xmp4

Хватит grep-ить исходники библиотек.

Ваш AI получает представление компилятора о 856 OSS-библиотеках через MCP.

Реальные вызовы. Реальные исходники. Реальная иерархия. За 3 вызова инструментов.

→ Главная страница · → Белая книга по бенчмаркам · → Подключиться за 30 секунд

Краткое резюме за 30 секунд

Ваш AI-агент по кодированию тратит токены на поиск OSS-библиотек, которыми вряд ли воспользуется. xmp4 — размещённый сервер MCP, который предварительно индексирует 856 популярных open-source библиотек с использованием SCIP — семантического формата кода, который использует Sourcegraph — и предоставляет их через 17 инструментов. Ни копирования. Ни grep. Ни ложных срабатываний.

ASK: "Кто вызывает Flask.wsgi_app в репозитории Flask и что он делает?"

со штуками grep + локальный клон:
  git clone flask/flask          ~40 МБ,   ~2 мин
  grep -rn "wsgi_app" .          200+ совпадений, в основном шум
  cat src/flask/app.py | sed ... читаем 1000+ строк, чтобы найти тело
  фильтрация ложных позиций      модель тратит токены на то, что реальное
  ───────────────────────────────────────
  всего:                         ~15 000 токенов + диск + пропасть

с xmp4:
  xmp4_info(symbol_name="Flask",    file_path="src/flask/app.py")         → сигнатура,  20 токенов
  xmp4_source(symbol_name="wsgi_app", file_path="src/flask/app.py")       → тело,         180 токенов
  xmp4_callers(symbol_name="wsgi_app", file_path="src/flask/app.py")      → 1 вызователь, 50 токенов
  ───────────────────────────────────────
  всего:                                                                     ~250 токенов

xmp4 в 60× дешевле здесь — и каждый результат SCIP-решён, а не сопоставление текста.

Измеренные цифры (4 крупных OSS-библиотеки · reproducible)

Та же реалистичная задача для spring-boot · tokio · django · efcore: "покажите сигнатуру, тело и реальных вызывающих X."

	xmp4	grep + clone	GitMCP	Context7
Всего токенов (один и тот же вопрос)	1 558	2 978	65 629	—
по сравнению с xmp4	1×	на 1.9× больше	на 42× больше	не может ответить
Возвращает реальное тело исходника?	✅	✅ шумно	✗ только пути к файлам	✗ курируемые документы
Семантические вызывающие?	✅	✗	✗	✗
Иерархия типов?	✅	✗	✗	✗
Стоимость настройки	0	ГБы клонов	0	0

GitMCP и Context7 выглядят дешевле за вызов, потому что возвращают меньше. Чтобы получить тот же ответ, GitMCP распухает до 42× большего объёма токенов — и всё равно не может представить список семантических вызывающих. Context7 не может на любом случае. Полная белая книга с Python-хандлером →

Подключение за 30 секунд

// Claude Code / Cursor / Claude Desktop — проект `.mcp.json` или клиентская конфигурация
{
  "mcpServers": {
    "xmp4": {
      "type": "http",
      "url": "https://mcp.example4.ai/mcp"
    }
  }
}

(Готовая к вставке конфигурация также находится в .mcp.json в этом репозитории.)

Обучение Claude работе с xmp4 (опционально, но рекомендуется)

Установите навык xmp4 один раз на версию — Claude автоматически выберет наиболее дешёвый путь к инструментам (tests_for + view over grep):

# Claude Code
mkdir -p ~/.claude/skills/xmp4 && \
  curl -sfL https://example4.ai/xmp4-skill.md -o ~/.claude/skills/xmp4/SKILL.md

# Другие клиенты: просто скажите Claude открыть URL при использовании инструментов xmp4
#   https://example4.ai/xmp4-skill.md

Перезапустите клиента. Затем попробуйте (каждый шаг проверяется в реальном времени на 2026-04-24):

"Используя xmp4, найдите класс Flask в flask/Flask и перечислите его использования."

Вы должны увидеть Type Flask src/flask/app.py:81 и 165 использования на 33 страницах результатов. Один семантический вызов на вопрос. Ноль grep-циклов.

Настройка для Cursor · Claude Desktop · Continue · Windsurf → docs/connect-instructions.md

17 инструментов

Полный справочник с живыми примерами

Семантическое ядро (где сосредоточена ценность)

xmp4_projects · xmp4_search · xmp4_info · xmp4_usages · xmp4_callers · xmp4_callees · xmp4_hierarchy · xmp4_outline · xmp4_source · xmp4_tests_for · xmp4_deps · xmp4_symbol_at

Удобство

xmp4_view (фрагмент файла по диапазону строк) · xmp4_grep (регулярное выражение на стороне сервера, когда семантики недостаточно)

Метаданные

xmp4_guide (возвращает указатель на скилл с версионированием к https://example4.ai/xmp4-skill.md — загрузить один раз на версию и сохранить как локальный навык Claude Code; внутри — минимальная шпаргалка как офлайн-резерв) · xmp4_server (версия + статистика)

Покрытие языков

Уровень 1 — полное покрытие

C# · TypeScript · Python · Java · Rust · PHP

Уровень 2 — максимально возможное покрытие, документированные особенности

Go · JavaScript · Dart · Ruby · C++

Каждое известное ограничение — пустой hierarchy.base на TS/Rust/Java/PHP, кросс-модульное использование Python usages недоучитывается, поведение точной реализации интерфейса C# через точечное имя — перечислено дословно в [docs/tiers-and-quirks.md]. Мы предпочитаем корректно устанавливать ожидания, чем позволять ревьюеру найти пробел и предположить, что всё раздут.

Покрытие растёт по спросу, а не по догадкам

Индекс на данный момент содержит 856 репозиториев / 15 921 проектов, индексируемых через SCIP. Мы добавляем новые библиотеки на основе двух сигналов, в сочетании:

Aggregate query logs — имена символов и фильтры проектов, без PII, без кода пользователя. Если многие AI-агенты ищут библиотеку, которой у нас нет, мы это видим.
Ваш запрос — создайте issue с запросом к репозиторию с URL GitHub, языком и одним конкретным запросом, который вы хотите запустить. Один пользовательский запрос + спрос на downstream почти всегда означает, что индекс будет создан в течение нескольких дней.

Публичный эндпоинт /stats/top-missing планируется — прозрачность того, что движет ростом.

Конфиденциальность — кратко

✓ Мы логируем: агрегированные счетчики запросов (имена символов/проектов/инструментов, грубые временные метки) для роста индекса по спросу.
✗ Мы не логируем: содержимое вашей кодовой базы · персональные идентификаторы · тела запросов помимо заявленных параметров инструментов.
Стандартные nginx access-логи хранятся 7 дней для предотвращения злоупотреблений, затем удаляются. Не объединяются с подсчетами запросов.

Полная детализация → docs/privacy.md.

Статус

🟢 В живом доступе — mcp.example4.ai v1.2.1 · 856 репозиториев · 15 921 проектов · 17 инструментов · 11 языков
🟢 Benchmark опубликован — повторяемая белая книга с Python-гарнитурой
🟢 Включён в Official MCP Registry как ai.example4/xmp4 (DNS‑авторизован на example4.ai)
🟢 Smithery — smithery.ai/servers/0ics-srl/xmp4
🟢 Cursor Directory — cursor.directory/plugins/lsai-xmp4public
🔧 Больше регистрации в работе — MCP.so, mcpservers.org, partnerships@github.com, списки awesome-листов (PRs открыты на punkpeye/jaw9c/appcypher)
🔧 Цикл роста по спросу — в процессе

Что находится в этом репозитории

Путь	Назначение
docs/connect-instructions.md	5 MCP-клиентов, последовательность проверки работоспособности, устранение проблем
docs/tool-reference.md	17 инструментов с живыми примерами и правилами рабочего процесса
docs/tiers-and-quirks.md	Матрица уровней языка + все известные ограничения, дословно
docs/privacy.md	Что мы логируем, чего нет, контакт по GDPR
docs/request-repo.md	Как работает очередь, управляемая спросом
.mcp.json	Готовая к вставке конфигурация клиента MCP (тип: http, URL)
skills/xmp4/SKILL.md	Навык Claude Code — рабочий процесс, бюджет затрат, политика grep, распространённые ошибки
html/xmp4-skill.md	тот же навык, доступен публично по адресу https://example4.ai/xmp4-skill.md
server.json	Официальный манифест MCP Registry (DNS‑авторизован ai.example4/xmp4)
glama.json	Хук автоиндекса Glama-каталога
.github/ISSUE_TEMPLATE/	Шаблоны ISSUE — ошибки · запросы функций · request-repo templates

Связанные материалы

LSAI протокол — открытая спецификация семантического анализа кода для агентов ИИ.
SCIP — семантический формат кода, на котором основан xmp4 (разработан Sourcegraph, BSD-3).
Model Context Protocol — открытый транспортный протокол, который поддерживает xmp4.

Лицензия

Apache 2.0 для этого репозитория документации — см. LICENSE.

Хостинг‑ендпоинт mcp.example4.ai бесплатен как для личного, так и для коммерческого использования (условия использования будут добавлены позже).

Запросы на коммерческое лицензирование или развёртывание на собственной инфраструктуре — откройте issue в GitHub, помеченное commercial в этом репозитории.

Сделано с помощью семантического интеллекта, а не grep.

SCIP · MCP · LSAI