LynxMCP

LynxMCP 是一个 100% 本地运行的 MCP（Model Context Protocol）服务器，旨在回答 grep 无法处理的代码问题，例如：谁调用了这个函数？修改它会影响什么？执行某项行为的代码在哪里？当前实际使用的库版本行为如何？它适用于任何 MCP 客户端，包括 Claude Code、Cursor、Windsurf、Antigravity 等。

主要能力：

• 行为检索：当标识符不存在于代码字面中时，例如“我们是在哪里限制相机缩放的？”，grep 无法匹配任何内容，而 LynxMCP 通过语义检索找到相关代码。
• 结构查询：支持调用图、继承关系、多态分派等无文本痕迹的结构问题，以及修改代码后的影响范围（blast radius）。
• 知识补充：可索引你实际使用的库版本文档和 PDF，弥补模型训练截止后的知识空白。
• AST 感知分块：使用 Tree-sitter 解析 18+ 种语言（19 个语法，含 TSX），索引整个函数和类，而非任意文本窗口。
• 混合检索：稠密向量嵌入与代码分词的 BM25 结合，通过 RRF 融合，可选交叉编码器重排序。
• 代码知识图谱（可选）：记录调用关系、继承和导入，回答“修改这个会破坏什么？”并给出实际影响范围。
• 多源索引：代码库、公共文档站点（按需抓取一次，JS 渲染的 SPA 可通过可选的无头 Chromium 处理）和 PDF 可并排搜索。
• 自动重建：文件监视器在保存文件后约 2 秒重新索引，无需手动重建。
• HTTP API 与集成：搜索和图谱以本地 HTTP API 提供 NDJSON 行，可与 SQL 引擎、Coral、DuckDB、Steampipe、GitHub Action 等集成，将代码与工单、PR、日志关联。
• 浏览器管理界面：lynx manager ui 提供引导式设置、查询演练场、诊断和客户端配置片段。
• 本地运行：HuggingFace 模型下载一次后切换离线模式，无遥测、无云端索引、无代码上传。仅有的网络访问是模型下载和用户显式触发的 webdoc 抓取。
• 轻量依赖：基于 ONNX Runtime，安装约 460 MB，Linux 下载约 165 MB，无需 PyTorch 带来的 4 GB CUDA 库。
• 并发会话：一个索引可同时服务多个会话，只有索引过程是独占的。

使用方式：

• 通过 lynx manager init 初始化，可选择打开 Web UI，通过引导表单添加源。
• 每个 AI 工具也是一个命令，如 lynx find-definition ApplyDamage、lynx impact ApplyDamage、lynx graph query --op callers --symbol ApplyDamage，添加 --json 用于脚本。
• 在 MCP 客户端中注册 Lynx，Claude Code、Cursor、Antigravity 和通用 stdio 客户端均有完整指南，或让 lynx manager ui 生成配置片段。
• 服务器约一秒内响应 MCP 握手，后台打开索引，提前到达的调用会返回加载状态并重试。
• 提供 macOS 和 Windows 双击安装程序。
• 工具集固定，不随源数量增长，分为 core（5 个工具，约 1300 token）、standard（10 个工具，约 2800 token，默认）和 full（17 个工具，约 4150 token）。可在 config.json 设置 tools.profile 或通过 lynx serve --profile full 指定，tools.include 可添加单个工具。
• 检索工具带有 MCP readOnlyHint 注解，客户端可自动批准；唯一的写入工具是 export_graph。
• 服务器在 MCP 握手时提供使用手册（instructions 加 lynx://guide 资源），代理无需规则文件即可良好查询。
• 图谱工具需要为源启用可选的代码知识图谱。
• 可共享图谱视图：lynx graph export --symbol GetVoxel 生成自包含的离线文件，展示符号的影响范围、调用者和被调用者，可附在 PR 或存档审计。

适用场景：

• 大型代码库中，内置工具或 grep 效率低下时。
• 模型训练数据过时的框架文档查询。
• 重复会话中，避免从头重新探索。
• 需要理解代码结构、影响范围和跨源知识（代码、文档、PDF）的开发者。

限制：

• 在类名自解释的代码库（如 Guava 的 BloomFilter、RateLimiter）上，grep 排名更高（hit@1 73% 对 60%）。
• 对于能完全放入代理上下文的仓库，内置工具已足够。
• 由单个作者开发，API 在 1.x 稳定前可能变动。
• 基准测试显示排名随代码自文档化程度波动，在 C# 上领先，Python 上混合，Guava 上落后；但 token 成本每次降低 58% 到 86%。
• 工具定义消耗 token：core 1300、standard 2800、full 4150，会话在一两次检索后即可回本。
• 成本节省计算器：python benchmarks/savings_calculator.py --devs N 或交互式计算器，预设价格可编辑。
• outline 模式：search(query, outline=true) 或 ?view=outline 返回不带正文的排名结果，仅一行签名和文档字符串首行，代理可扫描候选后按 file:line 读取所需正文。在 psf/requests 上搜索步骤 token 减少 2.4 倍。
• 集成：Coral 注册表中的社区源，DuckDB 的 read_ndjson_auto，Steampipe 插件，GitHub Action 在 PR 上评论影响范围，MCP 配方组合 GitHub、Sentry、Jira。
• 防火墙或气隙环境：模型可来自镜像、GitHub Releases 自动回退或携带的存档。
• 仅有的网络访问是模型下载和显式 webdoc 抓取；其余全部本地。