Pluck：让 AI 编程 Agent 减少 84% 代码读取 Token 的 MCP-native 检索引擎

当 AI 编程 Agent 用 cat 和 grep 读取代码时，上下文窗口在一次次文件 dump 中悄然耗尽——重复的 import 声明、相邻函数、工具输出里的堆栈噪声，每一字节都在吃 Token。pluck 做的事很简单：把 cat 和 grep 替换为一套 MCP-native 的代码检索引擎，让 Agent 只获取它真正需要的那段代码。核心数字非常直接：Smart Outline 模式减少 84-88% 的读取 Token，CI 日志压缩 71%，热搜索延迟 0.07ms——所有数据均对标基准测试文件，无虚构百分比。

功能与原则

pluck 是一个本地 Rust 守护进程，通过 Model Context Protocol（MCP）向 AI 编程 Agent 暴露一套符号感知的代码读取和搜索接口。设计原则只有一条：Agent 发起的每一次检索调用默认走 pluck，Bash 是 fallback 而非默认。

核心能力矩阵：

• Smart Outline（pluck.read）：不再一股脑 dump 整个文件，只返回符号签名 + 迷你内联辅助体，Agent 按需获取大函数体
• Session Dedup：同一会话中跨查询重叠的代码块替换为 [already-shown: ...] 单 Token 占位符
• Lossless Default：不去注释、不丢类型，所有精简模式均为显式 opt-in
• 100% 能力保证：每个工具均提供 --raw fallback，与原始 cat/grep 字节等价

检索工具集：

认可度

截至 2026-09-02，GitHub 数据：

• Stars：40（创建于 2026-05-15）
• Forks：0
• 语言：Rust
• License：MIT
• 最新版本：v0.2.0（crates.io 首版发布）、v0.3.0（语义搜索）、v0.4.0（进行中，Java 支持）
• MCP crates.io 包（pluck-mcp）已有 1.6K SLoC，51.4 KiB

pluck 目前 star 数量有限，但属于极具技术护城河的早期项目，进入了 aidev-index 等 AI 开发者工具目录的代码检索垂直分类（40 AI 信号排名），crates.io 有稳定下载量。技术 benchmark 质量远超市面大多数同类工具。

链接

GitHub：https://github.com/hunhee98/pluck

crates.io：https://crates.io/crates/pluck-mcp

原作者

hunhee98（GitHub：https://github.com/hunhee98），独立开发者，专注 Rust + AI 基础设施。

介绍

AI 编程 Agent 在真实代码库里做检索时，标准 cat 和 grep 暴露了一个系统性问题：每一次文件读取都是全量输出，Agent 为找到目标代码要反复穿越无关区域，重复为 import 块、标准库声明、中等大小辅助函数支付 Token——这被作者称为”cat tax”。

pluck 的解决方案建立在 AST（抽象语法树）分块之上。使用 Tree-sitter 对 20+ 语言（Rust、TypeScript、Python、Go、Java、Swift、Ruby、PHP、C、C++、HTML、CSS、JSON、YAML、TOML、SQL 等）做语法树级分块，而非简单按行切割。分块后，检索层采用 BM25F 关键词匹配 + 语义向量混合排名（两阶段 cascade），query 膨胀技术用嵌入空间最近邻扩展自然语言 query 的词汇覆盖，保证”payment flow”这类概念搜索也能召回精确符号。

Session Dedup 是另一个关键创新：同一个任务会话内，Agent 先后搜索”auth”和”token”时，重叠的代码块在第二次被替换为 1 Token 占位符。benchmark 显示，5-query 场景下可节省 23% 的 Token。

特点

• Token 节省可量化：Smart Outline 在真实场景（5 函数 / 120 行）下从 929 Token 降至 116 Token（-88%），大场景（25 函数 / 600 行）从 4,549 降至 556（-88%），均有 benchmark JSON 文件可查
• 热搜索 < 0.07ms：持久化守护进程 + 内存映射索引，中型代码库热搜索 P50 仅 0.07ms
• 无损保真：所有 --raw 模式与原始 cat/grep 字节等价，Agent 永远不会因降级丧失能力
• 增量化索引：文件变更后 171ms P50 即可搜索，无需全量重建
• CI 日志压缩：pluck.digest 压缩 cargo build / pytest / GitHub Actions 日志，保留错误/panic 原文，进度行折叠，节省 71% 长度
• 多 Agent 支持：官方支持 Claude Code、Codex、Cursor，通过 pluck init --target <name> 一键配置 MCP 连接和检索策略

使用方法

安装（Rust 生态 / Homebrew）：

# via Cargo
cargo install pluck-mcp pluck-cli

# via Homebrew
brew tap hunhee98/pluck && brew install pluck

初始化到 Claude Code：

pluck init --target claude --mode aggressive
# 等价：claude mcp add --transport stdio --scope project pluck -- pluckd --repo .

初始化到 Cursor：

pluck init --target cursor --mode strong

初始化到 Codex：

pluck init --target codex --mode strong

手动 MCP 配置示例（Claude Code project config）：

{
  "mcpServers": {
    "pluck": {
      "command": "pluckd",
      "args": ["--repo", "."]
    }
  }
}

核心命令速查：

# 索引仓库
pluck index .

# 语义检索
pluck search "auth flow" --repo .

# 智能读取（默认 outline 模式）
pluck read src/auth/login.ts

# 原始读取（= cat）
pluck read src/auth/login.ts --raw

# 查看符号调用者
pluck impact validate_token --depth 3

# 压缩 CI 日志
pluck digest < cargo-build.log

使用场景与人群

适用场景：

• 大型代码库（500+ 文件）的 AI 编程 Agent 上下文管理
• 多 Agent 并行开发中的 Token 预算控制
• CI/CD 日志分析和 Agent 对接
• 需要跨文件调用链追踪的重构任务

目标用户：

• 使用 Claude Code、Codex、Cursor 等编程 Agent 的开发者
• AI 工程团队，需要优化 Agent Token 消耗
• MCP 工具链开发者，构建 Agent 基础设施
• Rust/Tree-sitter 爱好者

输入与输出案例

案例 1：fix-auth-token-expiry 任务

同一 JIRA 风格任务，对比两种工作流：

两者最终修复代码完全一致。

案例 2：读取中型代码库文件

Agent 获取文件符号地图 + 小辅助函数体，直接决定是否需要按需拉取大函数体，无需处理整个文件上下文。

GitHub: https://github.com/hunhee98/pluck