Synapse MCP from Myelix Labs

官方

你的AI代理正在浪费令牌，去搜索它本应已经知道的答案。

访问 synapse-mcp.dev试用此 MCP赞助

你可以用 Synapse From Myelix Labs MCP 做什么？

  • AST 感知的代码搜索 — 让您的 AI 通过 semantic_search、symbol_lookup 或 regex_search 在 50 种语言中查找符号、正则表达式模式，或用自然语言描述代码。

  • 压缩的上下文检索 — 使用 find 或 explain 请求函数的大纲或解释，而无需转储整个文件，仅获取结构签名和公共接口。

  • 影响分析 — 询问“如果我更改这个结构体，会破坏什么？”并在 500 毫秒内获取仓库中所有调用者、被调用者和依赖项的映射。

  • 安全的模拟写入 — 让 AI 使用 write_safely 进行试运行编辑，在任何内容写入磁盘之前，根据 AST 验证签名。

  • 崩溃根因追踪 — 粘贴堆栈跟踪，让 resolve_stack 将帧映射到索引块，并追踪执行路径到可能的错误。

  • 覆盖率缺口检测 — 使用 find_tests 精确定位未测试的分支，并生成针对真实结构漏洞的行为测试。

文档

Compatible with all major IDEs and agents via the open Model Context Protocol (MCP).

CursorClaude CodeWindsurfGitHub CopilotDevinAiderClineVS CodeJetBrains AICursorClaude CodeWindsurfGitHub CopilotDevinAiderClineVS CodeJetBrains AI

语言支持

50 种语言。一张图。

Synapse 开箱即用地为每种主流编程语言建立索引、分块并提取依赖边——无需插件、无需配置、无需云端。

函数式系统 / 底层面向对象 / 通用目的 教育 / 脚本 / 物联网数据 / 标记语言

Elixir Erlang Haskell F# OCaml Clojure Scala Python JavaScript TypeScript Go Ruby Rust Java C / C++ C# Kotlin Swift PHP Dart Perl R Zig Objective-C Groovy Julia SQL HTML CSS JSON Markdown YAML XML TOML HCL Dockerfile Protocol Buffers GraphQL Solidity PowerShell Pascal Lisp VBA Smalltalk Prolog Lua Assembly Shell Tcl Arduino

01 / 问题所在

为什么标准上下文引擎会让你的智能体失效

无论你使用的是免费的开源脚本还是昂贵的企业级云端引擎，你的智能体仍然在盲飞。以下是当你的 AI 试图理解代码时，幕后实际发生的事情。

01 失败

开源陷阱：“上下文膨胀器”

免费的 MCP 工具和 WASM 索引器只是自动化终端命令，或将图数据库查询直接转储到 LLM 中。如果你的智能体要求查看一个 10 行的函数，该工具会将整个 3,000 行的文件转储到你的提示词中。你会耗尽上下文窗口，用无关的背景噪音混淆 AI，并仅仅为了阅读括号语法而支付天文数字般的 API 账单。

02 失败

企业云陷阱：“IP 泄露”

昂贵的企业级上下文引擎会将你的专有代码库上传到他们的云端，以执行模糊语义搜索。它们匹配字符串，但缺乏主动的写入验证。你会引发大规模的信息安全和合规性头痛。更糟糕的是，由于它们不会在本地模拟编辑，它们会放任 AI 编写破坏下游架构的代码。

03 优势

Synapse 优势：AST 感知的本地智能

Synapse-MCP 是一个编译好的、零依赖的二进制文件，100% 在本地运行。它为你的代码构建一个数学化的抽象语法树（AST）图。当智能体请求上下文时，Synapse 会剥离噪音，只返回压缩的结构签名。在智能体写入文件之前，Synapse 会模拟编辑，以数学方式证明它不会破坏构建。

02 / 基准测试

证明：对 50 万行代码的单仓库进行自主安全审计

相同的前沿模型。相同的任务。发现相同的漏洞。唯一的区别是上下文引擎。

我们让一个 AI 智能体审计一个生产代码库。基线智能体使用标准的 shell 和 grep 工具。第二个智能体完全使用 Synapse-MCP。

−60% 成本与令牌

2.2 倍速度提升

100% 准确率

Elixir 代码库 · 相同前沿模型 · 自主安全审计

总令牌数

Shell

6,218,045

Synapse

2,487,914

-60%

API 成本

Shell

$12.63

Synapse

$5.05

-60%

墙钟时间

Shell

16 分 56 秒

Synapse

7 分 36 秒

2.2 倍速度提升

智能体操作

Shell

68 次 bash 调用

Synapse

36 次 MCP 调用

-47%

发现的漏洞

Shell

3 个严重

Synapse

3 个严重

相同 03 / SYNAPSE

部署 Synapse-MCP

一个完全合规的 MCP 服务器。在 60 秒内将其插入任何兼容的客户端，并在你的团队工作的任何地方获得持久的结构化代码智能。

■ 100% 本地 🔒 端到端加密 ⚡ 亚秒级查询

免费

免费版 — “黄金图”

  • 即时本地索引：在几秒钟内映射 50 种语言的 10,000+ 文件，零云端依赖。
  • AST 感知压缩：在将文件负载发送到 LLM 之前缩小文件负载，阻止上下文耗尽。
  • 三种搜索模式：用纯英语提问、按符号查找或按正则表达式模式搜索。
  • 代码库洞察：自动检测语言分布、公共 API 表面和重构机会。
  • 零配置设置：向你的 cursor_settings.json 添加 5 行内容并立即开始。

最受欢迎

专业版 — “影子图”（每月 $19）

  • 模拟安全写入：在触及磁盘之前在内存中验证编辑。如果编辑破坏了调用者的签名，会自动回滚。
  • 影响与调用者分析：在 500 毫秒内显示整个仓库中受影响的每个调用者和依赖项。
  • 即时崩溃解决：将堆栈跟踪直接映射到你的 AST 图，进行即时根因分析。
  • 测试智能：无需运行测试套件即可揭示确切的覆盖缺口，并推荐精确的测试目标。
  • 持久智能体记忆：AI 学到的洞察和摘要会保存到图中，使你的代码库在多个会话中变得更智能。

04 / 平台

13 个精密工具。一个上下文引擎。

将你的令牌账单削减 60%

如果你的智能体询问 PaymentService 如何工作，标准工具会发送一个 3,000 行的 JSON 负载。Synapse 解析 AST，剥离内部函数体，并发送一个仅包含公共接口和出站边的、经过外科手术式压缩的 150 令牌大纲。你的智能体以一小部分成本获得 10 倍的仓库结构。

传统智能体：转储整个文件。为每个空白和样板令牌付费。

了解你的更改如何产生涟漪

询问你的智能体：“如果我更改这个 User 结构体，会发生什么？”标准智能体会 grep 并猜测。Synapse 映射精确的影响——整个代码库中的每个入站调用者、下游被调用者和接口契约。在 AI 写下一行代码之前，你就能看到什么会破坏。

传统智能体：先写，后发现问题。

在保存之前已被证明的编辑

当标准智能体编写代码时，你只能祈祷它能编译。当由 Synapse 驱动的智能体编写代码时，Synapse 会在内存中创建一个模拟的影子图。如果 AI 的编辑破坏了项目另一端的函数签名，Synapse 会在编辑写入磁盘之前拒绝它。

传统智能体：直接写入磁盘，留下损坏的代码供你调试。

即时崩溃解决

将堆栈跟踪粘贴给你的 AI。标准智能体进行缓慢、不准确的文本搜索。Synapse 解析运行时崩溃，将确切的帧匹配到本地代码库中已索引的块，并追踪执行路径以查明根因——你甚至无需启动应用程序。

传统智能体：对跟踪进行字符串搜索，手动打开文件，猜测根因。

编写真正重要的测试

告诉你的智能体“为这个模块编写测试”。标准工具运行整个测试套件并猜测输入。Synapse 精确地高亮显示当前未受保护的代码行。AI 编写填补真实结构缺口的行为测试。

传统智能体：运行完整的测试套件并猜测覆盖范围。

100% 本地。零 IP 泄露。

企业 CISO 不希望专有代码上传到第三方数据库。Synapse 是一个编译好的、高度优化的二进制文件，完全在你的本地机器上运行。你的代码库永远不会离开你的笔记本电脑。无云端。无合规性头痛。

传统智能体：将你的代码库上传到第三方云搜索引擎。 05 / 操作方法

工程团队实际如何使用 Synapse

标准 AI 聊天窗口非常适合编写样板代码，但它们难以应对复杂的、多文件的软件工程。以下是添加 Synapse 如何改变真实工程任务的工作流程。

01

复杂架构重构

场景： 你要求你的 AI 解耦一个遗留的 Auth 模块。

❌ 标准 AI

对“auth”进行盲目的文本搜索，更新它找到的文件，却错过了嵌套后台工作程序中的十几个引用，并留下损坏的导入，让你不得不手动寻找。

✅ Synapse-MCP

你的智能体在 500 毫秒内查询图，以映射你的 4 个子服务中的每个调用者。它系统地重写调用者，并针对内存中的 AST 验证新的函数签名——提供结构上安全的重构，而不会出现损坏的运行时导入。

02

深入 Bug 排查

场景： 一个生产环境的 webhook 丢弃了负载并返回 500 错误。

❌ 标准 AI

要求你手动查找并粘贴五个不同的文件，以便它尝试猜测它们如何连接，在此过程中丢失上下文。

✅ Synapse-MCP

你将原始堆栈跟踪粘贴到聊天中。Synapse 解析帧并将它们直接映射到你已索引的本地图。智能体不是猜测，而是向后追踪执行路径，揭示可能的根因，为你节省一个小时的手动文件跳转时间。

03

语义代码审查

场景： 一位初级开发人员打开了一个密集的、500 行的拉取请求。

❌ 标准 AI

读取扁平文本差异，并标记缺失的类型提示或命名不佳的变量。它不知道更改的文件如何影响应用程序的其余部分。

✅ Synapse-MCP

智能体将 PR 差异叠加到代码库的 AST 图上。由于它理解更广泛的架构，它可以标记实际的下游回归：“这个 PR 在语法上看起来没问题，但它移除了 EmailService 依赖的事件发射。”你获得的是结构性影响审查，而不仅仅是浅层的语法检查器。

04

精确测试与覆盖

场景： 你继承了一个测试覆盖率为 30% 的旧模块，并要求 AI 改进它。

❌ 标准 AI

生成无用的“快乐路径”样板测试，这些测试大量模拟依赖项，捕获零个真实 Bug，只是为了虚增覆盖率指标。

✅ Synapse-MCP

智能体遍历本地图，以精确定位缺乏覆盖的确切逻辑分支。它不是猜测输入，而是确切地看到哪些边缘情况暴露在外（“validate_checkout() 中的失败状态完全未测试”），并编写真正验证系统的、有针对性的行为测试。

常见问题解答

常见问题解答

关于 Synapse MCP、设置说明以及优化 AI 编码智能体，你需要了解的一切。

什么是 Synapse MCP，它是如何工作的？

Synapse MCP 是一个持久的、本地的代码知识图谱服务器，通过模型上下文协议（MCP）运行。它不是强迫你的 AI 智能体依赖字符串匹配 grep 或未压缩的文件读取，而是将你的整个代码库索引为 AST 块、调用边和语义嵌入。它通过一次工具调用提供 100% 准确的调用者/被调用者图和压缩的代码上下文。

Synapse MCP 图查询有多快？

Synapse 图查找在本地内存中以微秒到纳秒的速度执行。索引一个 10,000 文件的仓库只需几秒钟，而在 Git 工作树中运行并行子智能体时，虚拟工作树覆盖（VWO）应用低于 50 毫秒的增量索引。

免费版和专业版有什么区别？

  • 免费版（“黄金图” — $0）： 完整的 AST 索引、3 种搜索模式（符号、正则表达式、语义）、上下文检索（查找、解释、入职）、文件检查、标准写入以及无限仓库。
  • 专业版（“影子图” — $19/月）： 免费版的所有功能，外加深度图探索（调用者/被调用者/循环）、编辑前安全包、带 linter 验证的模拟安全写入（write_safely 带 dry-run）、崩溃堆栈跟踪解析（resolve_stack）、测试质量分析（find_tests）、持久加密知识缓存以及无限仓库。

Synapse Pro 如何收回成本？

前沿模型 API 成本在每 100 万令牌 $3 到 $15 之间。通过 SmartCrusher 压缩将提示词令牌消耗减少 30-60%，并用单轮微秒级图查找取代 5-10 次 grep+read 轮次，Synapse 每次会话在原始 API 支出上节省约 $0.25 到 $0.50，在 48 小时的活跃开发内即可收回其 $19/月的订阅费用。

Synapse 与简单的 Vector RAG 或 RepoMix 文本转储有何不同？ 向量 RAG 引擎按行数切分文件，将函数拦腰截断，并遗漏导入的函数别名。RepoMix 将未压缩的 30,000 行文本文件直接塞入提示词，摧毁你的上下文窗口。Synapse 解析精确的编译器 AST 节点，构建传递调用者树，并在发送给 LLM 之前将负载压缩 30-60%。

Synapse MCP 为我的 AI 代理提供哪些能力？

Synapse 提供 13 个整合的 MCP 工具，涵盖：

  • 探索与搜索： 语义搜索、符号查找、正则表达式搜索，以及单轮传递调用者/被调用者图遍历。
  • 上下文整理： 编辑前安全包、代码块解释、入门顺序，以及大纲签名扫描。
  • 安全修改： 内存中的模拟文件写入，带自动 lint 验证和预检试运行。
  • 影响与诊断： 亚 500ms 的调用者/被调用者影响映射（在编辑触及磁盘之前，向你的代理展示代码库中所有受影响的调用者）、崩溃堆栈跟踪解析为 AST 块、测试覆盖映射，以及循环检测。

如何安装和配置 Synapse MCP？

前往 下载 并为你的平台安装二进制文件——macOS 上是 .dmg，Windows 上是 .msi，Linux 上是 .deb。它会自动配置你的 IDE 或代理（Claude Code、Cursor、Antigravity、Windsurf、Cline、Zed、VS Code）。

“无法连接”/ ECONNREFUSED 127.0.0.1:8585 是什么意思？

这意味着你的编辑器尝试连接本地 Synapse MCP 服务器，但端口 8585 上没有服务在监听。Synapse 是一个本地 HTTP 服务；编辑器连接它，但不会为你启动它。Cursor 通常将此记录为 SSE error: fetch failed: connect ECONNREFUSED 127.0.0.1:8585。

使用 synapse-mcp start 启动它，然后通过 synapse-mcp enable 在未来的重启后保持其运行。在编辑器中重新加载 MCP 服务器（或重启编辑器）。使用 synapse-mcp status 检查状态。端点是 http://127.0.0.1:8585/mcp。

升级后如何激活 Pro？

结账成功后，刷新本地安装缓存的授权，以立即解锁 Pro。选择以下任一方式：

  1. 按 打开 Synapse。
  2. 或打开本地 Synapse 仪表板，在 用户 选项卡中按 刷新。
  3. 或在终端中运行 synapse-mcp auth refresh。

为什么必须配置 AGENTS.md 或 SKILL.md 规则？

前沿 LLM（Claude Sonnet 5、GPT-5.6 Sol、Gemini 3.6 Flash、Grok 4.5）在 Unix 命令示例上进行了大量预训练，形成了对 grep 和原始文件读取的强烈默认“肌肉记忆”。如果没有在代理的系统提示词中显式规则（例如 .agents/skills/synapse-mcp/SKILL.md 或 AGENTS.md），代理将默认使用标准 shell 命令并忽略 MCP 服务器。

运行 synapse-mcp install 会在检测到的代理配置路径（~/.gemini/config/AGENTS.md、~/.claude/CLAUDE.md、.cursorrules 等）中自动注册 MCP 优先发现策略，以强制工具使用。

Synapse MCP 会将我的代码库发送到云端吗？

不会。Synapse MCP 完全在本地机器上作为 stdio/HTTP 进程运行。所有 AST 索引、图存储、SQLite 持久化和嵌入计算都在本地进行。你的源代码不会作为正常本地索引或搜索的一部分上传到 Myelix Labs。免费 Synapse 账户（邮箱、Google 登录或 GitHub 登录）是仪表板访问、许可和设备激活所必需的——该账户与本地索引分开，不会接收你的源代码。

为什么需要账户，以及为什么用 Google 登录？

使用 Synapse MCP 需要免费 Synapse 账户。该账户支持 Web 仪表板、许可和设备激活，以便你授权本地机器上的 MCP 客户端。你可以使用邮箱和密码创建该账户，或使用 Google 登录，或使用 GitHub 登录。

Google 登录 是创建或访问账户的方式之一。Synapse 仅请求你的 Google 邮箱地址和基本身份信息，用于创建或登录你的 Synapse 账户、确认你的邮箱，并将设备批准和订阅关联到正确的用户。我们不会请求访问 Gmail、Drive、Contacts 或其他 Google 服务，也不会使用 Google 登录来读取或上传你的代码库。

详情请参阅我们的 隐私政策。

为什么需要账户，以及为什么用 GitHub 登录？

使用 Synapse MCP 需要免费 Synapse 账户。该账户支持 Web 仪表板、许可和设备激活，以便你授权本地机器上的 MCP 客户端。你可以使用邮箱和密码创建该账户，或使用 Google 登录，或使用 GitHub 登录。

GitHub 登录 是创建或访问账户的方式之一。Synapse 仅请求你的 GitHub 邮箱地址和基本身份信息，用于创建或登录你的 Synapse 账户、确认你的邮箱，并将设备批准和订阅关联到正确的用户。我们不会请求访问你的仓库、组织或其他 GitHub 数据，也不会使用 GitHub 登录来读取或上传你的代码库。

详情请参阅我们的 隐私政策。

Synapse MCP 是否兼容多应用伞形仓库和 Git worktree？

是的。Synapse 透明地检测 Git worktree，并应用虚拟 worktree 覆盖（VWO），具有近乎即时的增量索引（<50ms），允许多个子代理在并行 worktree 中操作，而无需复制图索引。

文章与研发

最新工程见解

深入探讨 LLM 上下文优化、基于图的代码检索和代理工作流。

架构

为什么 Synapse MCP 胜过原生 IDE 索引器（Cursor、Windsurf、Warp）

深入架构分析，解释为什么 Synapse MCP 的本地 AST 图和零延迟文件事件胜过 Cursor 和 Windsurf 使用的基于云的 RAG 和 Merkle 树。

基准测试

2ms 对比 12 秒：基准测试证明 AI 代理需要 AST 图，而非 Grep 链

一项实证“展示而非讲述”基准测试，比较传统 shell grep 循环与 Synapse MCP 的本地内存 AST 图引擎。2ms 延迟对比 12s，节省 56.4% 的 token，减少 85% 的工具调用。

行业见解

2026 年 AI 开发者工具格局：为什么 Synapse Pro 是 $19/月

对 Cursor、Windsurf、Devin、Warp Terminal、Claude Pro 和 Synapse 的全面分析。为什么 $20/月 是普遍的价格锚点，以及 Synapse 如何自我回本。

技术研发

为什么 LLM 使用知识图谱编码更好——前沿 AI 代理的 AST 与 Grep 对比

来自我们研发的真实数据：用 AST 支持的调用者/被调用者图替换盲目的 grep/read 循环如何节省 30-60% 的上下文 token、消除虚假信心，并解决多应用重构问题。

最佳实践

别再让 AI 幻觉重构——Synapse 如何消除重复发现

为什么标准 AI 代理浪费 70% 的会话时间重新读取文件，以及本地 AST 调用者图如何消除发现循环，实现零破坏重构。

架构与工程

本地代码知识图谱如何工作——微秒级 BEAM 引擎内部

深入架构分析，涵盖内存图表、AST 解析、SmartCrusher 压缩，以及亚 50ms 的 Git worktree 覆盖。

基准测试

我们运行了三臂基准测试。我们在每次查询 token 上输了。以下是我们仍然获胜的原因。

我们在同一台机器上安装了 shell 工具、Synapse MCP 和 codebase-memory-mcp，索引了相同的代码库，并运行了五个相同的查询。我们在每次查询 token 数上输了。我们仍然发布结果——因为总会话成本才是关键。