Codemunch Pro

Name: Codemunch Pro
Author: BigJai

作者：BigJai版本 1.2.0i★ –i在你的电脑上运行

注册名称io.github.BigJai/codemunch-pro

安装

概览

作者提供的说明（英文原文）

Code indexing MCP: 15 tools, 10 languages, hybrid search, call graphs, O(1) retrieval.

PopNx MCP 的三大支柱

这三项永远不会合并成一个分数：意见、测量和人气是不同的东西。

用户评价i暂无评价评价功能将在后续阶段与账户功能一起开放
我们的基础检查i1 项中通过 1 项依据公开信息检查；尚未扫描代码
使用情况i尚未统计★ –

它能帮你做什么

我们还没有为它写通俗的介绍。下面是我们从注册中心读取到的事实。

连接方式: 在你的电脑上运行
传输方式: stdio
分类: 搜索与 AI 记忆

安装

选择你使用的 AI 应用，然后复制设置。

安装之前

基础检查：1 项中通过 1 项
在你的电脑上运行，拥有你的用户账户的权限（文件、网络、应用）。
注册中心没有列出需要填写的密钥。

你需要

PyPI已安装 Python 的 uv（用于 uvx 命令）

你用的是哪个应用？

ClaudeClaude CodeCursorVS CodeChatGPT

在上方选择你的应用。我们会记住它，下次按钮会显示“安装到 …”。

打开 Claude Desktop → Settings → Developer → Edit Config，把下面的内容粘贴到 claude_desktop_config.json

{
  "mcpServers": {
    "codemunch-pro": {
      "command": "uvx",
      "args": [
        "codemunch-pro"
      ]
    }
  }
}

在终端中运行这条命令

claude mcp add codemunch-pro -- uvx codemunch-pro

在 Cursor 中打开

或者自己复制设置

粘贴到项目中的 .cursor/mcp.json，或 ~/.cursor/mcp.json

{
  "mcpServers": {
    "codemunch-pro": {
      "command": "uvx",
      "args": [
        "codemunch-pro"
      ]
    }
  }
}

浏览器会先询问是否打开应用，然后应用会显示设置并请你确认。密钥的值会留空，由你自己填写。

在 VS Code 中打开

或者自己复制设置

粘贴到项目中的 .vscode/mcp.json

{
  "servers": {
    "codemunch-pro": {
      "type": "stdio",
      "command": "uvx",
      "args": [
        "codemunch-pro"
      ]
    }
  }
}

浏览器会先询问是否打开应用，然后应用会显示设置并请你确认。密钥的值会留空，由你自己填写。

这个服务器在你的电脑上运行，而 ChatGPT 只能连接互联网上的服务器。请选择其他应用。

你的选择通过 Cookie 保存在这台设备上，无需账户。

这些设置是根据作者在注册中心的条目生成的。如果 README 的写法不同，请以 README 为准。

它能做什么

它在你的电脑上运行；安装后，工具列表会显示在你的 AI 应用中。

基础检查i

我们检查的是任何人都能看到的信息；我们没有阅读代码。不适用的检查项不计入总数。 · 检查于 2026年11月7日

✓ 通过
作者与仓库一致
注册名称已通过 GitHub 账户 BigJai 验证，该账户拥有此仓库
… 尚未检查
仍在维护
我们还没有从 GitHub 读取这个仓库
… 尚未检查
有许可证
我们还没有从 GitHub 读取这个仓库
– 不适用
端点有响应
它在你的电脑上运行，没有互联网端点
– 不适用
使用 OAuth 登录
在你的电脑上运行，改用本地设置
… 尚未检查
工具描述中没有隐藏指令
它在你的电脑上运行；我们只能读取互联网端点的工具列表

与“搜索与 AI 记忆”中的其他服务器比较i

星标数多于此分类中其他 7249 个服务器的 0%
发布到注册中心的时间比此分类中其他 7249 个服务器的 4% 更新
基础检查结果等于或优于此分类中其他 7249 个服务器的 100%

与注册中心里这个分类中所有活跃的服务器比较。只有当发布者拥有该仓库时，星标数才计入。

常见问题

Codemunch Pro 安全吗？

它在 1 项适用的基础检查中通过了 1 项。我们没有阅读代码。在添加密钥或令牌之前，请先看看这个服务器要求哪些权限，并使用只具备所需权限的密钥。

它需要哪些密钥或代码？

注册中心没有列出必需的密钥，不过有些服务器会在首次使用时要求你登录。

它在我的电脑上运行还是在云端？

它在你的电脑上运行。你的 AI 应用会在需要时启动它，数据不会经过作者的服务器（除非它自己调用在线服务）。

它还在维护吗？

GitHub 仓库最后更新于–，最新版本（1.2.0）于8个月前进入注册中心。

哪些应用可以使用它？

支持 MCP 的应用，例如 Claude Desktop、Claude Code、Cursor 和 VS Code。你的电脑上还需要有 Python (uv)。

有什么可以替代它？

同一分类中有：Context7, Codebase Memory, Exa

替代选择

同一分类中其他作者的服务器，按星标数排序。

如何看卡片：★ GitHub 星标i三大支柱：评价 · 检查 · 使用情况i更新 = 最新版本发布到注册中心的时间i

Context7

作者：upstash

Up-to-date docs for AI agents

电脑或云端★ 64,224MIT今天更新

安装

Codebase Memory

作者：DeusData

Codebase knowledge graph for AI agents — 162 languages, sub-ms queries, 99% fewer tokens.

在你的电脑上运行★ 48,148MIT20天前更新

安装

Exa

作者：exa-labs

Connect AI agents to Exa for web search, content fetching, and multi-step research.

在云端运行★ 5,213MIT上个月更新

安装

作者的 README

打开 README

按原文从作者的仓库复制。PopNx MCP 没有审查或背书其内容。HTML、图片和脚本已被移除。链接会离开本站。

CodeMunch Pro

Intelligent code indexing MCP server. 15 tools, 10 languages, tree-sitter AST extraction, hybrid search (FTS5 + vector), call graphs, remote repo indexing, incremental indexing.

Save 99% of tokens — get exact function source via byte-offset seek instead of reading entire files.

Install

pip install codemunch-pro

Quick Start

Claude Desktop / Cline

Add to your MCP client config:

"mcpServers": { "codemunch-pro": { "command": "codemunch-pro" } } }

HTTP Server

codemunch-pro --transport streamable-http --port 5002

15 MCP Tools

Tool	Description
`index_folder`	Index a local directory (incremental, SHA-256 based)
`index_repo`	Index a GitHub/GitLab repo (tarball download, no git needed)
`list_repos`	List all indexed repositories with stats
`invalidate_cache`	Force re-index a repository
`file_tree`	Get directory tree with file counts
`file_outline`	List symbols in a single file
`repo_outline`	List all symbols in repo (summary)
`get_symbol`	Get full source of one symbol (O(1) byte seek)
`get_symbols`	Batch get multiple symbols
`search_symbols`	Hybrid search (FTS5 + vector RRF)
`search_text`	Full-text search in file contents
`get_callees`	What does this function call?
`get_callers`	Who calls this function?
`diff_symbols`	What changed since last index? (PR review)
`dependency_map`	What does this file depend on? What depends on it?

10 Languages

Python, JavaScript, TypeScript, Go, Rust, Java, C, C++, C#, Ruby

All via tree-sitter-language-pack — zero compilation, pre-built binaries.

Key Features

O(1) Symbol Retrieval

Every symbol stores its byte offset and length. get_symbol seeks directly to the function source — no reading entire files. A 200-byte function from a 40KB file = 99.5% token savings.

Incremental Indexing

Files are hashed (SHA-256). Only changed files are re-parsed. Re-indexing a 10K file repo after changing one file takes milliseconds.

Hybrid Search (FTS5 + Vector)

Combines BM25 keyword matching with semantic vector similarity using Reciprocal Rank Fusion. Search "authentication middleware" and find auth_middleware, verify_token, and login_handler.

Call Graphs

Traces function calls through the AST. get_callees("main") shows what main calls. get_callers("authenticate") shows who calls authenticate. Supports depth traversal.

Remote Repo Indexing (v1.1)

Index any public GitHub or GitLab repo by URL — no git binary needed. Downloads the tarball via API, extracts, and indexes. Cached locally with SHA-based freshness checks. Supports private repos with auth tokens and sparse paths.

Full-Text Content Search

Search raw file contents — string literals, TODO comments, config values, error messages. Not just symbol names.

How It Works

Parse — tree-sitter builds an AST for each source file
Extract — Walk AST to find functions, classes, methods, types, interfaces
Store — SQLite database per repo with FTS5 virtual tables
Embed — FastEmbed (ONNX, CPU-only) generates 384-dim vectors for semantic search
Graph — Call expressions extracted from function bodies, edges stored and resolved
Serve — FastMCP exposes 13 tools via stdio or HTTP

Architecture

~/.codemunch-pro/

├── myproject_a1b2c3d4e5f6.db # Per-repo SQLite database ├── otherproject_7890abcdef.db └── ...

Each DB contains: ├── files # Indexed files with SHA-256 hashes ├── symbols # Functions, classes, methods, types ├── symbols_fts # FTS5 full-text search index ├── symbols_vec # sqlite-vec 384-dim vector index ├── call_edges # Call graph (caller → callee) └── file_content_fts # Raw file content search

Use Cases

AI Coding Agents: Give your agent surgical access to codebases without burning context
Code Review: Find all callers of a function before changing its signature
Onboarding: Search symbols semantically — "where is error handling?" finds relevant code
Refactoring: Map call graphs before moving functions between modules
Documentation: Extract all public APIs with signatures and docstrings

License

MIT