pickfit

瀏覽MCP 伺服器

code-cortex-mcp

為 AI coding agent 將程式碼庫索引為可查詢知識圖譜的本機 MCP 伺服器。

已在 macOS 和 Linux 上測試

使用

macOS arm64

需要先準備

  • 系統套件:CMake, C++23 compiler, zlib
  1. 從 GitHub 下載 install.sh

    curl -fsSL https://raw.githubusercontent.com/tigercosmos/code-cortex-mcp/main/install.sh -o /tmp/install.sh && wc -l /tmp/install.sh && head -n 100 /tmp/install.sh
  2. 執行 install.sh --skip-config 將執行檔安裝至 ~/.local/bin

    bash /tmp/install.sh --skip-config

確認能用

code-cortex-mcp --version && which code-cortex-mcp && ls -l ~/.local/bin/code-cortex-mcp

輸出應包含「code-cortex-mcp 0.23.0」。

加進你的 agent

claude mcp add code-cortex-mcp -- code-cortex-mcp mcp
Claude Desktop、Cursor 等用戶端用的 JSON
{
  "mcpServers": {
    "code-cortex-mcp": {
      "command": "code-cortex-mcp",
      "args": [
        "mcp"
      ]
    }
  }
}

在你的 AI 程式開發用戶端中將 code-cortex-mcp 新增為 MCP 伺服器,然後請代理對你的專案資料夾呼叫 index_repository。

Linux x86_64

需要先準備

  • 系統套件:CMake, C++23 compiler, zlib
  1. 下載 install.sh

    curl -fsSL https://raw.githubusercontent.com/tigercosmos/code-cortex-mcp/main/install.sh -o /tmp/install.sh
  2. 執行 install.sh --skip-config 安裝可攜式執行檔

    bash /tmp/install.sh --skip-config

確認能用

code-cortex-mcp --version

輸出應包含「code-cortex-mcp 0.23.0」。

加進你的 agent

claude mcp add code-cortex-mcp -- code-cortex-mcp
Claude Desktop、Cursor 等用戶端用的 JSON
{
  "mcpServers": {
    "code-cortex-mcp": {
      "command": "code-cortex-mcp",
      "args": []
    }
  }
}

在你的 AI 程式開發用戶端中將 code-cortex-mcp 新增為 MCP 伺服器,然後請代理對你的專案資料夾呼叫 index_repository。

它能做什麼

  • 將程式碼庫索引成可查詢的知識圖譜
    怎麼使用
    1. 將 code-cortex-mcp 連接到你的 MCP 用戶端。
    2. 呼叫 index_repository 工具,並將 repo_path 設為 <your project folder>。
    已測試
  • 以理解圖譜的 grep 搜尋程式碼
    怎麼使用
    1. 先用 index_repository 索引你的專案。
    2. 呼叫 search_code 工具,將 pattern 設為 <your text>、project 設為 <project name>。
    已測試
  • 追蹤呼叫路徑與資料流
    沒有看到它可用
  • 檢視符號的定義與呼叫者
    沒有看到它可用

pickfit 測到哪一步

macOS arm64

  1. 可以安裝
  2. 可以連線
  3. 4 項功能中 2 項可用
  4. 可離線使用

Linux x86_64

  1. 可以安裝
  2. 可以連線
  3. 4 項功能中 3 項可用
  4. 可離線使用

Windows:專案說支援,但 pickfit 還沒試過。

適合用來

  • 檢視符號定義及其呼叫者與相關測試
  • 追蹤函式間的呼叫鏈
  • 以圖譜增強搜尋程式碼

可替代 codebase-memory-mcp。

pickfit 怎麼測的

每次測試都從乾淨的機器開始,照上面的步驟執行。 pickfit 怎麼驗證

macOS arm64

MCP 用戶端成功呼叫工具

  • 從頭重跑
  • 可離線使用
  • 檢查於 2026年11月1日
  • 版本 0.23.0

MCP 用戶端透過 stdio 連線,列出 15 個工具,呼叫 index_repository 也回傳了結果。

Linux x86_64

MCP 用戶端成功呼叫工具

  • 從頭重跑
  • 可離線使用
  • 檢查於 2026年10月31日
  • 版本 0.23.0

MCP 用戶端透過 stdio 連線,列出 15 個工具,呼叫 index_repository 也回傳了結果。

測試機器遇到的差異

  • README: curl -fsSL ... | bash installs and configures agents
    測試中: 使用 --skip-config 以避免修改環境中 Claude Code/Codex 等的設定;仍可正確安裝執行檔
  • README: project argument optional, inferred from working directory
    測試中: 在已索引目錄外呼叫 MCP 工具需明確指定 "project"(例如 tmp-testproj),否則會出錯

怎麼看工具卡

縫線
pickfit 親自安裝過這款工具,縫線下方的內容都來自那次測試。沒測過的工具,一律沒有縫線。
已在你的作業系統上驗證
安裝步驟在你選的系統上跑過。「只在 Linux 上執行過」表示還沒在你的系統上跑過。
macOS、Linux 和 Windows在哪裡測過
綠色系統標記:pickfit 在該系統跑過安裝步驟。灰色:README 說支援,但 pickfit 還沒試過。
測試進行到哪一步
能安裝並啟動、主要功能可用、服務有回應、能產生模型輸出。視窗代表桌面應用程式已開啟;插頭代表 MCP 用戶端用過它。標記在測試結果旁邊:展開「為什麼適合、我們怎麼知道」,或在「pickfit 怎麼測的」裡。
視覺檢查
pickfit 看過應用程式的截圖。綠色:畫面正常。黃色加數字:有看起來不對的地方,點開就能看到。灰色虛線:還沒檢查。
已知漏洞
它安裝的套件有沒有已知的高風險或嚴重漏洞(OSV.dev)。綠色:沒有已知漏洞。紅色加數字:有幾個,點開看清單,安裝前先看過。灰色虛線:沒有檢查,不代表安全。
關於這次測試
測試日期,以及測到的版本。
理由的來源
每個推薦理由都依據簡介裡的一個欄位。展開理由就能看到欄位和值。
寶藏
品質高、少有人知。
品質與知名度
兩個分數,滿分都是 100。品質:pickfit 試裝、試用的結果,以及安裝文件和維護狀況。知名度:看星數、下載量和 Hacker News。
已檢查的功能
README 宣傳的主要功能裡,實測通過幾項(綠色)、失敗幾項(紅色)。灰色是沒檢查的,工具卡會說明原因。
未驗證
Fitz 依一般知識提到的知名工具。沒有測試紀錄、沒有步驟、沒有分數。