इस प्रोजेक्ट के बारे में

codebase-memory-mcp एक कोड इंटेलिजेंस इंजन है जो Model Context Protocol (MCP) के माध्यम से AI कोडिंग एजेंट्स को सेवा देने के लिए डिज़ाइन किया गया है। यह कोडबेस को फ़ंक्शंस, क्लासेस, कॉल चेन्स, HTTP रूट्स और क्रॉस-सर्विस लिंक्स के ज्ञान ग्राफ़ में पार्स करता है और फिर उस ग्राफ़ के विरुद्ध संरचनात्मक क्वेरीज़ का उत्तर देता है। मुख्य विशेषताएं: - इंडेक्सिंग: 162 vendored ग्रेमर्स पर tree-sitter AST विश्लेषण जो बाइनरी में कंपाइल्ड हैं। एक RAM-फ़र्स्ट पाइपलाइन LZ4 कंप्रेशन, इन-मेमोरी SQLite और Aho-Corasick पैटर्न मैचिंग का उपयोग करती है। README के अनुसार Linux kernel (28M LOC, 75K फ़ाइलें) का इंडेक्स लगभग 3 मिनट में होता है। - हाइब्रिड LSP: Python, TypeScript/JavaScript/JSX/TSX, PHP, C#, Go, C, C++, Java, Kotlin, Rust और Perl के लिए टाइप-रेज़ोल्यूशन अल्गोरिदम का एक हल्का C लागूकरण, जिसमें पैरामीटर बंधन, रिटर्न-टाइप इन्फरेंस, जनरिक सब्सटिट्यूशन शामिल हैं। - क्वेरी सतह: आर्किटेक्चर अवलोकन, कॉल-ग्राफ़ ट्रेसिंग, इम्पैक्ट एनालिसिस, डेड-कोड डिटेक्शन, Cypher-जैसी ग्राफ़ क्वेरीज़, सेमैंटिक सर्च, BM25 फ़ुल-टेक्स्ट सर्च और कोड सर्च सहित 15 MCP टूल्स। - ग्राफ़ मॉडल: CALLS, IMPORTS, DEFINES, IMPLEMENTS, INHERITS, HTTP_CALLS, EMITS, LISTENS_ON, DATA_FLOWS, SIMILAR_TO, और SEMANTICALLY_RELATED जैसे एज टाइप्स। क्रॉस-रेपो CROSS_* एज एक ही स्टोर में रेपो के बीच नोड्स को जोड़ते हैं। - Infrastructure-as-code: Dockerfiles, Kubernetes manifests और Kustomize overlays को ग्राफ़ नोड्स के रूप में इंडेक्स किया जाता है। - वितरण: macOS, Linux और Windows के लिए एकल नेटिव एक्जीक्यूटेबल, बिना किसी भाषा रनटाइम, होस्टेड सर्विस या API कुंजी के। npm, PyPI, Homebrew, Scoop, Winget, Chocolatey, AUR और go install के माध्यम से भी उपलब्ध। सभी प्रसंस्करण स्थानीय होता है। - ऑपरेशन: install कमांड स्वचालित रूप से समर्थन योग्य कोडिंग एजेंट्स का पता लगाता है और कॉन्फ़िगर करता है। एक साझा कूर्डिनेशन डेमॉन बैकग्राउंड वॉचर्स, इंडेक्सिंग जॉब्स और वैकल्पिक UI को प्रबंधित करता है। localhost:9749 पर एक बिल्ट-इन 3D ग्राफ़ विज़ुअलाइज़ेशन UI उपलब्ध है। - टीम शेयरिंग: एक वैकल्पिक zstd-कंप्रेश्ड SQLite स्नैपशॉट (.codebase-memory/graph.db.zst) को कॉमिट किया जा सकता है ताकि टीममेट्स आर्टिफैक्ट से bootstrap कर सकें और पूर्ण रीइंडेक्स की जगह इंक्रिमेंटल इंडेक्सिंग चला सकें। यह प्रोजेक्ट LLM एंबेड नहीं करता; MCP क्लाइंट सूचना स्तर के रूप में कार्य करता है जो प्राकृतिक-भाषा के प्रश्नों को ग्राफ़ क्वेरीज़ में अनुवादित करता है। README में एक preprint (arXiv:2603.27277) का उल्लेख है और स्थानीय-केवल प्रसंस्करण सहित सुरक्षा अभ्यासों को दस्तावेज़ किया गया है।