Предоставляет доступ к реестру графов знаний кода для AI-клиентов, позволяя анализировать репозитории, искать концепции и обнаруживать расхождения в данных.
Также известен как looptech-ai/understand-quickly, @looptech-ai/understand-quickly-mcp
- Звёзды
- 48
- Инструменты
- —
- Загрузки, 30 дней
- —
- Последняя версия
- 0.1.1
- Последний коммит
- 17 сент. 2026 г.
- Лицензия
- Apache-2.0
Что такое understand-quickly MCP?
understand-quickly — это MCP server. Предоставляет доступ к реестру графов знаний кода для AI-клиентов, позволяя анализировать репозитории, искать концепции и обнаруживать расхождения в данных.
Сводка сгенерирована из README проекта
О understand-quickly MCP server
С помощью этого MCP server разработчики могут анализировать репозитории кода через графы знаний. Он подключает AI-клиенты, такие как Claude Desktop, Cursor или Codex, к реестру предварительно вычисленных графов знаний кода, что позволяет проводить глубокий анализ репозиториев и поиск концепций. Сервер запускается локально через stdio JSON-RPC и требует Node версии 20 или выше.
Пользователи могут взаимодействовать с реестром с помощью четырех специальных инструментов: list_repos для просмотра доступных записей, find_graph_for_repo для поиска конкретного графа по URL GitHub или ID, get_graph для получения обработанных данных в формате JSON и search_concepts для поиска определенных терминов. Система включает встроенную функцию обнаружения расхождений (drift detection), предоставляя такие метаданные, как количество коммитов, на которое репозиторий отстает от своего источника.
Данная реализация намеренно минималистична и использует кэширование в памяти с TTL 60 секунд для данных реестра и статистики. Она опирается на публичный registry.json и может быть настроена на использование пользовательских источников реестра или статистики через переменные окружения. Несмотря на отсутствие эмбеддингов или стриминга, сервер обеспечивает структурированный способ навигации по сложным кодовым базам с помощью агрегированных совпадений концепций и поиска узлов на основе графов.
Что вы можете с ним делать
- 1Поиск архитектурных концепцийЗапросите список общих концепций программирования во всех доступных репозиториях реестра.
Взято из README проекта. Каждый вариант использования проверен на соответствие цитате из него.
Как установить understand-quickly MCP
Форматы проверены 10 ноя 2026Добавить в CursorДобавить в GooseУстановка understand-quickly MCP в Claude Code
$ claude mcp add understand-quickly -- npx -y @looptech-ai/understand-quickly-mcpУстановка understand-quickly MCP в Cursor
~/.cursor/mcp.json
{
"mcpServers": {
"understand-quickly": {
"command": "npx",
"args": [
"-y",
"@looptech-ai/understand-quickly-mcp"
]
}
}
}Установка understand-quickly MCP в VS Code
.vscode/mcp.json
{
"servers": {
"understand-quickly": {
"type": "stdio",
"command": "npx",
"args": [
"-y",
"@looptech-ai/understand-quickly-mcp"
]
}
}
}Установка understand-quickly MCP в VS Code CLI
$ code --add-mcp '{"name":"understand-quickly","type":"stdio","command":"npx","args":["-y","@looptech-ai/understand-quickly-mcp"]}'Установка understand-quickly MCP в Claude Desktop
claude_desktop_config.json
{
"mcpServers": {
"understand-quickly": {
"command": "npx",
"args": [
"-y",
"@looptech-ai/understand-quickly-mcp"
]
}
}
}Установка understand-quickly MCP в Codex
$ codex mcp add understand-quickly -- npx -y @looptech-ai/understand-quickly-mcpУстановка understand-quickly MCP в Codex config.toml
~/.codex/config.toml
[mcp_servers.understand-quickly] command = "npx" args = ["-y", "@looptech-ai/understand-quickly-mcp"]
Установка understand-quickly MCP в Gemini CLI
$ gemini mcp add -s user understand-quickly npx -- -y @looptech-ai/understand-quickly-mcpУстановка understand-quickly MCP в Gemini settings.json
~/.gemini/settings.json
{
"mcpServers": {
"understand-quickly": {
"command": "npx",
"args": [
"-y",
"@looptech-ai/understand-quickly-mcp"
]
}
}
}Конфигурация
UNDERSTAND_QUICKLY_REGISTRY
| Название | Описание | Тип |
|---|---|---|
| UNDERSTAND_QUICKLY_REGISTRY | — |
Автоматические проверки
Запущено 13 нояб. 2026 г.Полный отчёт →Прошло наши автоматизированные проверки. Это не аудит безопасности: изучите код и предоставьте серверу минимально необходимый доступ. Как работают проверки
- Связанный и доступный исходный репозиторийПройдено
- Open source лицензия (OSI)Пройдено
- Коммит или релиз за последний годПройдено
- Имя пакета не похоже на популярный пакетПройдено
- Удаленная конечная точка использует HTTPSНе проверялось
- Деструктивные инструменты помеченыНе проверялось
- Нет скрытых инструкций для моделиПройдено
- Нет критических предупреждений в пакете или его зависимостяхПройдено
README
Открыть на 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.
Вопросы о understand-quickly MCP
Как добавить understand-quickly MCP в Claude Code?
Выполните claude mcp add understand-quickly -- npx -y @looptech-ai/understand-quickly-mcp в терминале. Добавьте --scope user, чтобы сервер был доступен во всех проектах.
Как добавить understand-quickly MCP в Cursor?
Откройте ~/.cursor/mcp.json и добавьте сервер в mcpServers, используя конфигурацию Cursor из раздела установки выше.
Какие инструменты предоставляет сервер?
Сервер предоставляет четыре инструмента: list_repos, find_graph_for_repo, get_graph и search_concepts.
Поддерживает ли этот сервер аутентификацию?
Нет, текущая версия является минимальной реализацией и не поддерживает аутентификацию.
Как работает инструмент search_concepts?
В основном он использует предварительно вычисленный файл stats.json для поиска агрегированных совпадений концепций, а если файл со статистикой недоступен, переходит к сканированию всех графов.