Sourcerer MCP 🧙

Anlamsal kod araması ve navigasyonu için bir MCP sunucusu. AI ajanlarının pahalı token kullanmadan etkili bir şekilde çalışmasına yardımcı olur. Tüm dosyaları okumak yerine, ajanlar kavramsal olarak arama yapabilir ve doğrudan ihtiyaç duydukları belirli fonksiyonlara, sınıflara ve kod parçalarına atlayabilir.

Demo

Gereksinimler

• OpenAI API Key: Embeddings oluşturmak için gerekli (yerel embedding desteği planlıyor)
• Git: Bir git repository olması gerekir (.gitignore dosyalarını dikkate alır)
• .sourcerer/ klasörünü .gitignore'a ekleyin: Bu dizin gömülü vektör veritabanını depolar

Kurulum

Go

go install github.com/st3v3nmw/sourcerer-mcp/cmd/sourcerer@latest

Homebrew

brew tap st3v3nmw/tap
brew install st3v3nmw/tap/sourcerer

Yapılandırma

Claude Code

claude mcp add sourcerer -e OPENAI_API_KEY=your-openai-api-key -e SOURCERER_WORKSPACE_ROOT=$(pwd) -- sourcerer

mcp.json

{
  "mcpServers": {
    "sourcerer": {
      "command": "sourcerer",
      "env": {
        "OPENAI_API_KEY": "your-openai-api-key",
        "SOURCERER_WORKSPACE_ROOT": "/path/to/your/project"
      }
    }
  }
}

Nasıl Çalışır

Sourcerer 🧙 codebase'inizin anlamsal arama indeksini oluşturur:

1. Kod Ayrıştırması & Parçalanması

• Kaynak dosyaları AST'lere ayrıştırmak için Tree-sitter kullanır
• Anlamlı parçaları (fonksiyonlar, sınıflar, metodlar, türler) stabil ID'lerle çıkarır
• Her parça kaynak kodu, konum bilgisi ve bağlamsal özetler içerir
• Parça ID'leri şu formatı izler: file.ext::Type::method

2. Dosya Sistemi Entegrasyonu

• fsnotify kullanarak dosya değişikliklerini izler
• git check-ignore aracılığıyla .gitignore dosyalarını dikkate alır
• Değiştirilen dosyaları otomatik olarak yeniden indeksler
• Değişim zamanlarını izlemek için metadata depolar

3. Vektör Veritabanı

• .sourcerer/db/ dizininde kalıcı vektör depolaması için chromem-go kullanır
• OpenAI API aracılığıyla anlamsal benzerlik için embeddings oluşturur
• Sadece metin eşleştirmesinden ziyade kavramsal aramayı etkinleştirir
• Parçaları, bunların embeddings'lerini ve metadata'yı korur

4. MCP Tools

• semantic_search: Anlamsal arama kullanarak ilgili kodu bul
• get_chunk_code: ID'ye göre belirli parçaları al
• find_similar_chunks: Benzer parçaları bul
• index_workspace: Yeniden indekslemeyi manuel olarak tetikle
• get_index_status: İndeksleme ilerlemesini kontrol et

Bu yaklaşım, AI ajanlarının tüm dosyaları okumadan ilgili kodu bulmasını sağlar, token kullanımını ve bilişsel yükü önemli ölçüde azaltır.

Desteklenen Diller

Dil desteği, her bir dil için fonksiyonları, sınıfları, arayüzleri ve diğer kod yapılarını tanımlamak üzere Tree-sitter sorguları yazmayı gerektirir.

Desteklenen: Go, JavaScript, Markdown, Python, TypeScript

Planlı: C, C++, Java, Ruby, Rust ve diğerleri

Katkıda Bulunma

Tüm katkılar memnuniyetle karşılanır! Bkz. CONTRIBUTING.md.

$ ls @stephenmwangi.com
- gh:st3v3nmw/obsidian-spaced-repetition
- gh:st3v3nmw/lsfr