作者 MinishLab · MinishLab/semble
代码搜索的 token 消耗约为 grep+read 方案的 2%——语义 + 词法双引擎，完全本地，百万行代码库亚秒级响应。
Semble 是 Minish Lab 出品的代码搜索 MCP。它用稀疏+稠密混合 embedding 对代码库建索引，返回的语义搜索结果比 grep 更精准——无需把整个文件都倒进上下文。与标准的「先 grep 再 read」模式相比，token 消耗大幅降低，在大型 monorepo 上尤为突出。
%APPDATA%\Claude\claude_desktop_config.json{
"mcpServers": {
"semble-mcp": {
"command": "uvx",
"args": [
"--from",
"semble[mcp]",
"semble"
]
}
}
}打开 Claude Desktop → Settings → Developer → Edit Config。保存后重启应用。
{
"mcpServers": {
"semble-mcp": {
"command": "uvx",
"args": [
"--from",
"semble[mcp]",
"semble"
]
}
}
}Cursor 使用与 Claude Desktop 相同的 mcpServers 格式。项目级配置优先于全局。
{
"mcpServers": {
"semble-mcp": {
"command": "uvx",
"args": [
"--from",
"semble[mcp]",
"semble"
]
}
}
}点击 Cline 侧栏中的 MCP Servers 图标，然后选 "Edit Configuration"。
{
"mcpServers": {
"semble-mcp": {
"command": "uvx",
"args": [
"--from",
"semble[mcp]",
"semble"
]
}
}
}格式与 Claude Desktop 相同。重启 Windsurf 生效。
{
"mcpServers": [
{
"name": "semble-mcp",
"command": "uvx",
"args": [
"--from",
"semble[mcp]",
"semble"
]
}
]
}Continue 使用服务器对象数组，而非映射。
{
"context_servers": {
"semble-mcp": {
"command": {
"path": "uvx",
"args": [
"--from",
"semble[mcp]",
"semble"
]
}
}
}
}加入 context_servers。Zed 保存后热重载。
claude mcp add semble-mcp -- uvx --from semble[mcp] semble一行命令搞定。用 claude mcp list 验证，claude mcp remove 卸载。
何时使用： 需要一次性回答「session 验证逻辑在哪里？」这样的问题。
semble index .——大型代码库首次运行需要几分钟结果： 用 grep+read 所需 token 的零头回答了问题。
semble reindex，或配置文件监听 hook何时使用： 你即将废弃一个工具函数，需要找出所有使用点及其变体。
legacy_token_check.✓ 已复制结果： 开始重构前就掌握完整的影响范围。
搜索 → 精准阅读模式（只读 semble 返回的范围）
构建一个更新所有调用点的重构 PR
| 工具 | 输入参数 | 何时调用 | 成本 |
|---|---|---|---|
| search | query, k?, mode? | 默认——按概念搜索 | free |
| lexical_search | pattern, k? | 精确 token / 正则表达式搜索 | free |
| index | path | 首次运行 / 大规模重构后 | free |
| reindex | path | 编辑后同步更新 | free |
Local file read for indexingIndexing OOM on huge repos在配置中降低 batch size，或按包分别建索引
Search returns nothing relevant重新建索引——本地代码可能已发生偏移；或优化查询语句
uvx install hangs提前执行 uv pip install semble[mcp] 预热
| 替代方案 | 何时用它替代 | 权衡 |
|---|---|---|
| ripgrep + grep MCP | 只需要精确匹配搜索 | 无语义召回；结果 token 成本更高 |
| ast-grep / serena | 需要语法感知的结构化搜索替换 | 不同的模型；不基于 embedding |