SourceSage: 面向 LLM 的高效代码记忆

<a href="https://glama.ai/mcp/servers/@sarathsp06/sourcesage"> <img width="380" height="200" src="https://glama.ai/mcp/servers/@sarathsp06/sourcesage/badge" /> </a>

SourceSage 是一个 MCP (模型上下文协议) 服务器，它可以高效地记忆代码库的关键方面——逻辑、风格和标准——同时允许动态更新和快速检索。它被设计为语言无关的，利用 LLM 对多种语言代码的理解。

特性

• 语言无关: 适用于 LLM 理解的任何编程语言
• 知识图谱存储: 高效存储代码实体、关系、模式和风格约定
• LLM 驱动的分析: 依赖 LLM 分析代码并提供见解
• Token 高效存储: 优化以最小化 token 使用，同时最大化记忆容量
• 增量更新: 在代码更改时更新知识，而无需冗余存储
• 快速检索: 能够快速准确地检索相关信息

工作原理

SourceSage 使用一种新颖的方法，其中：

1. LLM 分析代码文件（以任何语言）
2. LLM 使用 MCP 工具注册实体、关系、模式和风格约定
3. SourceSage 将这些知识存储在 token 高效的图结构中
4. LLM 可以在需要时查询这些知识

这种方法利用了 LLM 固有的语言理解能力，同时将 MCP 服务器的重点放在高效的内存管理上。

安装

# 克隆仓库
git clone https://github.com/yourusername/sourcesage.git
cd sourcesage

# 安装包
pip install -e .

使用

运行 MCP 服务器

# 运行服务器
sourcesage

# 或者直接从仓库运行
python -m sourcesage.mcp_server

连接到 Claude for Desktop

1. 打开 Claude for Desktop
2. 进入 Settings > Developer > Edit Config
3. 将以下内容添加到您的 claude_desktop_config.json：

如果您已安装该包：

{
  "mcpServers": {
    "sourcesage": {
      "command": "sourcesage",
      "args": []
    }
  }
}

如果您从本地目录运行而未安装：

{
  "sourcesage": {
      "command": "uv", 
      "args": [
        "--directory",
        "/path/to/sourcesage",
        "run",
        "main.py"
      ]
    },
}

4. 重启 Claude for Desktop

可用工具

SourceSage 提供了以下 MCP 工具：

1. register_entity: 在知识图谱中注册一个代码实体

   输入:
     - name: 实体名称（例如，类名、函数名）
     - entity_type: 实体类型（类、函数、模块等）
     - summary: 实体的简要描述
     - signature: 实体签名（可选）
     - language: 编程语言（可选）
     - observations: 关于实体的观察列表（可选）
     - metadata: 附加元数据（可选）
   输出: 带有实体 ID 的确认消息
   

2. register_relationship: 注册实体之间的关系

   输入:
     - from_entity: 源实体的名称
     - to_entity: 目标实体的名称
     - relationship_type: 关系类型（调用、继承、导入等）
     - metadata: 附加元数据（可选）
   输出: 带有关系 ID 的确认消息
   

3. register_pattern: 注册一个代码模式

   输入:
     - name: 模式名称
     - description: 模式描述
     - language: 编程语言（可选）
     - example: 演示该模式的示例代码（可选）
     - metadata: 附加元数据（可选）
   输出: 带有模式 ID 的确认消息
   

4. register_style_convention: 注册一个编码风格约定

   输入:
     - name: 约定名称
     - description: 约定描述
     - language: 编程语言（可选）
     - examples: 演示该约定的示例代码片段（可选）
     - metadata: 附加元数据（可选）
   输出: 带有约定 ID 的确认消息
   

5. add_entity_observation: 向实体添加观察

   输入:
     - entity_name: 实体名称
     - observation: 要添加的观察
   输出: 确认消息
   

6. query_entities: 查询知识图谱中的实体

   输入:
     - entity_type: 按实体类型过滤（可选）
     - language: 按编程语言过滤（可选）
     - name_pattern: 按名称模式过滤（正则表达式，可选）
     - limit: 要返回的最大结果数（可选）
   输出: 匹配的实体列表
   

7. get_entity_details: 获取有关实体的详细信息

   输入:
     - entity_name: 实体名称
   输出: 有关实体的详细信息
   

8. query_patterns: 查询知识图谱中的代码模式

   输入:
     - language: 按编程语言过滤（可选）
     - pattern_name: 按模式名称过滤（可选）
   输出: 匹配的模式列表
   

9. query_style_conventions: 查询编码风格约定

   输入:
     - language: 按编程语言过滤（可选）
     - convention_name: 按约定名称过滤（可选）
   输出: 匹配的风格约定列表
   

10. get_knowledge_statistics: 获取有关知识图谱的统计信息

    输入: 无
    输出: 有关知识图谱的统计信息
    

11. clear_knowledge: 清除图谱中的所有知识

    输入: 无
    输出: 确认消息
    

与 Claude 的示例工作流程

1. 分析代码: 要求 Claude 分析您的代码文件

   "请分析这个 Python 文件并注册关键实体和关系。"
   

2. 注册实体: Claude 将使用 register_entity 工具来存储代码实体

   "我将注册此文件中的主类。"
   

3. 注册关系: Claude 将使用 register_relationship 工具来存储关系

   "我将注册这些类之间的继承关系。"
   

4. 查询知识: 稍后，询问 Claude 关于您的代码库

   "我的代码库中定义了哪些类？"
   "显示 User 类的详细信息。"
   "User 类和 Profile 类之间有什么关系？"
   

5. 获取编码模式: 询问 Claude 关于编码模式

   "我的代码库中使用了哪些设计模式？"
   "向我展示代码中 Factory 模式的示例。"
   

它的不同之处

与传统的代码分析工具不同，SourceSage：

1. 利用 LLM 理解: 使用 LLM 理解跨语言代码语义的能力
2. 存储语义知识: 专注于意义和关系，而不仅仅是语法
3. 语言无关: 适用于 LLM 理解的任何编程语言
4. 优化 Token 效率: 以最小化 token 使用的方式存储知识
5. 随着 LLM 能力的发展而发展: 随着 LLM 的改进，代码理解也会提高

贡献

欢迎贡献！请随时提交 Pull Request。

许可证

该项目根据 MIT 许可证获得许可 - 有关详细信息，请参阅 LICENSE 文件。