built with local AI models using Matryoshka Representation Learning (MRL) for flexible embedding dimensions (64-768d).

What This Does

AI coding assistants work better when they can find relevant code quickly. Traditional keyword search falls short - if you ask “where do we handle authentication?” but your code uses “login” and “session”, keyword search misses it.

This MCP server solves that by indexing your codebase with AI embeddings. Your AI assistant can search by meaning instead of exact keywords, finding relevant code even when the terminology differs.

Available Tools

🔍 a_semantic_search - Find Code by Meaning

The primary tool for codebase exploration. Uses AI embeddings to understand what you’re looking for, not just match keywords.

How it works: Converts your natural language query into a vector, then finds code chunks with similar meaning using cosine similarity + exact match boosting.

Best for:

• Exploring unfamiliar codebases: "How does authentication work?"
• Finding related code: "Where do we validate user input?"
• Conceptual searches: "error handling patterns"
• Works even with typos: "embeding modle initializashun" still finds embedding code

Example queries:

"Where do we handle cache persistence?"
"How is the database connection managed?"
"Find all API endpoint definitions"

---

📦 d_check_last_version - Package Version Lookup

Fetches the latest version of any package from its official registry. Supports 20+ ecosystems.

How it works: Queries official package registries (npm, PyPI, Crates.io, etc.) in real-time. No guessing, no stale training data.

Supported ecosystems: npm, PyPI, Crates.io, Maven, Go, RubyGems, NuGet, Packagist, Hex, pub.dev, Homebrew, Conda, and more.

Best for:

• Before adding dependencies: "express" → 4.18.2
• Checking for updates: "pip:requests" → 2.31.0
• Multi-ecosystem projects: "npm:react", "go:github.com/gin-gonic/gin"

Example usage:

"What's the latest version of lodash?"
"Check if there's a newer version of axios"

---

🔄 b_index_codebase - Manual Reindexing

Triggers a full reindex of your codebase. Normally not needed since indexing is automatic and incremental.

How it works: Scans all files, generates new embeddings, and updates the SQLite cache. Uses progressive indexing so you can search while it runs.