jgravelle/jcodemunch-mcp

它解决了什么问题

AI 代理通常会因为读取整个文件来寻找特定代码片段而浪费 Token，这不仅增加了成本，还会消耗上下文窗口。jCodeMunch 提供了一种让代理仅检索其所需精确代码（例如特定的函数、类或方法）的方法，并具备字节级的精确度，从而显著减少 Token 的使用量。

运作原理

该项目使用 tree-sitter AST 解析对代码库进行一次性索引，以建立结构化符号元数据（签名、类型和字节偏移量）的本地索引。代理无需读取整个文件，而是可以查询此索引来寻找符号，并按需仅获取特定符号的精确实现。

适用对象

使用 AI 代理（如 Claude Code、Cursor、Windsurf 或 Continue）且处理大型存储库或不熟悉代码库，并希望减少 AI 支出并提高代理可靠性的开发者。

特色亮点

• 极致的 Token 效率：经基准测试，比 grep-and-read 方法减少了 28.3 倍的 Token 使用量，降低了 86-99% 的成本。
• 结构化查询：使代理能够执行 grep 无法做到的复杂分析，例如寻找导入者、计算变更的“影响范围”以及检测无效代码。
• 广泛的语言支持：通过 tree-sitter 支持超过 70 种语言。
• 本地优先设计：索引存储在本地，且系统在将代码发送给 LLM 之前会自动进行敏感信息遮蔽。
• MCP 兼容：作为模型上下文协议 (MCP) 服务器运行，可与各种支持 AI 的 IDE 和 CLI 工具集成。