srclight: Ollama 임베딩을 활용한 완전 로컬 코드 인덱싱 MCP 서버

srclight의 기능

srclight은 완전히 로컬 머신에서 실행되는 시맨틱 검색 기능을 갖춘 딥 코드 인덱싱을 제공하는 MCP(Model Context Protocol) 서버입니다. 코드는 시스템을 떠나지 않으며, API 키나 클라우드 호출이 필요하지 않습니다.

기술 스택

• 파싱: 11개 언어에 대한 tree-sitter AST 파싱: Python, C, C++, C#, JavaScript, TypeScript, Dart, Swift, Kotlin, Java, Go
• 키워드 검색: SQLite FTS5와 3가지 인덱스: 카멜케이스/스네이크케이스 분할을 통한 심볼 이름, 부분 문자열 매칭을 위한 트라이그램, 문서 문자열을 위한 Porter 스테머
• 임베딩: 로컬 임베딩을 위한 Ollama (기본값 qwen3-embedding, nomic-embed-text도 작동)
• 벡터 검색: GPU 가속 코사인 유사도 계산을 위한 cupy (RTX 3090에서 27K 벡터 기준 ~3ms), GPU 없을 경우 numpy 폴백 (~105ms)
• 하이브리드 검색: FTS5 키워드 결과와 임베딩 기반 시맨틱 결과를 결합하는 Reciprocal Rank Fusion (RRF, k=60)

임베딩 구현

임베딩 시스템은 GPU VRAM에 한 번 로드된 후 모든 쿼리를 VRAM에서 처리하는 .npy 사이드카 파일을 사용합니다. 콜드 스타트는 ~300ms가 소요되며, 이후 쿼리는 각각 ~3ms입니다. 시스템은 증분 방식으로 작동하여 콘텐츠 해시가 변경된 심볼만 재임베딩합니다. qwen3-embedding으로 45K 심볼을 완전 임베딩하는 데 ~15분이 걸리며, 증분 업데이트는 즉시 이루어집니다.

사용 가능한 도구

srclight은 총 25개의 MCP 도구를 제공합니다:

• 심볼 검색 (FTS5 + 시맨틱 + 하이브리드 RRF)
• 관계 그래프 (호출자, 피호출자, 전이적 종속성, 구현자, 상속 트리, 테스트 커버리지)
• Git 변경 인텔리전스 (심볼별 블레임, 핫스팟 감지, 커밋되지 않은 작업 중인 파일, 커밋 히스토리)
• 빌드 시스템 인식 (CMake, .csproj 타겟 및 플랫폼 조건)
• SQLite ATTACH+UNION을 통한 다중 리포지토리 워크스페이스, 10개 이상의 리포지토리를 동시에 검색 가능

배포 및 성능

저자는 워크스페이스에서 13개 리포지토리(45K 심볼)를 인덱싱합니다. 모든 것은 리포지토리당 단일 SQLite 파일에 저장되며, Docker, Redis, 벡터 데이터베이스 또는 클라우드 임베딩 API가 필요하지 않습니다. Git 훅(post-commit, post-checkout)이 인덱스를 자동으로 최신 상태로 유지합니다.

저자가 주요 레지스트리에서 50개 이상의 MCP 코드 검색 서버를 조사한 결과, 대부분은 grep 래퍼이거나 클라우드 임베딩 API(OpenAI, Voyage)가 필요했습니다. srclight은 로컬 FTS5 키워드 검색 + 로컬 Ollama 임베딩 + GPU 가속 벡터 캐시 + Git 인텔리전스 + 다중 리포지토리 워크스페이스를 단일 pip 설치로 결합한 유일한 도구로 설명됩니다.

호환성 및 설치

Claude Code, Cursor, Windsurf, Cline, VS Code를 포함한 모든 MCP 클라이언트와 호환됩니다. 설치 방법은 pip install srclight입니다. 프로젝트는 MIT 라이선스로 완전 오픈 소스이며, https://github.com/srclight/srclight에서 확인할 수 있습니다.