Codebasemcp

Pythonコード分析に基づくRAGシステムで、ASTを使用してコード構造を解析し、Weaviateベクトルデータベースに保存します。コードクエリ、自然言語による質問応答、および可視化機能を提供し、複数のコードライブラリの管理と依存関係分析をサポートします。

開発者ツール知識管理と記憶 #コード分析 #ベクトル検索 #インテリジェントな質問応答 #コードの可視化 .Python

スコア : 2.5ポイント

ダウンロード数 : 12

更新時間 : 2025-04-28

コード分析RAGシステムMCPサーバーとは？

これはPythonコードライブラリを分析および管理するための強力なツールです。コード構造を解析して詳細なメタデータを生成し、これらのデータを利用して、スマートな検索、自然言語による質問応答、およびコードの可視化をサポートします。

コード分析RAGシステムMCPサーバーをどのように使用するか？

まずサーバーを起動し、次に対象のコードライブラリをスキャンして依存関係を設定します。その後、提供されるAPIを使用してコードクエリを実行し、説明を生成し、または呼び出しグラフを表示することができます。

適用シナリオ

大規模なPythonコードライブラリを迅速に理解する必要がある開発者、特にAIを利用してコードレビュー、デバッグ、または学習を行いたいチームに適しています。

主な機能

コードスキャンと解析関数、クラス、変数、および呼び出し関係を自動的に識別し、Weaviateデータベースに保存します。

クロスライブラリクエリ単一のコードライブラリに限定されず、複数の関連するコードライブラリ間で関連情報を検索することができます。

自然言語による質問応答Geminiモデルを利用して、コードに関するインテリジェントな質問応答機能を実現します。

リアルタイム監視と更新コードに変更があった場合、自動的に再分析とデータベースの同期をトリガーします。

呼び出し関係の可視化MermaidJSチャートを生成して、コード間の呼び出しロジックを表示します。

利点と制限

利点

大規模なコードライブラリを効率的に解析する

クロスコードライブラリの協調開発をサポートする

先進的なAI機能を統合してユーザー体験を向上させる

継続的な監視によりデータの一貫性を確保する

制限

Gemini APIに依存しているため、追加コストが発生する可能性がある

非常に複雑なコード構造に対するパフォーマンスが低下する可能性がある

一定のネットワーク環境が必要である

使い方

依存関係のインストール

Python 3.10以上のバージョンとDockerがインストールされていることを確認してください。

Weaviateインスタンスの起動

Docker Composeを使用してWeaviateデータベースサービスを起動します。

環境変数の設定

`.env`ファイルを作成し、Gemini APIキーとその他の必要な設定を記入します。

MCPサーバーの実行

ターミナルでMCPサービスを起動します。

使用例

ケース1：特定の関数を検索するユーザーが特定の関数の定義と使い方を知りたい場合。

ケース2：コードライブラリの依存関係を取得するユーザーが2つのコードライブラリ間の依存関係を明確にする必要がある場合。

よくある質問

Geminiモデルを使用して説明を生成するにはどうすればいいですか？

コードに変更があった場合、サービスを手動で再起動する必要がありますか？

複数のプログラミング言語をサポートしていますか？

🚀 Python コードライブラリ分析 RAG システム

このシステムは、Python ファイルの抽象構文木 (AST) を解析してコードを分析し、抽出した情報（関数、クラス、呼び出し、変数など）を Weaviate ベクトルデータベースに保存します。また、Model Context Protocol (MCP) サーバーを通じてコードライブラリをクエリし、理解するためのツールを提供します。システムは Google の Gemini モデルを利用して、埋め込み表現と自然言語の説明/回答を生成します。

✨ 主な機能

コードスキャン：Python ファイルを解析して、コード要素（関数、クラス、インポート、呼び出し、代入）とその関係を識別します。以下の情報を抽出します。
- 基本情報：名前、タイプ、ファイルパス、行番号、コード断片、ドキュメント文字列。
- 関数/メソッドの詳細：パラメータ、戻り値の型、シグネチャ、デコレータ。
- スコープ情報：親スコープ（クラス/関数）の UUID、読みやすい ID（例：file:type,name）、位置情報（開始と終了の行/列）。
- メタデータ：コードファイルのハッシュ値（バージョン管理用）、スキャンタイムスタンプ（分析時刻の記録）。
ベクトルデータベースの統合：Weaviate のマルチテナント機能を使用して、コードファイル (CodeFile) とコード要素 (CodeElement) を保存します。各コードライブラリは、ユーザーが定義した codebase_name をテナント ID として持ち、独立した非マルチテナントコレクション CodebaseRegistry がコードライブラリのメタデータを記録します。
RAG の実装：拡張検索（Retrieval-Augmented Generation）を使用して、コードライブラリに関する質問に回答します。意味検索で関連するコード要素を見つけ、大規模言語モデル (LLM) を利用して回答を合成します。
MCP サーバー：FastMCP フレームワークを使用してサーバーを設定し、コードライブラリの登録 (CodebaseRegistry) を管理し、アクティブなコードライブラリのコンテキスト (ACTIVE_CODEBASE_NAME) を維持し、ファイル監視ロジック（自動起動/停止を含む）を統合し、コードライブラリの依存関係を管理し、分析機能を MCP ツールとして公開します。
可視化サポート：visualization.py を通じて MermaidJS 呼び出し図を生成し、保存された関係データに基づいてコード構造を可視化します。

📦 インストール

依存関係のインストール

pip install weaviate-client python-multipart fastapi uvicorn

設定の初期化

.env ファイルを作成します。

WEAVIATE_URL=http://localhost:5000
WEAVIATE_API_KEY=your_api_key
GENERATE_LLM_DESCRIPTIONS=true  # オプション、デフォルトは false

サーバーの起動

uvicorn mcp_server:app --reload

📚 ドキュメント

アーキテクチャの概要

システムの主要なモジュールは以下の通りです。

code_scanner.py：Python ファイルを検索し、AST を使用して解析し、構造要素（関数、クラス、インポート、呼び出し、変数など）を抽出し、Weaviate 用のデータを準備します。
weaviate_client.py：Weaviate との接続を管理し、データスキーマ (CodeFile, CodeElement, CodebaseRegistry) を定義し、データの一括アップロード、クエリ、更新、削除機能を提供します。
rag.py：拡張検索 (RAG) を実装し、コードライブラリに関する質問に回答します。意味検索と LLM を組み合わせて回答を生成します。
mcp_server.py：FastMCP サーバーを設定し、コードライブラリの登録 (CodebaseRegistry) を管理し、アクティブなコードライブラリのコンテキスト (ACTIVE_CODEBASE_NAME) を維持し、ファイル監視ロジック（自動起動/停止）を統合し、コードライブラリの依存関係を管理し、分析機能を MCP ツールとして公開します。
visualization.py：保存された関係に基づいて MermaidJS 呼び出し図を生成します。

システムは Weaviate のマルチテナント機能を利用して、CodeFile と CodeElement を保存します。テナント ID はユーザーが定義した codebase_name です。独立した非マルチテナントコレクション CodebaseRegistry は、コードライブラリのメタデータ（名前、ディレクトリ、状態、概要、モニター状態、依存関係）を記録します。MCP サーバーのグローバル変数 ACTIVE_CODEBASE_NAME は、クエリ用の主要なコードライブラリのテナントを決定します。ツール (find_element, ask_question) は、オプションでアクティブなコードライブラリとその宣言された依存関係内で検索を行います。

背景の LLM 処理は、コード要素の意味的な説明と埋め込みを生成するために使用されます。この機能は .env ファイルを通じてオプションで有効/無効にできます。