
Code Knowledge MCP Server
为增强代码理解和管理,提供项目记忆库和 RAG 上下文提供器,通过向量嵌入,与 RooCode 和 Cline 集成。
README
代码知识工具
一个使用向量嵌入的代码仓库知识管理工具。该工具通过使用先进的嵌入技术,帮助维护和查询关于你的代码库的知识。
构建和安装
1. 构建包
首先,你需要构建分发文件:
# 克隆仓库
git clone https://github.com/yourusername/code-knowledge-tool.git
cd code-knowledge-tool
# 创建并激活虚拟环境
python -m venv venv
source venv/bin/activate
# 安装构建工具
python -m pip install --upgrade pip build
# 构建包
python -m build
这将在 dist/ 目录下创建两个文件:
- code_knowledge_tool-0.1.0-py3-none-any.whl (用于安装的 wheel 文件)
- code_knowledge_tool-0.1.0.tar.gz (源代码分发包)
2. 安装包
前提条件
- 确保 Ollama 已安装并运行:
# 安装 Ollama (如果尚未安装)
curl https://ollama.ai/install.sh | sh
# 启动 Ollama 服务
ollama serve
- 安装包:
选项 1:从 wheel 文件安装 (推荐用于使用)
# 导航到你构建包的位置
cd /path/to/code_knowledge_tool
# 从 wheel 文件安装
pip install dist/code_knowledge_tool-0.1.0-py3-none-any.whl
选项 2:以可编辑模式安装 (推荐用于开发)
如果你想修改该工具或为其开发做出贡献,此选项是最佳选择:
# 假设你已经在 code-knowledge-tool 目录中
# 并且已经激活了你的虚拟环境
# 以可编辑模式安装,并包含开发依赖项
pip install -e ".[dev]"
与 RooCode/Cline 集成
- 将 MCP 配置复制到你的设置中:
对于 Cline (VSCode):
# 打开设置文件
open ~/Library/Application\ Support/Code/User/globalStorage/rooveterinaryinc.roo-cline/settings/cline_mcp_settings.json
添加以下配置:
{
"mcpServers": {
"code_knowledge": {
"command": "python",
"args": ["-m", "code_knowledge_tool.mcp_tool"],
"env": {
"PYTHONPATH": "${workspaceFolder}"
}
}
}
}
对于 RooCode:
# 打开设置文件
open ~/Library/Application\ Support/RooCode/roocode_config.json
添加与上面相同的配置。
- 重启 RooCode/Cline 以加载新工具。
用作记忆库和 RAG 上下文提供者
此工具可以用作你项目的记忆库和 RAG 上下文提供者。要设置此功能:
- 将提供的模板复制到你的项目:
cp clinerules_template.md /path/to/your/project/.clinerules
- 根据你项目的需要自定义 .clinerules 中的规则和模式
该模板包含以下方面的全面说明:
- 知识库管理
- 基于 RAG 的开发工作流程
- 代码质量指南
- 内存管理实践
有关完整的配置和使用详情,请参阅 clinerules_template.md。
功能特性
- 用于代码知识的本地向量存储
- 使用 Ollama 的高效嵌入生成
- 支持多种文件类型
- 上下文感知的代码理解
- 通过 MCP 与 RooCode 和 Cline 集成
- 基于 RAG 的上下文增强
- 持久的知识存储
要求
- Python 3.8 或更高版本
- 本地运行的 Ollama 服务
- chromadb 用于向量操作
开发
运行测试
该项目遵循集成优先的测试方法,侧重于端到端的功能和 MCP 合同的合规性。测试套件包括:
-
MCP 合同测试
- 工具注册和执行
- 资源管理
- 知识操作
- 错误处理
-
包构建测试
- 安装验证
- 依赖项解析
- MCP 服务器初始化
- 基本功能
要运行测试:
# 安装测试依赖项
pip install -e ".[dev]"
# 运行所有测试
pytest
# 运行特定的测试套件
pytest tests/integration/test_mcp_contract.py -v # MCP 功能
pytest tests/integration/test_package_build.py -v # 安装验证
测试环境要求:
# 确保 Ollama 正在运行
ollama serve
测试使用一个临时目录 (test_knowledge_store),该目录在测试运行之间自动清理。
有关测试策略和模式的更多详细信息,请参阅 docs/
中的文档。
未来分发
如果你想通过 pip 提供此软件包(即 pip install code-knowledge-tool
),你需要:
- 在 PyPI 上注册一个帐户
- 安装 twine:
pip install twine
- 上传你的分发包:
twine upload dist/*
但是,目前,请使用上面描述的本地构建和安装方法。
许可证
MIT 许可证
推荐服务器
Playwright MCP Server
一个模型上下文协议服务器,它使大型语言模型能够通过结构化的可访问性快照与网页进行交互,而无需视觉模型或屏幕截图。

e2b-mcp-server
使用 MCP 通过 e2b 运行代码。
Neon MCP Server
MCP server for interacting with Neon Management API and databases
Exa MCP Server
模型上下文协议(MCP)服务器允许像 Claude 这样的 AI 助手使用 Exa AI 搜索 API 进行网络搜索。这种设置允许 AI 模型以安全和受控的方式获取实时的网络信息。
mcp-server-qdrant
这个仓库展示了如何为向量搜索引擎 Qdrant 创建一个 MCP (Managed Control Plane) 服务器的示例。
AIO-MCP Server
🚀 All-in-one MCP server with AI search, RAG, and multi-service integrations (GitLab/Jira/Confluence/YouTube) for AI-enhanced development workflows. Folk from
https://github.com/Streen9/react-mcp
react-mcp 与 Claude Desktop 集成,能够根据用户提示创建和修改 React 应用程序。
MCP Atlassian
适用于 Atlassian Cloud 产品(Confluence 和 Jira)的 Model Context Protocol (MCP) 服务器。此集成专为 Atlassian Cloud 实例设计,不支持 Atlassian Server 或 Data Center 部署。

any-chat-completions-mcp
将 Claude 与任何 OpenAI SDK 兼容的聊天完成 API 集成 - OpenAI、Perplexity、Groq、xAI、PyroPrompts 等。
Exa MCP Server
一个模型上下文协议服务器,它使像 Claude 这样的人工智能助手能够以安全和受控的方式,使用 Exa AI 搜索 API 执行实时网络搜索。