Поиск семантического кода во всех ваших репозиториях. Проиндексируйте свои проекты один раз, а затем запросите их через MCP - ваш помощник по кодированию ИИ получает мгновенный доступ к каждому шаблону, реализации и соглашению, которые вы когда-либо писали.

##Почему?

Помощники по кодированию ИИ отлично умеют писать код, но они не знают ваш код. Они предложат новый поток аута, когда он у вас уже есть. Они придумают схему лесозаготовки, когда ваша прямо там. Они зададут вопросы, на которые вы уже ответили в другом проекте.

Срэг исправляет это. Проиндексируйте свои репозитории, и ваш помощник может искать по всем из них семантически - найдя соответствующие реализации, шаблоны и соглашения без необходимости объяснять что-либо.

##Использовать кейсы

** Воспользоваться своими собственными реализациями**

«Добавить обновление токена OAuth» → Агент находит вашу существующую реализацию в разных проектах, копирует шаблон, включая крайние случаи, которые вы уже обработали

Соответствующий стиль кода Агент запрашивает get_project_patterns перед написанием кода, видит, что вы используете snake_case для функций и PascalCase для типов.

** Найди то, что ты написал**

srag

Semantic code search across all your repositories. Index your projects once, then query them via MCP - your AI coding assistant gains instant access to every pattern, implementation, and convention you’ve ever written.

Why?

AI coding assistants are great at writing code, but they don’t know your code. They’ll suggest a new auth flow when you already have one. They’ll invent a logging pattern when yours is right there. They’ll ask questions you’ve already answered in another project.

srag fixes this. Index your repositories, and your assistant can search across all of them semantically - finding relevant implementations, patterns, and conventions without you having to explain anything.

Use Cases

Reuse your own implementations

“Add OAuth token refresh” → Agent finds your existing implementation across projects, copies the pattern including the edge cases you already handled

Consistent code style

Agent queries get_project_patterns before writing code, sees you use snake_case for functions and PascalCase for types, follows suit automatically

Find that thing you wrote

“How did I handle rate limiting?” → Semantic search finds the relevant code even if you don’t remember which project or what you called it

Cross-project knowledge

Working on project A, need to integrate with an API you’ve used before in project B → Agent finds your previous integration, reuses the error handling and retry logic

Debug with context

“Why is this failing?” → Agent searches for similar error handling patterns in your codebase, finds how you solved the same class of problem before

Onboard yourself

Returning to an old project? Query the index to understand the architecture, find where things are defined, see the patterns that were used

Code review context

“Is this how we usually do it?” → Search for similar implementations to check consistency with established patterns

Find duplication

Pass a code snippet to find_similar_code → Discover near-duplicates across your codebase that could be refactored

The real value compounds over time. The more projects you index, the more patterns your assistant can draw from. The quality scales with the model - better models make better use of the retrieved context.

Install

You’ll need Rust and Python 3.10+ installed first.