第7章 面向大型代码库和 Monorepo 的 MCP Server
Model Context Protocol
一个为 agent 提供代码地图的 MCP server
Code-Graph-RAG 通过 MCP 暴露了 35 个以上确定性工具。让 agent 不再盲目 grep,而是直接查询代码图谱:谁调用了这个函数、这次改动会破坏什么、这个任务所需的最小上下文是什么。
阅读配置指南 查看.agent 用例
在 Claude Code 中配置
bash
uv tool install "code-graph-rag[treesitter-full,ast-grep,semantic]" claude mcp add --transport stdio code-graph-rag \ --env TARGET_REPO_PATH=/absolute/path/to/your/monorepo \ --env CYPHER_PROVIDER=openai \ --env CYPHER_MODEL=your-model \ --env CYPHER_API_KEY=your-api-key \ -- code-graph-rag mcp-server
如果代码必须留在本地机器上,可以把 provider 换成本地模型。
浏览代码图谱
resolve 把名称或文件位置解析为限定名(qualified names)
definition 定义所在的文件、行号范围、docstring 和源码
callers / callees 函数的所有调用方与被调用点,包含位置信息
implementors / overrides 继承与重写链路
importers 导入了某个模块的模块,含别名信息
理解影响范围
tests_reaching 哪些测试会触达某个定义
endpoints / endpoint_callers 服务暴露的路由及其调用方,支持跨项目追踪
remote_dependencies 项目发出的所有网络调用
flow_verdict 从源头到汇聚点的数据流可达性判定
给 agent 提供合适的上下文
context 在 token 预算内,为任务生成图谱排序后的最小上下文
semantic_search 按意图搜索函数
structural_search 使用 ast-grep 语法进行 AST 模式搜索
ask_agent 向完整的 RAG agent 提问
安全地修改代码
rename / move / change_signature 重写图谱中已知的所有引用的重构操作
structural_replace AST 级别的改写,支持 dry-run 查看diff
reingest 为修改过的文件及其依赖刷新图谱
explain_traceback / rank_root_causes 将 Python traceback 映射到图谱上,并排序可能的原因
常见问题
支持哪些 MCP 客户端?+
任何支持通过 stdio 使用 Model Context Protocol 的客户端,包括 Claude Code 和 Cursor。
一个 server 能覆盖多个仓库吗?+
可以。可以针对共享图谱为每个仓库运行一个实例,或者提供一个已保存的 workspace,让 agent 能跨服务追踪调用链。
为什么不直接让 agent 用 grep?+
Grep 返回的只是看似相关的文本。图谱工具返回的则是准确的调用方、重写或导入方集合,既能保持上下文窗口精简,也能让 agent 的修改更安全。
要在大型工程团队中推广 agent?
我们帮助团队统一 MCP 配置、在工程师之间共享同一份图谱,并量化其对 agent 准确率的影响。预约一次通话详细聊聊。
启动 monorepo 试点 预约 30 分钟通话
还在犹豫?先花 2 分钟做一下 monorepo 评估