Ragex: Обзор и туториал по настройке MCP-сервера для семантического поиска по коду на AST и графах

Почему RAG для кода — это боль

Представь: ты пытаешься заставить ИИ понять твой код. Ты кидаешь ему куски файлов через RAG, а он в ответ выдаёт что-то вроде "функция process_data где-то здесь, наверное". Контекст теряется, связи между модулями разрываются, и в итоге ты тратишь больше времени на объяснения, чем на написание кода.

Обычные RAG-системы для текста ломаются о код. Они не видят разницы между user.login() и user.login(), не понимают, что fetchData вызывает validateInput, а та, в свою очередь, дергает logError. Это как пытаться собрать пазл, глядя на каждую деталь через микроскоп, но не видя картины целиком.

Ragex: когда AST встречает графы

Ragex — это MCP-сервер, который подходит к коду с трёх сторон сразу: парсит AST (абстрактное синтаксическое дерево), строит векторные эмбеддинги и рисует графы знаний. Вместо того чтобы тупо искать совпадения по тексту, он понимает, что делает код и как он связан с другим кодом.

Что внутри: архитектура на стероидах

• AST-парсер: разбивает код на узлы — функции, классы, переменные, импорты. Не просто строки, а структурированные сущности.
• Векторные эмбеддинги: преобразует эти узлы в числовые векторы, чтобы искать семантически похожие куски, даже если они названы по-разному.
• Граф знаний: соединяет узлы рёбрами — "вызывает", "наследует", "импортирует". Получается карта зависимостей всего проекта.

Ставим и настраиваем: туториал за 10 минут

Забудь про долгую установку. Вот как запустить Ragex на своём коде.

1 Клонируем и собираем

git clone https://github.com/yourusername/ragex.git
cd ragex
mix deps.get
mix compile

2 Конфигурируем под свой проект

Создай файл config.exs в корне проекта Ragex. Укажи путь к своему коду и модель эмбеддингов.

config :ragex,
  code_path: "/path/to/your/code",
  embedding_model: "BAAI/bge-small-en-v1.5",
  graph_db: :neo4j,  # или :memgraph для локального использования
  neo4j_url: "bolt://localhost:7687"

Можно использовать локальные модели через Ollama, чтобы не платить за API. Подробнее про локальные RAG-системы в этом руководстве.

3 Запускаем сервер и индексируем код

mix phx.server

Сервер запустится на порту 4000. Теперь нужно проиндексировать код:

curl -X POST http://localhost:4000/api/index -H "Content-Type: application/json" -d '{"path": "/path/to/your/code"}'

Индексация может занять время в зависимости от размера проекта. Зато потом поиск будет мгновенным.

4 Интегрируем с Claude через MCP

Добавь Ragex как MCP-сервер в Claude Desktop. Редактируй claude_desktop_config.json:

{
  "mcpServers": {
    "ragex": {
      "command": "mix",
      "args": ["phx.server"],
      "env": {
        "MIX_ENV": "prod"
      }
    }
  }
}

Перезапусти Claude. Теперь в промптах можно использовать инструменты Ragex для поиска кода.

Альтернативы? Какие альтернативы?

Есть другие инструменты для поиска по коду, но они обычно либо только текстовые (ripgrep, Silver Searcher), либо только AST-based (Sourcegraph, но это монстр). Ragex уникален своей гибридностью.

Если тебе нужен просто быстрый текстовый поиск — используй ripgrep. Но если хочешь, чтобы ИИ понимал код, Ragex вне конкуренции.

Примеры использования: от поиска до рефакторинга

Вот что можно делать с Ragex:

• Семантический поиск: "Найди все функции, которые валидируют email". Ragex найдёт validateEmail, check_email_format и даже VerifyEmailAddress.
• Анализ зависимостей: "Что сломается, если я удалю этот модуль?" Граф покажет все связи.
• Рефакторинг: "Где ещё используется этот паттерн синглтона?" ИИ сможет предложить изменения.

Для отладки MCP-серверов пригодится Syrin. А если хочешь протестировать несколько ИИ-агентов сразу, посмотри Owlex.

Кому это нужно? (Спойлер: всем)

Ragex не для всех. Он для тех, кто:

• Работает с кодом на 10+ файлов и устал объяснять контекст ИИ.
• Занимается рефакторингом легаси-кода и боится что-то сломать.
• Строит AI-агентов для разработки, как в MCP Chat Studio v2.
• Хочет семантический поиск по коду без облачных API и слежки.

Если твой проект — это два файла на Python, возможно, Ragex — это overkill. Но если ты поддерживаете монолит на 100К строк, это спасение.

Предсказание: что будет дальше?

Ragex сегодня — это MCP-сервер. Завтра он может стать стандартом для семантического анализа кода в AI-агентах. Представь: ИИ не только ищет код, но и предлагает оптимизации на основе графов, находит уязвимости через паттерны, автоматически генерирует документацию.

Проблема в том, что текущая реализация требует ручной настройки и индексации. Но если это интегрировать в CI/CD, чтобы граф знаний обновлялся автоматически при каждом коммите — это будет прорыв.