面向 AI Agent 的 token 高效 MCP 服务器，基于 tree-sitter AST 解析实现 70+ 语言符号级精准代码检索，代码阅读 token 消耗降低 95%+，提供 20+ 种结构化分析工具覆盖变更影响、调用图、死代码检测、架构拓扑等场景。
jCodeMunch MCP 是一个专为 AI Agent 设计的代码理解与检索服务器，遵循 MCP（Model Context Protocol）标准。其核心架构原则是"检索精度优于暴力上下文扩展"，通过 tree-sitter 对 70+ 种编程语言进行 AST 解析，提取函数、类、方法、常量、类型等符号并建立字节偏移索引，实现按需精确提取代码片段，避免暴力全文读取。
在 token 效率方面，官方基准测试（express、fastapi、gin 三个仓库，15 次任务运行）显示总 token 消耗从 1,865,210 降至 92,515，降低 95% 以上。此外，MUNCH 紧凑编码机制通过路径前缀压缩和字典列表打包，中位数节省 45.5% 字节，峰值 55.4%。
项目提供 20+ 种结构化分析工具，涵盖变更影响范围分析（get_blast_radius）、N 层调用图追踪（get_call_hierarchy）、继承链遍历（get_class_hierarchy）、死代码检测（find_dead_code）、循环依赖检测（get_dependency_cycles）、逻辑模块拓扑发现（get_tectonic_map）、外部信号传播路径追踪（get_signal_chains）、跨语言 AST 模式匹配（search_ast，含 10 种预设反模式检测器）、符号 git 考古（get_symbol_provenance）、PR 综合风险评分（get_pr_risk_profile）、编辑就绪的重构规划（plan_refactoring）等。这些能力突破了传统 LLM 工具在结构化代码分析上的局限。
安全与隐私方面，项目自动脱敏 AWS/GCP/Azure/JWT/GitHub 等密钥，实施受信文件夹访问控制，采用本地优先存储（默认 ~/.code-index/），数据不离开本机。上下文提供者框架支持 dbt 和 Git 元数据自动丰富，并支持自定义扩展。
项目兼容 Claude Code、Claude Desktop、Cursor、Windsurf、Continue、OpenClaw 等主流 MCP 客户端，提供交互式 init 命令一键完成配置，支持 watch 模式自动重新索引，以及 PreToolUse/PostToolUse/PreCompact 执行钩子和复杂度驱动的模型路由。通过 pip install jcodemunch-mcp 即可安装，也支持 Docker 和 uvx 部署。可选依赖组覆盖 Anthropic、Gemini、OpenAI、语义搜索、本地嵌入、HTTP/SSE 传输、dbt、Groq 等集成场景。
注：项目 README 中引用的官网 http://jcodemunch.com/ 使用 HTTP 协议且未能成功验证其当前可用状态，商业许可采用双重模式（非商业免费；商业需付费，Builder $79 / Studio $349 / Platform $1,999）。