arbor
arbor — MCP-сервер сообщества (автор — Anandb71). Графовый слой для кода: поиск функций и связей. Ставится из исходников или через npx. Лицензия MIT.
Опубликовано 13.11.2026 · Обновлено 14.11.2026 · Проверено 13.11.2026
Кратко о сервере
- Разработчик
- Anandb71
- Лицензия
- MIT
- Транспорт
- stdio
- Авторизация
- none
- ОС
- Не указана
- Языки
- rust
Уровень риска: medium
Читает и индексирует код проекта локально, без сети и ключей.
Настройка клиентов
{
"code": "{\n \"mcpServers\": {\n \"arbor\": {\n \"type\": \"stdio\",\n \"command\": \"arbor\",\n \"args\": [\"bridge\"]\n }\n }\n}",
"lang": "json",
"notes": "Тот же JSON для VS Code",
"verified": "docs"
}
Что умеет
Arbor — инструмент контекста кода для людей и агентов. Он находит вызывающих функцию, прослеживает путь через код и показывает, что сломается, ещё до того, как вы что-то сломаете. Большинство ИИ-инструментов воспринимают код как текст, а Arbor строит семантический граф зависимостей: функции, классы и модули — узлы, вызовы, импорты и наследование — рёбра. На его основе он отвечает на вопросы о выполнении кода:
- Что сломается, если изменить этот символ? — радиус поражения с глубиной, уверенностью и уровнем риска.
- Кто вызывает это напрямую и транзитивно? — обход графа вызовов.
- Какой кратчайший путь между A и B? — поиск пути по реальным зависимостям.
- Не слишком ли рискованно сливать этот PR? — проверка в CI по порогу радиуса поражения.
Там, где граф не уверен, он об этом говорит: у рёбер есть уверенность, а неоднозначные связи помечаются.
MCP-сервер запускается командой arbor bridge и даёт 17 инструментов. Для ориентации — get_map (скелет проекта с ранжированием по PageRank в заданном бюджете токенов). Точечные — get_callers, get_callees, search_symbols, get_file_graph, get_node_detail, list_entry_points. Широкие — analyze_impact, find_path, get_logic_path, get_knowledge_path. Для агентов — get_blast_radius (с учётом git diff), explain_symbol, audit_security, get_architecture_overview, batch_query. Также есть find_api_usages: он находит в Python-коде вызовы SDK OpenAI, Anthropic и Gemini с идентификаторами моделей. Каждый ответ подсказывает агенту следующий инструмент.
Команда arbor retirements находит в Python-коде прямые вызовы моделей, которые провайдер выводит из эксплуатации, и показывает замену и нужные правки аргументов.
Кому подойдёт
- Разработчикам с ИИ-агентами, которым нужно понимать последствия правок до их внесения.
- Ревьюерам: оценка риска PR и автоматическое описание изменений.
- Командам, использующим API моделей ИИ, которым нужно заранее найти вызовы устаревающих моделей.
Похожие серверы — в категории разработка.
Установка
Установите CLI: cargo install arbor-graph-cli (на crates.io версия может отставать от релиза), либо запустите через npm: npx @anandb71/arbor-cli. Проиндексируйте проект одной командой arbor setup в его папке. Полезные команды: arbor map . --exclude-test (скелет проекта примерно в 1000 токенов), arbor refactor с именем символа (радиус поражения), arbor diff --base origin/main (влияние ветки). HTTP-режим сервера: arbor bridge --http --port 3333.
Подключение к клиентам
Конфиги приведены дословно из README. Подробнее — в инструкции как подключить MCP.
claude mcp add --transport stdio --scope project arbor -- arbor bridgeJSON README предлагает для Cursor и VS Code. Команда arbor hook claude дополнительно настраивает Claude Code показывать после каждого хода «квитанцию»: что изменено, что затронуто без просьбы и что стоит протестировать.
Проверка
Попросите агента вызвать get_map и описать архитектуру проекта, затем — найти вызывающих любую функцию через get_callers.
Примеры задач
Что сломается, если я изменю сигнатуру функции parse_file? Покажи радиус поражения.Оцени риск незакоммиченных изменений и перечисли тесты, которые стоит запустить.Риски
- Чтение кода. Сервер читает и индексирует файлы проекта; граф хранится локально.
- HTTP-режим. Сервер проверяет заголовки Origin и Host, но не открывайте порт наружу без необходимости.
- По README инструмент работает локально: без аккаунта, ключа API и телеметрии, код не покидает вашу машину.
Частые вопросы
Чем Arbor отличается от поиска по эмбеддингам?
Он строит детерминированный граф вызовов, импортов и наследования, а не угадывает по ключевым словам.
Можно ли использовать в CI?
Да, arbor check блокирует сборку при превышении порога радиуса поражения, есть GitHub Action.
Какие языки поддерживаются?
README упоминает Rust, Python, TypeScript, JavaScript и Go; проверка устаревших моделей пока только для Python.
Основы протокола — на странице что такое MCP-сервер.
Похожие MCP-серверы
Memory
Эталонный сервер постоянной памяти на основе графа знаний.
Context7
Context7 даёт агентам актуальную документацию и примеры кода библиотек нужных версий.
hindsight
Долговременная память для ИИ-агентов по образцу человеческой.
cognee-mcp
Менеджер памяти cognee для ИИ-приложений на графовых и векторных хранилищах.