Expone un registro de grafos de conocimiento de código para clientes de IA, permitiendo el análisis de repositorios, la búsqueda de conceptos y la detección de desviaciones.
También conocido como looptech-ai/understand-quickly, @looptech-ai/understand-quickly-mcp
- Stars
- 48
- Herramientas
- —
- Descargas, 30 días
- —
- Última versión
- 0.1.1
- Último commit
- 17 sept 2026
- Licencia
- Apache-2.0
¿Qué es understand-quickly MCP?
understand-quickly es un MCP server. Expone un registro de grafos de conocimiento de código para clientes de IA, permitiendo el análisis de repositorios, la búsqueda de conceptos y la detección de desviaciones.
Resumen generado a partir del README del proyecto
Acerca del MCP server de understand-quickly
Con este MCP server, los desarrolladores pueden analizar repositorios de código mediante grafos de conocimiento. Conecta clientes de IA como Claude Desktop, Cursor o Codex a un registro de grafos de conocimiento de código precomputados, lo que permite realizar análisis profundos de repositorios y búsquedas de conceptos. El servidor se ejecuta localmente a través de stdio JSON-RPC y requiere Node 20 o superior para funcionar.
Los usuarios pueden interactuar con el registro utilizando cuatro herramientas específicas: list_repos para ver las entradas disponibles, find_graph_for_repo para localizar un grafo específico mediante una URL de GitHub o un ID, get_graph para recuperar datos JSON analizados y search_concepts para encontrar términos específicos. El sistema incluye detección de desviaciones integrada, proporcionando metadatos como cuántos commits de diferencia tiene un repositorio respecto a su fuente.
Esta implementación es intencionadamente mínima y utiliza caché en memoria con un TTL de 60 segundos para los datos del registro y de las estadísticas. Depende de un registry.json público y puede configurarse para usar fuentes de registro o estadísticas personalizadas mediante variables de entorno. Aunque carece de embeddings o streaming, ofrece una forma estructurada de navegar por bases de código complejas mediante coincidencias de conceptos agregados y búsquedas de nodos basadas en grafos.
Qué puedes hacer con él
- 1Búsqueda de conceptos arquitectónicosSolicita una lista de conceptos de programación comunes en todos los repositorios disponibles en el registro.
Escrito a partir del README del proyecto. Cada caso de uso se verifica con una cita del mismo.
Cómo instalar understand-quickly MCP
Formatos verificados el 10 nov 2026Añadir a CursorAñadir a GooseInstalar understand-quickly MCP en Claude Code
$ claude mcp add understand-quickly -- npx -y @looptech-ai/understand-quickly-mcpInstalar understand-quickly MCP en Cursor
~/.cursor/mcp.json
{
"mcpServers": {
"understand-quickly": {
"command": "npx",
"args": [
"-y",
"@looptech-ai/understand-quickly-mcp"
]
}
}
}Instalar understand-quickly MCP en VS Code
.vscode/mcp.json
{
"servers": {
"understand-quickly": {
"type": "stdio",
"command": "npx",
"args": [
"-y",
"@looptech-ai/understand-quickly-mcp"
]
}
}
}Instalar understand-quickly MCP en VS Code CLI
$ code --add-mcp '{"name":"understand-quickly","type":"stdio","command":"npx","args":["-y","@looptech-ai/understand-quickly-mcp"]}'Instalar understand-quickly MCP en Claude Desktop
claude_desktop_config.json
{
"mcpServers": {
"understand-quickly": {
"command": "npx",
"args": [
"-y",
"@looptech-ai/understand-quickly-mcp"
]
}
}
}Instalar understand-quickly MCP en Codex
$ codex mcp add understand-quickly -- npx -y @looptech-ai/understand-quickly-mcpInstalar understand-quickly MCP en Codex config.toml
~/.codex/config.toml
[mcp_servers.understand-quickly] command = "npx" args = ["-y", "@looptech-ai/understand-quickly-mcp"]
Instalar understand-quickly MCP en Gemini CLI
$ gemini mcp add -s user understand-quickly npx -- -y @looptech-ai/understand-quickly-mcpInstalar understand-quickly MCP en Gemini settings.json
~/.gemini/settings.json
{
"mcpServers": {
"understand-quickly": {
"command": "npx",
"args": [
"-y",
"@looptech-ai/understand-quickly-mcp"
]
}
}
}Configuración
UNDERSTAND_QUICKLY_REGISTRY
| Nombre | Descripción | Tipo |
|---|---|---|
| UNDERSTAND_QUICKLY_REGISTRY | — |
Verificaciones automáticas
Ejecutado 13 nov 2026Informe completo →Pasó nuestras verificaciones automáticas. Esto no es una auditoría de seguridad: lee el código y dale al servidor el acceso más limitado que necesite. Cómo funcionan las verificaciones
- Repositorio de origen vinculado y accesibleAprobado
- Licencia de código abierto (OSI)Aprobado
- Commit o lanzamiento en el último añoAprobado
- El nombre del paquete no es similar a un paquete popularAprobado
- El endpoint remoto usa HTTPSNo verificado
- Las herramientas destructivas están etiquetadasNo verificado
- Sin instrucciones ocultas para el modeloAprobado
- No hay avisos críticos en el paquete ni en sus dependenciasAprobado
README
Ver en GitHub@looptech-ai/understand-quickly-mcp
A thin Model Context Protocol server that exposes the understand-quickly registry to any MCP client (Claude Desktop, Codex, Cursor, etc.).
Status: stub-quality. It works end-to-end but is intentionally minimal — no streaming, no embeddings, no auth.
What it does
It wraps the public registry.json and exposes four tools:
| Tool | Params | Returns |
|---|---|---|
list_repos |
{ format?, tag?, status? } |
Array of { id, format, description, status, tags, last_synced, graph_url } |
find_graph_for_repo |
{ id?, github_url? } (at least one required) |
Single registry entry's graph_url + drift metadata, or { found: false, suggestions: [...] } with up to 5 fuzzy-matched ids |
get_graph |
{ id } |
Parsed graph JSON for that entry's graph_url |
search_concepts |
{ query, id? } |
Default: aggregated concept matches from the precomputed stats.json (single GET, cached 60s). With id: substring match across one graph's nodes. Falls back to a capped cross-graph fan-out if stats.json is unreachable. |
The registry response is cached in-memory for 60 seconds. stats.json uses an
identical 60-second TTL cache.
find_graph_for_repo
Accepts either an id (the registry id, owner/repo) or a github_url. The
URL parser tolerates:
https://github.com/owner/repohttps://github.com/owner/repo.githttps://github.com/owner/repo/(trailing slash)https://github.com/owner/repo/tree/main/...(branch / sub-path)git@github.com:owner/repo.git
When the entry is found, the response includes last_synced, last_sha,
source_sha, head_sha, commits_behind, and a pretty drift_summary
(e.g. "behind by 17 commits") when those fields are present in the registry.
If the entry is not found, the response is
{ found: false, suggestions: [...] } with up to 5 fuzzy-matched ids
(Levenshtein distance ≤ 3 against the lowercased id).
search_concepts
By default — that is, when id is not provided — search_concepts reads the
precomputed stats.json aggregate (a single, cached GET) and returns matching
concept terms with their entry counts and up to 3 sample registry ids. This
replaces the previous behaviour, which fanned out up to 5 graph fetches at
request time.
When id is provided, it falls back to the legacy single-graph node search
(substring match against id / label / name). When stats.json is
unavailable (404 or schema mismatch), it falls back to the capped cross-graph
fan-out for backward compatibility.
The source field on the response indicates which mode served the request:
"stats", "graph", or "fanout".
Install
cd mcp
npm install
npm run build # compiles TypeScript -> dist/
npm test # runs node:test across registry/cache and tool logic
Node 20+ is required (uses the global fetch).
Run locally
For development:
npm run dev
For a built binary:
npm start
The server speaks stdio JSON-RPC. It will not respond to keystrokes — point an MCP client at it.
Register with Claude Desktop
Add the following to Claude Desktop's claude_desktop_config.json (the path is
~/Library/Application Support/Claude/claude_desktop_config.json on macOS):
{
"mcpServers": {
"understand-quickly": {
"command": "npx",
"args": [
"tsx",
"/absolute/path/to/understand-quickly/mcp/src/index.ts"
],
"env": {
"UNDERSTAND_QUICKLY_REGISTRY": "https://looptech-ai.github.io/understand-quickly/registry.json"
}
}
}
}
Replace /absolute/path/to/... with the actual path to your checkout. Restart
Claude Desktop after saving.
If you would rather run the compiled output, swap to:
{
"mcpServers": {
"understand-quickly": {
"command": "node",
"args": ["/absolute/path/to/understand-quickly/mcp/dist/index.js"]
}
}
}
Environment variables
| Variable | Default | Purpose |
|---|---|---|
UNDERSTAND_QUICKLY_REGISTRY |
https://looptech-ai.github.io/understand-quickly/registry.json |
Override the registry source (e.g. point at a local file or a fork). |
UNDERSTAND_QUICKLY_STATS |
https://looptech-ai.github.io/understand-quickly/stats.json |
Override the precomputed stats source consumed by search_concepts. |
Current limitations
- In-memory cache only. Every server process refetches once a minute. No cross-process or on-disk cache.
- Cross-graph fan-out is only a fallback. When
search_conceptsfalls back (no stats.json), it scans only the first 5status: okentries sequentially. - Substring search is dumb. No fuzzy matching, no ranking, no embeddings.
- No streaming or progress reporting. Tools block until the upstream responds.
- Best-effort node enumeration. The single-graph fallback assumes the graph
has a
nodes/entities/concepts/itemsarray; otherwise it walks top-level array values. - No retries or backoff on upstream
graph_urlfetch failures — failed fetches return an empty result for that entry instead of erroring out.
These are all acceptable for an MVP. If you need more, open an issue.
Preguntas sobre understand-quickly MCP
¿Cómo agrego understand-quickly MCP a Claude Code?
Ejecuta claude mcp add understand-quickly -- npx -y @looptech-ai/understand-quickly-mcp en tu terminal. Añade --scope user para que esté disponible en todos los proyectos.
¿Cómo agrego understand-quickly MCP a Cursor?
Abre ~/.cursor/mcp.json y añade el servidor en mcpServers, usando la configuración de Cursor que se muestra en la sección de instalación de arriba.
¿Qué herramientas proporciona el servidor?
El servidor expone cuatro herramientas: list_repos, find_graph_for_repo, get_graph y search_concepts.
¿Este servidor admite autenticación?
No, la versión actual es una implementación mínima sin autenticación.
¿Cómo funciona la herramienta search_concepts?
Utiliza principalmente un archivo stats.json precomputado para coincidencias de conceptos agregados, recurriendo a un escaneo entre grafos si el archivo de estadísticas no está disponible.