jgravelle/jcodemunch-mcp

解决的问题

AI 代理经常因读取整个文件来查找特定代码片段而浪费 token，这会增加成本并消耗上下文窗口。jCodeMunch 提供了一种高效的 token 使用方式，使代理仅能获取所需的确切代码（如函数、类或方法），并实现字节级精度，与传统的 grep 和读取方法相比，平均减少 96% 的 token 使用量。

工作原理

该工具使用 tree-sitter AST 解析对代码库进行一次索引，将结构化的符号元数据（包括签名、类型和字节偏移）与原始文件内容一起存储在本地索引中。代理无需重新读取整个文件，而是可以查询此索引，仅获取所需的具体实现或结构信息。

适用人群

使用 AI 代理（如 Claude Code、Cursor、Windsurf 或 Continue）处理大型仓库或陌生代码库的开发者，希望在代码探索和重构过程中降低 AI 成本并提高代理可靠性。

主要亮点

• 极致的 token 效率：与 grep 和读取代理相比，基准测试显示 token 使用量减少 28.3 倍。
• 结构化查询：支持 grep 无法回答的高级查询，例如查找导入者、计算影响范围、识别死代码。
• 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 ~/.code-index/，确保隐私和安全。
• MCP 兼容：可作为 Model Context Protocol 服务器，适用于多种 AI IDE 和 CLI 工具。