MCP server codescout
Commit 10 de nov. de 2026Oferece navegação de símbolos, busca semântica, memória persistente e indexação de artefatos para agentes de codificação de IA em workspaces de múltiplos projetos.
Também conhecido como mareurs/codescout
- Stars
- 27
- Ferramentas
- —
- Downloads, 30 dias
- —
- Versão mais recente
- —
- Último commit
- 10 de nov. de 2026
- Licença
- MIT
O que é o MCP codescout?
Oferece navegação de símbolos, busca semântica, memória persistente e indexação de artefatos para agentes de codificação de IA em workspaces de múltiplos projetos.
Resumo gerado a partir do README do projeto
Sobre o MCP server de codescout
O codescout possibilita que agentes de codificação de IA tenham inteligência de nível IDE por meio de navegação avançada de símbolos e busca semântica. Ele funciona como um MCP server local que se conecta a agentes como Claude Code, GitHub Copilot e Cursor, permitindo que eles naveguem em bases de código complexas sem precisar ler arquivos inteiros. Ao utilizar ferramentas baseadas em LSP, como símbolos, referências e call graphs, ele fornece contexto preciso em nove linguagens suportadas, incluindo Rust, Python e TypeScript.
Desenvolvedores podem gerenciar workspaces de múltiplos projetos usando uma configuração workspace.toml para manter a memória e a indexação por projeto. O servidor inclui um componente de bibliotecário que indexa artefatos markdown, como especificações, planos e ADRs, em um catálogo SQLite. Para recuperação semântica profunda, ele suporta uma stack de recuperação usando um modelo ONNX local ou uma configuração externa com Qdrant e um reranker. Ele foi projetado para eficiência de tokens, fornecendo detalhes compactos sob demanda em vez de despejar grandes quantidades de texto na janela de contexto do agente.
O que você pode fazer com ele
- 1Navegar em estruturas de código complexasUm agente pode encontrar definições de funções específicas ou locais de chamada usando navegação de símbolos em vez de pesquisar em texto bruto.
- 2Recuperar documentação do projetoUm desenvolvedor pode pedir para uma IA encontrar todas as especificações ativas relacionadas a uma parte específica do pipeline de recuperação.
- 3Realizar buscas de código baseadas em conceitosUsuários podem localizar código pelo seu significado subjacente usando busca semântica alimentada por modelos locais ou externos.
- 4Gerenciar contexto de múltiplos projetosDesenvolvedores podem registrar projetos relacionados para permitir que uma IA navegue entre diferentes repositórios dentro de um único workspace.
Escrito a partir do README do projeto. Cada caso de uso é verificado com uma citação dele.
Verificações automatizadas
Executado em 14 de nov. de 2026Relatório completo →Ainda não verificado. Um servidor precisa de uma pontuação de 80, nenhum problema grave e dados suficientes para verificarmos. Como as verificações funcionam · O que corrigir para ganhar mais pontos
- Repositório de origem vinculado e acessívelmareurs/codescout is public and reachablegithub.com/mareurs/codescout ↗Passou
- O pacote indica este repositório como sua origemNão verificado
- Proveniência da build (atestação Sigstore)Não verificado
- Licença de código aberto (OSI)MITspdx.org/licenses/MIT.html ↗Passou
- Commit ou release no último anoLast commit or release 2026-11-10github.com/mareurs/codescout ↗Passou
- OpenSSF ScorecardNão verificado
- Nome do pacote não é próximo a um pacote popularNão verificado
- Nenhum aviso crítico no pacote ou em suas dependênciasNão verificado
- Sem instruções ocultas para o modelo0 tool descriptions and the README read; no override phrases, credential paths or hidden charactersPassou
- Ferramentas destrutivas estão rotuladasNão verificado
- O endpoint remoto responde ao handshake do MCPNão verificado
README
Ver no 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
Perguntas sobre o MCP codescout
Quais linguagens o codescout suporta para navegação de símbolos?
Ele suporta Rust, Python, TypeScript/JavaScript, Go, Java, Kotlin, C/C++, C# e Ruby por meio de ferramentas de símbolos baseadas em LSP.
Preciso rodar um servidor separado para busca de código?
A busca semântica pode usar um modelo ONNX local ou uma stack externa via Docker Compose com Qdrant, um sparse embedder e um reranker. O registro de artefatos é embutido e não precisa de um servidor separado.
O que faz o recurso de rastreamento de artefatos?
Ele indexa arquivos markdown, como especificações, planos, ADRs e runbooks, em um catálogo SQLite com um grafo de links tipados, permitindo que o agente os encontre e conecte em chamadas de ferramenta únicas.
Como configuro o codescout com o Claude Code?
Registre-o como um MCP server no seu arquivo de configurações e, em seguida, execute onboarding() uma vez por projeto para que o agente possa descobrir as linguagens e os arquivos principais.
O codescout funciona com um workspace de múltiplos projetos?
Sim; você registra os projetos relacionados no workspace.toml para obter navegação entre projetos com memória e indexação individuais por projeto.