# 码智
## 基本信息
- Slug: `sarathsp06-sourcesage`
- Source: modelscope
- Publisher: @sarathsp06/sourcesage
- Categories: knowledge-and-memory / developer-tools / version-control
- Hosted: No
- License: MIT License
- Source URL: https://www.modelscope.cn/mcp/servers/@sarathsp06/sourcesage
## 简介
SourceSage 是一个 MCP（模型上下文协议）服务器，能够高效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。它被设计为与语言无关，利用 LLM 对多种语言代码的理解。
## 安装提示

```bash
# Clone the repository git clone https://github.com/yourusername/sourcesage.git cd sourcesage # Install the package pip install -e .
```

## MCP Server 详情

# SourceSage: 高效的代码记忆库，专为大语言模型设计
<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

```bash
# 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

```bash
# 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：
```json
{
  "mcpServers": {
    "sourcesage": {
      "command": "sourcesage",
      "args": []
    }
  }
}
```


如果您从本地目录运行而不安装：
```json
{
  "sourcesage": {
      "command": "uv", 
      "args": [
        "--directory",
        "/path/to/sourcesage",
        "run",
        "main.py"
      ]
    },
}
```


4. 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。