SourceSage: 高效的代码记忆库，专为大语言模型设计

SourceSage 是一个 MCP（模型上下文协议）服务器，它能够高效地记住代码库的关键方面——逻辑、风格和标准，同时支持动态更新和快速检索。它的设计目标是与编程语言无关，利用大语言模型对多种编程语言的理解能力。

特性

• 与编程语言无关：适用于大语言模型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、模式和风格规范
• 基于LLM的分析：依靠大语言模型来分析代码并提供见解
• 令牌高效存储：在最大化内存容量的同时优化最小化令牌使用
• 增量更新：当代码发生变化时更新知识，而不会产生冗余存储
• 快速检索：实现相关信息的快速准确检索

工作原理

SourceSage 使用了一种新颖的方法：

1. 大语言模型分析代码文件（任何语言）
2. 大语言模型使用MCP工具注册实体、关系、模式和风格规范
3. SourceSage 将这些知识以令牌高效的图形结构形式存储
4. 当需要时，大语言模型可以查询这些知识

这种方法利用了大语言模型固有的语言理解能力，同时让MCP服务器专注于高效的内存管理。

安装

# Clone the repository
git clone https://github.com/yourusername/sourcesage.git
cd sourcesage

# Install the package
pip install -e .

使用方法

运行MCP服务器

# Run the server
sourcesage

# Or run directly from the repository
python -m sourcesage.mcp_server

连接到桌面版Claude

1. 打开桌面版Claude
2. 转到设置 > 开发者 > 编辑配置
3. 在您的 claude_desktop_config.json 文件中添加以下内容：

如果您已安装包：

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

如果您从本地目录运行而不安装：

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

1. 重启桌面版Claude

可用工具

SourceSage 提供了以下MCP工具：

1. register_entity: Register a code entity in the knowledge graph

   Input:
     - name: Name of the entity (e.g., class name, function name)
     - entity_type: Type of entity (class, function, module, etc.)
     - summary: Brief description of the entity
     - signature: Entity signature (optional)
     - language: Programming language (optional)
     - observations: List of observations about the entity (optional)
     - metadata: Additional metadata (optional)
   Output: Confirmation message with entity ID
   

2. register_relationship: Register a relationship between entities

   Input:
     - from_entity: Name of the source entity
     - to_entity: Name of the target entity
     - relationship_type: Type of relationship (calls, inherits, imports, etc.)
     - metadata: Additional metadata (optional)
   Output: Confirmation message with relationship ID
   

3. register_pattern: Register a code pattern

   Input:
     - name: Name of the pattern
     - description: Description of the pattern
     - language: Programming language (optional)
     - example: Example code demonstrating the pattern (optional)
     - metadata: Additional metadata (optional)
   Output: Confirmation message with pattern ID
   

4. register_style_convention: Register a coding style convention

   Input:
     - name: Name of the convention
     - description: Description of the convention
     - language: Programming language (optional)
     - examples: Example code snippets demonstrating the convention (optional)
     - metadata: Additional metadata (optional)
   Output: Confirmation message with convention ID
   

5. add_entity_observation: Add an observation to an entity

   Input:
     - entity_name: Name of the entity
     - observation: Observation to add
   Output: Confirmation message
   

6. query_entities: Query entities in the knowledge graph

   Input:
     - entity_type: Filter by entity type (optional)
     - language: Filter by programming language (optional)
     - name_pattern: Filter by name pattern (regex, optional)
     - limit: Maximum number of results to return (optional)
   Output: List of matching entities
   

7. get_entity_details: Get detailed information about an entity

   Input:
     - entity_name: Name of the entity
   Output: Detailed information about the entity
   

8. query_patterns: Query code patterns in the knowledge graph

   Input:
     - language: Filter by programming language (optional)
     - pattern_name: Filter by pattern name (optional)
   Output: List of matching patterns
   

9. query_style_conventions: Query coding style conventions

   Input:
     - language: Filter by programming language (optional)
     - convention_name: Filter by convention name (optional)
   Output: List of matching style conventions
   

10. get_knowledge_statistics: Get statistics about the knowledge graph

    Input: None
    Output: Statistics about the knowledge graph
    

11. clear_knowledge: Clear all knowledge from the graph

    Input: None
    Output: Confirmation message
    

示例工作流与 Claude

1. 分析代码：请 Claude 分析你的代码文件

   "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

   "我将在这个文件中注册主要的类。"
   

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：之后，可以向 Claude 询问有关你的代码库的信息

   "我的代码库中定义了哪些类？"
   "给我展示 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 关于编码模式的信息

   "在我的代码库中使用了哪些设计模式？"
   "给我展示我的代码中工厂模式的例子。"
   

它的不同之处

与传统的代码分析工具不同，SourceSage：

1. 利用 LLM 的理解能力：利用 LLM 跨语言理解代码语义的能力
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. 优化令牌效率：以减少令牌使用的方式存储知识
5. 随着 LLM 功能的发展而进化：随着 LLM 的改进，代码理解也会随之提高

贡献

欢迎贡献！请随时提交 Pull Request。

许可证

本项目采用 MIT 许可证 - 详情请参阅 LICENSE 文件。