Files-DB-MCP: 코드 프로젝트에 대한 벡터 검색

메시지 제어 프로토콜(MCP)을 통해 LLM 코딩 에이전트에게 소프트웨어 프로젝트에 대한 빠르고 효율적인 검색 기능을 제공하는 로컬 벡터 데이터베이스 시스템입니다.

특징

• Zero Configuration - 합리적인 기본값으로 프로젝트 구조를 자동 감지합니다.

• 실시간 모니터링 - 파일 변경 사항을 지속적으로 감시합니다.

• 벡터 검색 - 관련 코드를 찾기 위한 의미 검색

• MCP 인터페이스 - Claude Code 및 기타 LLM 도구와 호환

• 오픈 소스 모델 - 코드 임베딩을 위해 Hugging Face 모델 사용

Related MCP server: MCPunk

설치

옵션 1: 복제 및 설정(권장)

지엑스피1

옵션 2: 자동 설치 스크립트

용법

설치 후 프로젝트 디렉토리에서 실행하세요.

이 서비스는 다음과 같습니다.

1. 프로젝트 파일을 감지합니다

2. 백그라운드에서 인덱싱 시작

3. MCP 검색 질의에 즉시 응답을 시작하세요

요구 사항

• 도커

• 도커 컴포즈

구성

Files-DB-MCP는 구성 없이 작동하지만 환경 변수를 사용하여 사용자 정의할 수 있습니다.

• EMBEDDING_MODEL - 임베딩 모델을 변경합니다(기본값: 'jinaai/jina-embeddings-v2-base-code' 또는 프로젝트별 모델)

• FAST_STARTUP - 더 빠른 시작을 위해 더 작은 모델을 사용하려면 'true'로 설정합니다(기본값: 'false')

• QUANTIZATION - 양자화를 활성화/비활성화합니다(기본값: 'true')

• BINARY_EMBEDDINGS - 바이너리 임베딩을 활성화/비활성화합니다(기본값: 'false')

• IGNORE_PATTERNS - 무시할 파일/디렉토리의 쉼표로 구분된 목록

첫 창업

처음 실행 시 Files-DB-MCP는 임베딩 모델을 다운로드하는데, 이는 다음 사항에 따라 몇 분 정도 걸릴 수 있습니다.

• 선택한 모델의 크기(고품질 모델의 경우 300-500MB)

• 인터넷 연결 속도

모델이 영구 Docker 볼륨에 캐시되므로 이후 시작 속도가 훨씬 빨라집니다. 초기 시작 속도를 높이려면 다음을 수행하세요.

모델 캐싱

Files-DB-MCP는 다운로드한 임베딩 모델을 자동으로 유지하므로 한 번만 다운로드하면 됩니다.

• 모델은 model_cache 라는 Docker 볼륨에 저장됩니다.

• 이 볼륨은 컨테이너 재시작과 여러 프로젝트 간에 유지됩니다.

• 캐시는 컴퓨터에서 Files-DB-MCP를 사용하는 모든 프로젝트에 공유됩니다.

• 각 프로젝트마다 모델을 다시 다운로드할 필요가 없습니다.

클로드 코드 통합

Claude Code 구성에 다음을 추가합니다.

자세한 내용은 Claude MCP 통합을 참조하세요.

선적 서류 비치

• 설치 가이드 - 자세한 설정 지침

• API 참조 - 전체 API 문서

• 구성 가이드 - 구성 옵션

저장소 구조

• /src - 소스 코드

• /tests - 단위 및 통합 테스트

• /docs - 문서

• /scripts - 유틸리티 스크립트

• /install - 설치 스크립트

• /.docker - Docker 구성

• /config - 구성 파일

• /ai-assist - AI 지원 파일

특허

MIT 라이센스

기여하다

기여를 환영합니다! 풀 리퀘스트를 제출해 주세요.