MCP server de codescout
Commit 10 nov 2026Proporciona a los agentes de codificación con IA navegación de símbolos, búsqueda semántica, memoria persistente e indexación de artefactos en espacios de trabajo de múltiples proyectos.
También conocido como mareurs/codescout
- Stars
- 27
- Herramientas
- —
- Descargas, 30 días
- —
- Última versión
- —
- Último commit
- 10 nov 2026
- Licencia
- MIT
¿Qué es codescout MCP?
codescout es un MCP server. Proporciona a los agentes de codificación con IA navegación de símbolos, búsqueda semántica, memoria persistente e indexación de artefactos en espacios de trabajo de múltiples proyectos.
Resumen generado a partir del README del proyecto
Acerca del MCP server de codescout
codescout permite dotar a los agentes de codificación con IA de una inteligencia de nivel IDE mediante navegación avanzada de símbolos y búsqueda semántica. Funciona como un MCP server local que se conecta a agentes como Claude Code, GitHub Copilot y Cursor, permitiéndoles navegar por bases de código complejas sin tener que leer archivos completos. Al utilizar herramientas respaldadas por LSP, como símbolos, referencias y grafos de llamadas, proporciona un contexto preciso en nueve lenguajes compatibles, incluyendo Rust, Python y TypeScript.
Los desarrolladores pueden gestionar espacios de trabajo de múltiples proyectos utilizando una configuración workspace.toml para mantener la memoria y la indexación por proyecto. El servidor incluye un componente de bibliotecario que indexa artefactos markdown, como especificaciones, planes y ADRs, en un catálogo SQLite. Para una recuperación semántica profunda, admite un stack de recuperación que utiliza un modelo ONNX local o una configuración externa de Qdrant con un reranker. Está diseñado para la eficiencia de tokens, proporcionando detalles compactos bajo demanda en lugar de volcar grandes cantidades de texto en la ventana de contexto del agente.
Qué puedes hacer con él
- 1Navegar por estructuras de código complejasUn agente puede encontrar definiciones de funciones específicas o sitios de llamada utilizando la navegación de símbolos en lugar de buscar en texto plano.
- 2Recuperar documentación del proyectoUn desarrollador puede pedirle a una IA que encuentre todas las especificaciones activas relacionadas con una parte específica del pipeline de recuperación.
- 3Realizar búsquedas de código basadas en conceptosLos usuarios pueden localizar código por su significado subyacente mediante la búsqueda semántica impulsada por modelos locales o externos.
- 4Gestionar el contexto de múltiples proyectosLos desarrolladores pueden registrar proyectos relacionados para permitir que una IA navegue a través de diferentes repositorios dentro de un mismo espacio de trabajo.
Escrito a partir del README del proyecto. Cada caso de uso se verifica con una cita del mismo.
Verificaciones automáticas
Ejecutado 14 nov 2026Informe completo →Aún no verificado. Un servidor necesita una puntuación de 80, ningún hallazgo grave y suficientes datos para que podamos revisarlo. Cómo funcionan las verificaciones · Qué corregir para obtener más puntos
- Repositorio de origen vinculado y accesiblemareurs/codescout is public and reachablegithub.com/mareurs/codescout ↗Aprobado
- El paquete indica este repositorio como su origenNo verificado
- Procedencia de la compilación (atestación de Sigstore)No verificado
- Licencia de código abierto (OSI)MITspdx.org/licenses/MIT.html ↗Aprobado
- Commit o lanzamiento en el último añoLast commit or release 2026-11-10github.com/mareurs/codescout ↗Aprobado
- OpenSSF ScorecardNo verificado
- El nombre del paquete no es similar a un paquete popularNo verificado
- No hay avisos críticos en el paquete ni en sus dependenciasNo verificado
- Sin instrucciones ocultas para el modelo0 tool descriptions and the README read; no override phrases, credential paths or hidden charactersAprobado
- Las herramientas destructivas están etiquetadasNo verificado
- El endpoint remoto responde al handshake de MCPNo verificado
README
Ver en GitHubcodescout
MCP server giving AI coding agents IDE-grade code intelligence — symbol navigation, semantic search, persistent memory, workspace-wide artifact tracking — optimized for token efficiency.
📖 Full manual at mareurs.github.io/codescout — installation, agent integrations, every tool, every concept.
Works with Claude Code, GitHub Copilot, Cursor, and any MCP-capable agent.
What it does
- Symbol navigation —
symbols,references,symbol_at,call_graph,edit_code, backed by LSP across 9 languages - Semantic search — find code by concept using a local ONNX model or an external Qdrant + reranker stack
- Library navigation — explore dependency source with scoped search and version tracking
- Artifact tracking (new) — index, query, and link the markdown around your code: specs, plans, ADRs, runbooks, memories. See Artifacts below.
- Multi-project workspaces — register related projects in
workspace.tomlfor cross-project navigation with per-project memory and indexing - Token efficiency — compact by default, details on demand, never dumps full files
Why not just read files?
| Without codescout | With codescout |
|---|---|
| Agent reads full files to find one function | Navigates by symbol name — zero file reads |
grep returns noise (comments, strings, docs) |
references returns exact call sites |
| Context burns on navigation overhead | Token-efficient by design |
| State lost between sessions | Persistent memory + artifact catalog across sessions |
| Re-reads same modules from different entry points | Symbol index built once, queried instantly |
Quick Start
cargo build
./target/debug/codescout start --project /path/to/code
Register as an MCP server in ~/.claude/settings.json:
{
"mcpServers": {
"codescout": {
"command": "codescout",
"args": ["start", "--project", "."]
}
}
}
Onboarding is essential. Run
onboarding()once per project on first connect — it discovers languages, reads key files, and generates a project-specific system prompt and memory files. Without it, the agent navigates blind.Tip: Install the codescout-companion plugin to auto-steer Claude toward codescout tools in every session — including subagents.
→ Full setup, agent configs, and project-toml options: mareurs.github.io/codescout
Artifacts
codescout now embeds librarian — a workspace-wide artifact registry that indexes the markdown around your code (specs, plans, ADRs, runbooks, memories, audits, handoffs, roadmaps, user docs), stores metadata + a typed link graph in SQLite, and exposes it to the agent as queryable structured data instead of opaque file listings.
Why it matters. The code is half the project. The other half lives in
markdown files scattered across docs/, design notes, and runbooks. Without
indexing them, the agent re-discovers project history every session. With
librarian, "find every active spec touching the embedder" is a single tool call.
How it works.
- Every markdown file is classified by frontmatter or path-rule into a kind
(spec / plan / adr / runbook / memory / tracker / doc / ...) and indexed
into a SQLite catalog at
~/.local/share/librarian/catalog.db. - A typed link graph (
supersedes,implements,references, ...) connects artifacts; walk it transitively withartifact(action="graph"). - A 4-tier scope ladder (
project→repo→umbrella→all) lets the agent widen beyond the current sub-project on demand. - Optional semantic search via
LIBRARIAN_EMBED_*turnsartifact(action="find", semantic="…")into vector search.
How to use it.
# Find every active spec touching the retrieval stack
artifact(action="find", kind="spec", status="active", semantic="retrieval pipeline")
# Read one, with its outgoing link graph
artifact(action="get", id="abc123", include_links=true)
# Connect a plan to the spec it implements
artifact(action="link", src_id="<plan>", dst_id="<spec>", rel="implements")
# Pack a topic neighbourhood into a single markdown bundle for context
librarian(action="context", topic="hybrid sparse + dense retrieval", max_tokens=4000)
Trackers — augment any artifact with a persistent prompt + params, and codescout auto-refreshes it on demand. Friction logs, observation tables, sprint roadmaps — written once, maintained across sessions.
Embedded by default. No separate server to install. Opt out with
LIBRARIAN_ENABLED=0 for a leaner tool surface.
→ Full artifact guide: librarian embedded · trackers · time-travel · augmentation templates
Retrieval Stack
semantic_search runs through an external Docker Compose stack (Qdrant +
dense embedder + SPLADE sparse + cross-encoder rerank). Two profiles: cpu
and gpu.
docker compose --profile cpu --env-file .env.cpu up -d
# or --profile gpu --env-file .env.gpu
set -a; source .env.cpu; set +a
cargo run --release --bin sync_project -- . codescout
| Profile | Initial sync (~18k chunks) | Sustained throughput |
|---|---|---|
| cpu (llama-server, 4 threads) | ~125 min | 2.4 chunks/s |
| gpu (llama-server-cuda, RTX A5000) | ~2.6 min | 117-132 chunks/s |
→ Stack setup, model choices, and tuning
Agent integrations
| Agent | Guide |
|---|---|
| Claude Code | mareurs.github.io/codescout/agents/claude-code |
| GitHub Copilot | mareurs.github.io/codescout/agents/copilot |
| Cursor | mareurs.github.io/codescout/agents/cursor |
Multi-agent infrastructure
codescout's design is informed by research on compound error in multi-agent systems — failure rates of 41–87% in production pipelines. This drove the choice of single-session skill-based workflows over agent orchestration chains. Read the analysis →
Guidance that agents actually follow
codescout's prompt surfaces — Iron Laws, get_guide topics, tracker rendering,
result envelopes — are shaped by measured findings on how coding agents trust,
follow, and resist the content a tool surfaces. The short version: authority framing
(a persona, a "trusted" marker) buys nothing; placement and server-computed
provenance buy everything. Trust attaches to what the server computes
(symbols, git state, freshness keys), never to a marker the content carries about
itself — because anything in a file body is forgeable by whoever wrote the file.
Read the findings →
Kotlin & Rust LSP multiplexers
Kotlin and Rust LSPs are expensive to boot and allow only one process per
workspace. codescout ships per-language multiplexers — a detached codescout mux process shares one LSP across all codescout instances. Cold-start happens
once; subsequent sessions connect instantly. No configuration needed.
| Metric | Without mux | With mux |
|---|---|---|
| LSP processes per machine | 1 per session (~2GB each) | 1 shared |
| Cold start on 2nd session | 8–15s | ~0s |
→ Kotlin LSP multiplexer · Rust
Tools
Symbol navigation · File operations · Shell · Semantic search · Memory · Library navigation · Artifacts · Workflow & Config
Supported languages: Rust, Python, TypeScript/JavaScript, Go, Java, Kotlin, C/C++, C#, Ruby.
Experimental Features
New features land on experiments before reaching master. They may change
or be removed without notice.
→ Browse experimental features
Contributing
See CONTRIBUTING.md. PRs from Claude Code are welcome.
License
Preguntas sobre codescout MCP
¿Qué lenguajes admite codescout para la navegación de símbolos?
Admite Rust, Python, TypeScript/JavaScript, Go, Java, Kotlin, C/C++, C# y Ruby a través de herramientas de símbolos respaldadas por LSP.
¿Necesito ejecutar un servidor aparte para la búsqueda de código?
La búsqueda semántica puede usar un modelo ONNX local o un stack externo de Docker Compose con Qdrant, un embedder disperso y un reranker. El registro de artefactos está integrado y no requiere un servidor aparte.
¿Qué hace la función de seguimiento de artefactos?
Indexa archivos markdown como especificaciones, planes, ADRs y runbooks en un catálogo SQLite con un grafo de enlaces tipado, para que el agente pueda encontrarlos y conectarlos en una sola llamada a la herramienta.
¿Cómo configuro codescout con Claude Code?
Regístralo como un MCP server en tu archivo de configuración y luego ejecuta onboarding() una vez por proyecto para que el agente pueda descubrir los lenguajes y los archivos clave.
¿Funciona codescout con un espacio de trabajo de múltiples proyectos?
Sí; registras los proyectos relacionados en workspace.toml para obtener navegación entre proyectos con memoria e indexación por proyecto.