Code Rag MCP

🚀 Code RAG MCP Server

セマンティックなコード検索を行うためのMCP（Model Context Protocol）サーバーです。理解に基づくコード検索でgrep/ripgrepを置き換えます。

🚀 クイックスタート

このセクションでは、Code RAG MCP Serverを使用するための基本的な手順を説明します。

前提条件

1. Go 1.22+

   brew install go
   

2. Qdrant (ベクトルデータベース)

   docker run -d --name qdrant \
     -p 6333:6333 -p 6334:6334 \
     -v $(pwd)/qdrant_data:/qdrant/storage \
     qdrant/qdrant
   

3. LM Studio と埋め込みモデル

   • ダウンロード: https://lmstudio.ai
   • モデルの読み込み: nomic-ai/nomic-embed-text-v1.5-GGUF
   • ポート1234でローカルサーバーを起動

インストール

# 1. リポジトリをクローン
git clone <your-repo>
cd code-rag-mcp

# 2. 依存関係をインストール
go mod download

# 3. ビルド
go build -o code-rag-mcp

# 4. 設定
cp config.yaml ~/.config/code-rag-mcp/config.yaml
# config.yamlをコードパスで編集

# 5. グローバルにインストール（オプション）
sudo cp code-rag-mcp /usr/local/bin/

設定

1. Config.yaml

~/.config/code-rag-mcp/config.yaml を編集します。

embedding_type: "local"
embedding_model: "nomic-ai/nomic-embed-text-v1.5-GGUF"
embedding_base_url: "http://localhost:1234/v1"
embedding_dim: 768

code_paths:
  - "/Users/you/projects"  # あなたのコードディレクトリ

2. Claude Desktop

ファイル: ~/Library/Application Support/Claude/claude_desktop_config.json (macOS) ファイル: ~/.config/Claude/claude_desktop_config.json (Linux)

{
  "mcpServers": {
    "code-rag": {
      "command": "/usr/local/bin/code-rag-mcp",
      "env": {
        "LM_STUDIO_URL": "http://localhost:1234/v1"
      }
    }
  }
}

変更後、Claude Desktopを完全に再起動（終了 + 再起動）します。

3. Claude Code

オプションA: CLIを使用する（推奨） 🚀

# code-rag MCPサーバーを追加
claude mcp add code-rag \
  --type stdio \
  --command /usr/local/bin/code-rag-mcp \
  --scope user

# インストールを確認
claude mcp list
claude mcp get code-rag

オプションB: 手動設定 Claude CodeはClaude Desktopと同じファイルを使用します。

• macOS: ~/Library/Application Support/Claude/claude_desktop_config.json
• Linux: ~/.config/Claude/claude_desktop_config.json

{
  "mcpServers": {
    "code-rag": {
      "command": "/usr/local/bin/code-rag-mcp",
      "env": {
        "LM_STUDIO_URL": "http://localhost:1234/v1"
      }
    }
  }
}

コピー&ペーストコマンド（ビルド後）:

# 1. バイナリをインストール
sudo cp code-rag-mcp /usr/local/bin/
sudo chmod +x /usr/local/bin/code-rag-mcp

# 2. Claude Codeに追加
claude mcp add code-rag \
  --type stdio \
  --command /usr/local/bin/code-rag-mcp \
  --scope user \
  --env LM_STUDIO_URL=http://localhost:1234/v1

# 3. 確認
claude mcp list

4. Zed

ファイル: ~/.config/zed/settings.json

{
  "context_servers": {
    "code-rag": {
      "source": "custom",
      "command": {
        "path": "/usr/local/bin/code-rag-mcp",
        "args": [],
        "env": {
          "LM_STUDIO_URL": "http://localhost:1234/v1"
        }
      }
    }
  }
}

コピー&ペーストコマンド:

# 1. バイナリをインストール（まだ行っていない場合）
sudo cp code-rag-mcp /usr/local/bin/
sudo chmod +x /usr/local/bin/code-rag-mcp

# 2. Zedに設定を追加
cat << 'EOF' >> ~/.config/zed/settings.json
{
  "context_servers": {
    "code-rag": {
      "source": "custom",
      "command": {
        "path": "/usr/local/bin/code-rag-mcp",
        "args": [],
        "env": {
          "LM_STUDIO_URL": "http://localhost:1234/v1"
        }
      }
    }
  }
}
EOF

# 3. Zedを再起動

注意: Zedでは、エージェントパネルの「カスタムサーバーを追加」ボタンを使用することもできます。

サービスの起動

# ターミナル1: Qdrant
docker start qdrant

# ターミナル2: LM Studio
# LM Studio UIを開き、サーバーを起動

# ターミナル3: サーバーをテスト
./code-rag-mcp

Claudeでの使用

Claude: こんにちは！インデックスの状態を確認します。
[呼び出し: get_index_stats]

あなた: 私のTerraformプロジェクトをインデックス化してください。
Claude: [呼び出し: index_codebase /path/to/terraform]

あなた: VPC設定はどこにありますか？
Claude: [呼び出し: semantic_code_search "VPC network configuration"]

クエリの例

セマンティック検索:

"authentication middleware"
"database connection logic"
"error handling patterns"
"terraform AWS VPC modules"
"API rate limiting"

類似コード:

"Find code similar to: func (s *Server) HandleAuth()"

コンテキスト付きの説明:

"Explain handlers/auth.go with related dependencies"

✨ 主な機能

• ✅ セマンティック検索: テキストだけでなく、概念でコードを検索できます。
• ✅ ローカル埋め込み: LM Studioを使用します（OpenAIは不要）。
• ✅ 多言語対応: Go、Python、JS/TS、Terraform、YAMLなど。
• ✅ MCP統合: Claude CodeとZedと互換性があります。
• ✅ HTTP API: コミット時に自動的に再インデックス化するためのGitフック。
• ✅ 高速: Qdrantを使用したメモリ内インデックス化。

💻 使用例

基本的な使用法

サービスの起動とClaudeでの使用例は上記の「クイックスタート」セクションを参照してください。

高度な使用法

以下は、利用可能なMCPツールの使用例です。

semantic_code_search

主なセマンティック検索です。grepの代わりに使用します。

{
  "query": "authentication logic",
  "limit": 5,
  "min_score": 0.7,
  "language": "go"
}

find_similar_code

指定されたスニペットに類似したコードを検索します。

{
  "code_snippet": "func HandleError(err error) { ... }",
  "limit": 5
}

explain_code_with_context

ファイルをそのコンテキストとともに説明します。

{
  "file_path": "/path/to/file.go",
  "focus": "dependencies"
}

index_codebase

ディレクトリをインデックス化します。最初にこれを実行してください。

{
  "path": "/Users/you/projects/myapp",
  "extensions": [".go", ".py"]
}

get_index_stats

インデックスの状態を確認します。

🔧 技術詳細

テスト

# 埋め込みのテスト
go run scripts/test_embeddings.go

# インデックス化のテスト
go run scripts/test_indexing.go /path/to/code

# 検索のテスト
go run scripts/test_search.go "authentication"

推奨埋め込みモデル

LM Studioでのダウンロード

1. LM Studioを開きます。
2. "nomic-embed-text" を検索します。
3. nomic-ai/nomic-embed-text-v1.5-GGUF (Q8) をダウンロードします。
4. 「ローカルサーバー」でモデルを読み込みます。

トラブルシューティング

結果が得られない場合

# インデックスを確認
get_index_stats

# 再インデックス化
index_codebase /path/to/code

# 最低スコアを下げる
semantic_code_search "query" min_score=0.5

LM Studioへの接続が失敗する場合

# LM Studioが実行中か確認
curl http://localhost:1234/v1/models

# ログを確認
./code-rag-mcp --config config.yaml

Qdrantが応答しない場合

# Qdrantを再起動
docker restart qdrant

# ログを確認
docker logs qdrant

📚 ドキュメント

• Claudeの使用説明書
• 統合ガイド
• APIリファレンス

🤝 コントリビューション

コントリビューションは歓迎されます！ CONTRIBUTING.md を参照してください。

📄 ライセンス

MITライセンス - LICENSE を参照してください。

🙏 謝辞

• MCP Protocol
• Qdrant
• LM Studio
• Nomic AI