code-memory

code-memory — MCP-сервер сообщества (автор — kapillamba4). Локальный семантический поиск по коду с историей Git; работает офлайн, ключ API не нужен. Ставится через pip или через uvx. Лицензия MIT.

Опубликовано 13.11.2026 · Обновлено 14.11.2026 · Проверено 13.11.2026

Кратко о сервере

Разработчик
kapillamba4
Лицензия
MIT
Транспорт
stdio
Авторизация
none
ОС
Не указана
Языки
python

Уровень риска: medium

Индексирует код, документацию и историю Git каталога; локальные эмбеддинги, без сети после загрузки модели.

Настройка клиентов

vscode
{
    "code": "{\n  \"servers\": {\n    \"code-memory\": {\n      \"command\": \"uvx\",\n      \"args\": [\"code-memory\"]\n    }\n  }\n}",
    "file": ".vscode/mcp.json",
    "lang": "json",
    "verified": "docs"
}

Что умеет

code-memory — детерминированный слой анализа кода высокой точности, доступный как MCP-сервер. Вместо ручного поиска через grep и find или вставки целых файлов в запрос он выполняет семантический поиск по локально проиндексированной кодовой базе. Проект вдохновлён claude-context, но изначально рассчитан на крупный локальный поиск.

Главное:

  • Без телеметрии — код не покидает ваш компьютер.
  • Без API-ключа — эмбеддинги считаются локально через sentence-transformers.
  • Быстрый старт — достаточно uvx code-memory.
  • Экономия токенов — по оценке автора, около 50% за счёт точной выдачи фрагментов вместо целых файлов.

Инструменты — запросы разведены по назначению, чтобы модель сначала выбирала стратегию поиска:

  • index_codebase — индексирует исходники и документацию каталога: структурный разбор через tree-sitter и векторные эмбеддинги. Запускайте перед поиском.
  • search_code — где определены функции и классы, кто на них ссылается, структура файлов; гибридный поиск BM25 плюс векторы в SQLite (sqlite-vec).
  • search_docs — как устроена система: поиск по Markdown, README и докстрингам.
  • search_history — поиск по истории Git: коммиты, история файла и blame по диапазону строк, чтобы разбирать регрессии и намерения авторов.

Языки. Полный разбор AST с извлечением символов: Python, JavaScript/TypeScript, Java, Go, Rust, C/C++, Ruby, Kotlin. Индексация целых файлов: C#, Swift, Scala, Lua, Shell, YAML/TOML/JSON, HTML/CSS, SQL, Markdown. Файлы из .gitignore пропускаются.

Кому подойдёт

Разработчикам больших репозиториев, которым нужен точный контекст для агента без отправки кода в облако. Похожие серверы — в категории разработка.

Установка

Нужен Python 3.13+ и uv (рекомендуется) или pip: pip install code-memory либо запуск через uvx code-memory. Есть готовые бинарники для Linux, macOS и Windows без Python. При первом запуске скачивается модель эмбеддингов (около 600 МБ) в ~/.cache/huggingface/.

Модель по умолчанию — jinaai/jina-code-embeddings-0.5b, её можно сменить переменной EMBEDDING_MODEL; после смены нужно заново запустить index_codebase. Уровень логов задаёт CODE_MEMORY_LOG_LEVEL.

Общий сервер. Каждый проект по умолчанию запускает свой процесс и загружает модель (1–2 ГБ). Чтобы сэкономить память, можно поднять один экземпляр командой uvx code-memory --transport sse — он слушает http://127.0.0.1:8765/sse.

Подключение к клиентам

Конфиги приведены дословно из README. Подробнее — в инструкции как подключить MCP.

{
  "mcpServers": {
    "code-memory": {
      "command": "uvx",
      "args": ["code-memory"]
    }
  }
}

Для Claude Desktop файл на macOS — ~/Library/Application Support/Claude/claude_desktop_config.json. Для Claude Code — .mcp.json в корне проекта или ~/.mcp.json для всех проектов. Для VS Code — .vscode/mcp.json. В README есть и конфиг для Gemini CLI (~/.gemini/settings.json).

Проверка

Попросите: «Проиндексируй текущий каталог и найди, где устанавливается соединение с базой данных».

Примеры задач

Найди все места, где вызывается функция parse_config.
Покажи blame для первых 20 строк server.py и объясни последние изменения.

Риски

  • Чтение кода и истории Git — сервер индексирует файлы указанного каталога; индекс хранится локально.
  • Общий SSE-сервер без авторизации — оставляйте адрес 127.0.0.1 и не открывайте его на 0.0.0.0 без защиты.
  • Ресурсы — модель занимает сотни мегабайт на диске и 1–2 ГБ памяти на процесс.

Частые вопросы

Уходит ли код в облако?

Нет, всё считается локально, телеметрии нет.

Нужен ли Python?

Для uvx — да, 3.13+; готовые бинарники работают без него.

Что делать после смены модели эмбеддингов?

Переиндексировать проект через index_codebase.

Основы протокола — на странице что такое MCP-сервер.

Похожие MCP-серверы

GitHub MCP Server

Официальный MCP-сервер GitHub: репозитории, issues, пул-реквесты и Actions для ИИ-ассистента.

Риск: high Лицензия: MIT ★ 34 571

Git

Эталонный MCP-сервер для работы с локальными Git-репозиториями: чтение истории, поиск, просмотр изменений и коммиты.

Риск: high Лицензия: NOASSERTION ★ 92 089

GitDiagram

Архитектурные диаграммы, пояснения и исходники Mermaid для публичных репозиториев GitHub.

Риск: medium Лицензия: MIT ★ 18 997

git-mcp

Удалённый сервер, который отдаёт ИИ-ассистенту документацию любого репозитория или проекта на GitHub.

Риск: medium Лицензия: Apache-2.0 ★ 8 527

Источники