MCP 服务器

Files-DB-MCP

一个本地向量数据库系统，通过消息控制协议为 LLM 编码代理提供快速、高效的软件项目语义搜索能力。

README

Files-DB-MCP：代码项目的向量搜索

一个本地向量数据库系统，通过消息控制协议 (MCP) 为 LLM 编码代理提供快速、高效的软件项目搜索能力。

特性

零配置 - 自动检测项目结构，并采用合理的默认设置
实时监控 - 持续监视文件更改
向量搜索 - 用于查找相关代码的语义搜索
MCP 接口 - 兼容 Claude Code 和其他 LLM 工具
开源模型 - 使用 Hugging Face 模型进行代码嵌入

安装

选项 1：克隆和设置（推荐）

# 使用 SSH（如果您已设置 GitHub SSH 密钥，则推荐使用）
git clone git@github.com:randomm/files-db-mcp.git ~/.files-db-mcp && bash ~/.files-db-mcp/install/setup.sh

# 使用 HTTPS（如果您未设置 SSH 密钥）
git clone https://github.com/randomm/files-db-mcp.git ~/.files-db-mcp && bash ~/.files-db-mcp/install/setup.sh

选项 2：自动安装脚本

curl -fsSL https://raw.githubusercontent.com/randomm/files-db-mcp/main/install/install.sh | bash

用法

安装后，在任何项目目录中运行：

files-db-mcp

该服务将：

检测您的项目文件
在后台开始索引
立即开始响应 MCP 搜索查询

要求

Docker
Docker Compose

配置

Files-DB-MCP 无需配置即可工作，但您可以使用环境变量进行自定义：

EMBEDDING_MODEL - 更改嵌入模型（默认：'jinaai/jina-embeddings-v2-base-code' 或项目特定模型）
FAST_STARTUP - 设置为 'true' 以使用较小的模型来加快启动速度（默认：'false'）
QUANTIZATION - 启用/禁用量化（默认：'true'）
BINARY_EMBEDDINGS - 启用/禁用二进制嵌入（默认：'false'）
IGNORE_PATTERNS - 要忽略的文件/目录的逗号分隔列表

首次启动

首次运行时，Files-DB-MCP 将下载嵌入模型，这可能需要几分钟，具体取决于：

所选模型的大小（高质量模型为 300-500MB）
您的互联网连接速度

后续启动速度会快得多，因为模型缓存在持久性 Docker 卷中。为了更快地进行初始启动，您可以：

# 使用更小、更快的模型 (90MB)
EMBEDDING_MODEL=sentence-transformers/all-MiniLM-L6-v2 files-db-mcp

# 或启用快速启动模式
FAST_STARTUP=true files-db-mcp

模型缓存

Files-DB-MCP 自动持久化下载的嵌入模型，因此您只需下载一次：

模型存储在名为 model_cache 的 Docker 卷中
此卷在容器重启和不同项目之间保持不变
该缓存由您机器上使用 Files-DB-MCP 的所有项目共享
您无需为每个项目再次下载模型

Claude Code 集成

添加到您的 Claude Code 配置：

{
  "mcpServers": {
    "files-db-mcp": {
      "command": "python",
      "args": ["/path/to/src/claude_mcp_server.py", "--host", "localhost", "--port", "6333"]
    }
  }
}