jcodemunch-mcp: 一個透過 AST 解析實現精確 GitHub 源碼檢索的高 Token 利用率 MCP 伺服器

它解決了什麼問題

AI agent 通常透過閱讀整個檔案來探索程式碼庫，這會浪費 Token 並讓無關的程式碼污染上下文視窗。jCodeMunch 提供了一種結構化的符號級別檢索系統，讓 agent 可以僅獲取其所需的特定函數、類別或方法，在許多工作流程中可減少 95% 或更多的 Token 使用量。

運作原理

該專案使用 tree-sitter AST 解析對程式碼庫進行一次索引，以儲存結構化的符號元數據和位元組偏移量。這讓 agent 可以進行精確檢索，而非暴力讀取檔案。它還具有一種稱為 "MUNCH" 的緊湊傳輸格式，透過對路徑前綴進行內化處理並將列表打包成類似 CSV 的行，進一步減少了傳送給模型的位元組數。

目標對象

使用 MCP 相容 AI 客戶端（例如 Claude Code, Cursor, VS Code, Windsurf, 和 Continue）的開發者，希望降低 AI Token 成本並提高其 agent 程式碼探索的可靠性。

重點功能

• 符號級別檢索：無需閱讀完整檔案即可獲取函數、類別和常數的精確實作。
• 任務編排：如 assemble_task_context 和 plan_turn 等工具，讓 agent 可以在單次呼叫中收集任務所需的所有上下文，而非鏈接多次請求。
• 結構化分析：提供標準工具無法提供的進階查詢，例如爆炸半徑分析（blast-radius analysis）、死碼檢測（dead code detection）和類別層級遍歷。
• Token 利用率：結合了基於 AST 的檢索與緊湊的輸出格式，以顯著降低 Token 消耗和 CO2 排放。
• 廣泛的語言支持：使用 tree-sitter 以支援超過 70 種語言。