forloopcodes/contextplus

Semantic Intelligence for Large-Scale Engineering. Context+ is an MCP server designed for developers who demand 99% accuracy. By combining RAG, Tree-sitter AST, Spectral Clustering, and Obsidian-style linking, Context+ turns a massive codebase into a searchable, hierarchical feature graph.

解決的問題

Context+ 為大規模工程專案提供高精度的語義智能。它解決了傳統文本搜尋不足以應對海量程式碼庫導航與理解的問題，允許開發人員將功能映射到程式碼並高精度地追蹤依賴關係。

工作原理

作為一個與 AI 編碼代理（如 Claude Code、Cursor 與 Windsurf）集成的 Model Context Protocol (MCP) 伺服器運行。它結合使用多種技術來對程式碼進行索引與分析：

結構分析： 使用 Tree-sitter AST (抽象語法樹) 解析 43 種不同的語言，使其能夠識別函式簽章、類別方法與符號範圍。
語義搜尋： 採用嵌入技術（透過 Ollama 或相容 OpenAI 的提供商）實現基於含義而非精確文本的搜尋。
基於圖的記憶： 實作具有衰減評分與 Obsidian 式「雙向連結」樞紐的屬性圖，將功能映射到特定檔案。
聚類： 使用譜聚類將語義相關的檔案分組到帶標籤的簇中，以便於瀏覽。
安全機制： 包含「影子還原點」系統，在 AI 驅動的變更之前捕捉檔案狀態，從而可以在不影響 git 歷史的情況下進行復原。

適用對象

正在處理大型複雜程式碼庫、使用 AI 編碼代理，並需要更可靠的方式來檢索相關程式碼上下文及分析變更「爆炸半徑」的軟體工程師。

亮點

深度程式碼智能： 將 AST 解析與語義嵌入結合，實現識別碼層級的檢索。
MCP 整合： 可直接用於主流 AI IDE 與代理。
** uma**
圖遍歷： 記憶節點可以透過類型化邊（例如 depends_on, implements）相互連結，並透過圖遍歷進行搜尋。
影子還原點： 為 AI 程式碼修改提供專用復原系統的安全保障。
多語言支援： 支援包括 TypeScript、Python、Rust 與 Go 在內的廣泛語言。