MinishLab/semble

解決する課題

Sembleは、AIコーディングエージェントが大規模なコードベースを検索する際に発生する「トークンの肥大化」と非効率性の問題を解決します。grepを実行した後にファイル全体を読み込むといった従来の手法は、膨大なコンテキストウィンドウのトークンを消費し、処理も低速です。Sembleは、クエリへの回答に必要な正確かつ関連性の高いコードスニペットのみを即座に取得する手段を提供し、トークン使用量とレイテンシを大幅に削減します。

仕組み

Sembleは、GPUやAPIキーを必要とせず、完全にCPU上で動作するハイブリッド検索アプローチを採用しています。

チャンク化 (Chunking)：tree-sitterを使用して、コードの構造を認識した状態でファイルを分割します。
ハイブリッド検索 (Hybrid Search)：意味的類似性（potion-code-16M-v2モデルによる静的なModel2Vec埋め込みを使用）と、識別子やAPI名に対する語彙マッチング（BM25）を組み合わせます。
融合と再ランキング (Fusion and Reranking)：Reciprocal Rank Fusion (RRF) を使用して結果を統合し、関数定義を優先し、テストファイルやレガシーなshimなどのノイズを低減するなど、コード固有のシグナルに基づいて再ランキングを行います。
キャッシュ (Caching)：インデックスはローカルにキャッシュされ、ファイルの変更に応じて増分更新されます。

対象ユーザー

AIコーディングエージェント（Claude Code、Cursor、Codexなど）の開発者、およびこれらのツールを使用して、ローカルまたはリモートのリポジトリに対して、より高速で正確、かつトークン効率の高いアクセスを求めるユーザー向けに設計されています。

ハイライト

極めて高い効率性：grep+readアプローチと比較して、トークン使用量を約99%削減します。
高性能：CPU上で平均約500msでリポジトリをインデックス化し、約1msでクエリ結果を返します。
セットアップ不要：APIキー、GPU、外部サービスは一切不要です。
MCP統合：Model Context Protocol (MCP) サーバーとして動作し、エージェントが検索をネイティブツールとして呼び出すことができます。
柔軟な検索：ローカルパス、リモートのgit URL、および複数のリポジトリの同時検索をサポートしています。