jcodemunch-mcp: 一个通过 AST 解析实现精确 GitHub 源代码检索的高效 Token MCP 服务器

它解决了什么问题

AI agent 通常通过阅读整个文件来探索代码库，这会浪费 Token 并使上下文窗口充填无关代码。jCodeMunch 提供了一个结构化的、符号级别的检索系统，允许 agent 只获取它们需要的特定函数、类或方法，在许多工作流中可减少 95% 或更多的 Token 使用量。

工作原理

该项目使用 tree-sitter AST 解析对代码库进行一次索引，以存储结构化的符号元数据和字节偏移量。这使得 agent 可以进行精确检索，而不是暴力读取文件。它还具有一种名为 "MUNCH" 的紧凑传输格式，通过对路径前缀进行驻留（interning）并将列表打包成类似 CSV 的行，进一步减少发送给模型的字节数。

适用人群

使用 MCP 兼容的 AI 客户端（例如 Claude Code, Cursor, VS Code, Windsurf, 和 Continue）的开发者，他们希望降低 AI Token 成本并提高 agent 代码探索的可靠性。

亮点

• 符号级别检索：无需阅读完整文件即可获取函数、类和常量的精确实现。
• 任务编排：诸如 assemble_task_context 和 plan_turn 之类的工具允许 agent 在单次调用中收集任务所需的所有上下文，而不是链式调用多个请求。
• 结构化分析：提供标准工具无法提供的先进查询，例如爆炸半径分析（blast-radius analysis）、死代码检测和类层次结构遍历。
• Token 高效性：将基于 AST 的检索与紧凑的输出格式相结合，从而显著降低 Token 消耗和 CO2 排放。
• 广泛的语言支持：使用 tree-sitter 支持超过 70 种语言。