MinishLab/semble

项目概览

项目自述显示其能在仅 CPU 环境下实现代码搜索并减少约 98% 的 token 消耗，对降低 AI 编程代理调用成本有直接参考价值。

项目类型

MCP · AI 编程 · AI 搜索

应用场景

知识问答 · 编程开发

部署方式

查看项目说明

License

MIT

适合谁

• 希望在 AI 编程工作流中降低 grep+read 流程 token 消耗的开发者或 AI 工程师。
• 受限于 CPU 环境或无外部 API 服务，但又需要为编码代理提供代码搜索能力的使用场景。

核心能力

• 使用自然语言或代码查询本地或远程代码库，并返回相关代码片段。
• 作为 MCP 服务器运行，使编程代理能够直接通过原生工具调用搜索代码库。
• 提供独立 CLI，用于在脚本中或在 MCP 会话之外搜索代码库。
• 查找与特定文件路径和行号处代码在语义上相似的代码块。
• 跟踪并显示相比读取完整文件在所有搜索中节省的估算 token 数量。
• 读取 .gitignore 和 .sembleignore 文件以确定要索引或排除的文件。

限制与风险

• 该工具使用静态嵌入模型，在查询时不包含 Transformer 前向传递过程，这可能限制其对特定上下文的动态理解能力。

如何开始

• 安装过程评估为 easy，可通过 uv tool install semble 进行安装，随后运行 semble install 启动交互式安装程序，该程序会自动配置代理。

替代方案与同类比较

• 与 semble 返回代码片段不同，graphify 将代码、文档等映射为可查询的知识图谱。适用于需要通过图谱追踪概念路径和分析架构的场景。
• context7 侧重于提取最新版本特定的代码文档和示例，而 semble 侧重于在本地或远程代码库中搜索具体代码实现。
• gitnexus 将代码库索引为包含调用链等信息的知识图谱并通过 MCP 工具暴露，与 semble 直接进行代码搜索的定位不同，适合需要深层次代码架构视图的场景。

同类比较

• MinishLab/semble vs 代码与文档知识图谱构建
• MinishLab/semble vs 获取最新版本库文档
• MinishLab/semble vs 基于知识图谱的架构上下文提供

核验依据

• README: Semble is a code search library built for agents.
• README: Semble can also be used as a Python library for programmatic access, useful when building custom tooling or integrating search directly into your own code.
• README: - **Zero setup**: runs on CPU with no API keys, GPU, or external services required.
• README: It returns the exact code snippets they need instantly, using ~98% fewer tokens than grep+read.
• README: The fastest way to get started is the interactive installer. Install [uv](https://docs.astral.sh/uv/getting-started/installation/), then run: ```bash uv tool install semble semble…

来源更新时间：2026-07-14T18:17:59Z

打开原始 GitHub 项目