CodeXray: การค้นหาโค้ด MCP ในท้องถิ่นที่เสริมสร้างผู้ช่วย AI
CodeXray จาก Iohub เป็นเครื่องมือค้นหาโค้ดและเอนจินความรู้ที่รับรู้ถึงที่เก็บซึ่งจัดเตรียมบริบทที่ลึกซึ้งของที่เก็บท้องถิ่นให้กับผู้ช่วย AI เครื่องมือนี้เปิดเผยวัตถุประสงค์ของที่เก็บให้กับโมเดลผ่านเซิร์ฟเวอร์ Model Context Protocol และดำเนินการค้นหาโค้ดที่ขับเคลื่อนด้วยการดึงข้อมูล การวิเคราะห์โครงสร้าง และการจัดทำดัชนีแบบเพิ่มขึ้น ฟังก์ชันหลักรวมถึงการดึงข้อมูลเชิงความหมายและแบบแม่นยำรวมถึงการสร้างกราฟโค้ดหลายมิติเพื่อแสดงตัวอย่างที่เกี่ยวข้อง มันมุ่งเป้าไปที่วิศวกรซอฟต์แวร์ที่ต้องการบริบทที่แม่นยำเฉพาะที่เก็บสำหรับการสำรวจโค้ดที่ช่วยโดย AI。
คุณสามารถใช้มันทำงานอะไรได้บ้าง?
เครื่องมือนี้สนับสนุนการค้นหา การนำทาง และการวิเคราะห์ในโค้ดเบสขนาดใหญ่โดยการรวมการค้นหาเวกเตอร์เชิงความหมายกับการค้นหาข้อความเต็ม BM25 ทำให้การค้นหาตรงกับเจตนาและโทเค็นที่แน่นอน มันจัดเตรียมโค้ดสั้น จุดเรียกใช้ และการอ้างอิงที่เชื่อมโยงกับการเปลี่ยนแปลงที่ผู้ช่วย AI สามารถอ้างอิงได้ในระหว่างการเติมโค้ด การอธิบาย หรือการตรวจสอบอัตโนมัติ งาน การดึงข้อมูลแบบสองช่องทางนี้ช่วยให้สามารถแสดงตัวอย่างที่เกี่ยวข้องเชิงความหมายและการจับคู่สัญลักษณ์ที่แน่นอนสำหรับการดีบักหรือการค้นพบฟีเจอร์
ผลลัพธ์ที่มุ่งเน้นโค้ดมีความน่าเชื่อถือแค่ไหน?
ความน่าเชื่อถือมาจากโมเดลความรู้หลายมิติและการวิเคราะห์โครงสร้างแทนที่จะเป็นการคาดการณ์ภาษาดิบ การนำไปใช้งานสร้าง กราฟความรู้ 4 มิติ ที่เชื่อมโยงสัญญาณเชิงโครงสร้างและประวัติศาสตร์ รวมถึง:
- กราฟการเรียกใช้สำหรับเส้นทางการเรียก
- เวกเตอร์โค้ดสำหรับความคล้ายคลึงเชิงความหมาย
- เวกเตอร์การเปลี่ยนแปลงที่เชื่อมโยงการเปลี่ยนแปลง
- เวกเตอร์ความรู้สำหรับข้อเท็จจริงที่ถูกดึงออกมา
การวิเคราะห์ AST ของ Tree-sitter ให้โครงสร้างระดับโหนด ซึ่งจัดเตรียมหลักฐานที่ช่วยลดความเสี่ยงของการประมวลผลที่ผิดพลาดในคำตอบของผู้ช่วย
มันต้องการข้อมูลนำเข้าและสภาพแวดล้อมอะไรบ้าง?
เครื่องมือนี้ทำการจัดทำดัชนีในที่เก็บข้อมูลท้องถิ่นด้วยดัชนีเชิงเพิ่มขึ้นแบบเรียลไทม์ที่ติดตามการเปลี่ยนแปลงไฟล์และอัปเดตสิ่งของโดยอัตโนมัติ มันสนับสนุนหลายภาษาใหญ่ผ่านตัวแยก Tree-sitter การติดตั้งใช้โปรแกรมติดตั้งเชลล์บรรทัดเดียวที่ตรวจจับระบบปฏิบัติการโฮสต์โดยอัตโนมัติและลงทะเบียนเซิร์ฟเวอร์ MCP มันทำงานบน Linux, macOS และ Windows (แบบเนทีฟหรือผ่าน WSL) ทำให้สามารถใช้งานบนเครื่องพัฒนาทั่วไปและโฮสต์ CI
มันเหมาะกับการทำงานพัฒนาที่มีผู้ช่วย AI อยู่แล้วหรือไม่?
การรวมขึ้นอยู่กับความเข้ากันได้ของ Model Context Protocol: เซิร์ฟเวอร์ MCP เนทีฟมุ่งเป้าไปที่ลูกค้า MCP ที่สอดคล้องกันเช่น Claude Code และ Codex CLI ดังนั้นมันจึงเชื่อมต่อกับผู้ช่วย AI ที่พูดโปรโตคอลนี้ นักพัฒนาสร้างสถาปัตยกรรมที่มุ่งเน้นท้องถิ่นเพื่อให้โค้ดและการฝังอยู่บนโฮสต์ และระบบจะใช้ API การฝังภายนอกเมื่อกำหนดค่าโดยเฉพาะ มิฉะนั้นจะกลับไปใช้การดึงข้อมูลที่อิงกราฟ การออกแบบนี้สนับสนุนการเชื่อมโยงอย่างแน่นหนากับการทำงานของผู้ช่วยโดยไม่ส่งเนื้อหาที่เก็บข้อมูลออกจากโฮสต์ตามค่าเริ่มต้น
เครื่องมือนี้มีความเหมาะสมสำหรับวิศวกรที่ต้องการบริบท AI ที่รับรู้ถึงที่เก็บข้อมูล
เครื่องมือนี้เป็นตัวเลือกที่เหมาะสมสำหรับนักพัฒนาที่ต้องการให้ผู้ช่วย AI อ้างอิงประวัติและโครงสร้างของโครงการจริง และมันช่วยลดการอ้างสิทธิ์ที่ไม่มีการสนับสนุนโดยการจัดเตรียมหลักฐานจากที่เก็บข้อมูล คาดหวังว่าจะมีการตั้งค่าบางอย่างกับลูกค้าที่ใช้ MCP และดำเนินการตรวจสอบข้อเสนอที่สร้างขึ้นเพื่อความถูกต้องก่อนที่จะรวมการเปลี่ยนแปลงที่ละเอียดอ่อน ในทางปฏิบัติ มันเสริมการตรวจสอบของมนุษย์แทนที่จะทดแทนสำหรับการแก้ไขโค้ดที่มีความเสี่ยงสูง.
