接入编程智能体：MCP 握手、Codex 和 Qwen Code 配置、CBM Lens 与干净卸载

第 1 步：用 Python 走一遍 MCP 握手

不带任何参数运行 codebase-memory-mcp，它就是一个走标准输入输出（stdio）的 MCP 服务器，每行一条 JSON-RPC 消息。编程智能体做的事情就三步：initialize 握手，tools/list 列出工具，tools/call 调用工具。把下面的内容保存为 ~/cbm-lab/mcp_probe.py，只用标准库：

#!/usr/bin/env python3
"""用 MCP 的 stdio 协议直接和 codebase-memory-mcp 对话（只用标准库）。"""
import json
import subprocess
import sys
import textwrap

project = sys.argv[1]
proc = subprocess.Popen(
    ["codebase-memory-mcp"],
    stdin=subprocess.PIPE, stdout=subprocess.PIPE, text=True,
)


def send(msg):
    proc.stdin.write(json.dumps(msg) + "\n")
    proc.stdin.flush()


def request(rid, method, params):
    send({"jsonrpc": "2.0", "id": rid, "method": method, "params": params})
    while True:
        reply = json.loads(proc.stdout.readline())
        if reply.get("id") == rid:
            return reply


init = request(1, "initialize", {
    "protocolVersion": "2025-06-18",
    "capabilities": {},
    "clientInfo": {"name": "kun-probe", "version": "0.1"},
})
info = init["result"]["serverInfo"]
print("server:", info["name"], info["version"])
send({"jsonrpc": "2.0", "method": "notifications/initialized"})

tools = request(2, "tools/list", {})["result"]["tools"]
print("tools:", len(tools))
names = ", ".join(t["name"] for t in tools)
print(textwrap.indent(textwrap.fill(names, 76), "  "))

call = request(3, "tools/call", {
    "name": "trace_path",
    "arguments": {"project": project, "function_name": "preprocess_request",
                  "direction": "inbound", "depth": 2},
})
for block in call["result"]["content"]:
    print(block["text"])

proc.stdin.close()
proc.wait(timeout=10)

运行它，项目名填 flask：

cd ~/cbm-lab && python3 mcp_probe.py flask

对照结果：

server: codebase-memory-mcp 0.12.1
tools: 17
  index_repository, search_graph, query_graph, trace_path, get_code_snippet,
  get_file_outline, get_graph_schema, compare_graphs, get_architecture,
  search_code, list_projects, delete_project, index_status,
  check_index_coverage, detect_changes, manage_adr, ingest_traces
function: preprocess_request
direction: inbound
callers_total: 2
callers_total_relation: eq
callers: 2  (cols: qn hop)
  flask.src.flask.app.Flask.full_dispatch_request 1
  flask.src.flask.app.Flask.wsgi_app 2

智能体那一侧拿到的就是这些：17 个工具的名字和参数说明，以及和命令行里一模一样的紧凑文本结果。preprocess_request 的上游是 full_dispatch_request 和 wsgi_app，和第 2 课查到的一致。只要你的智能体能启动这个命令并完成握手，它就能用上这张图。

第 2 步：先预览安装器会改什么

第 1 课用 --skip-config 跳过了智能体配置。现在用 install 子命令接入，但先加 --dry-run 预览，不写任何文件。--clients 指定只配置哪几个智能体（codebase-memory-mcp install --clients 可以列出全部代号）。安装器靠检测配置目录来判断装了哪些智能体；测试机上没有装 Codex 和 Qwen Code，所以先建两个空的配置目录，看安装器会写些什么。你的电脑上如果已经装了它们，跳过 mkdir 这一行：

mkdir -p ~/.codex ~/.qwen
codebase-memory-mcp install --dry-run -y --clients=codex,qwen
find ~/.codex ~/.qwen -type f | wc -l

对照结果：

codebase-memory-mcp install 0.12.1

Found 2 existing index(es). Keeping them. After install, re-index to pick up ...
  /home/kunlab/.cache/codebase-memory-mcp/flask.db
  /home/kunlab/.cache/codebase-memory-mcp/activity.db

Detected agents: Codex Qwen-Code

Codex CLI:
  mcp: /home/kunlab/.codex/config.toml
  instructions: /home/kunlab/.codex/AGENTS.md (managed activation pointer)
  skill: /home/kunlab/.codex/skills/codebase-memory/SKILL.md (1 installed)
  agent: /home/kunlab/.codex/agents/codebase-memory-scout.toml
  agent: /home/kunlab/.codex/agents/codebase-memory.toml
  agent: /home/kunlab/.codex/agents/codebase-memory-auditor.toml
  hooks: SessionStart + SubagentStart (dynamic graph context)
  note: non-managed hooks require /hooks trust; definition changes require re-trust
Qwen Code:
  mcp: /home/kunlab/.qwen/settings.json
  instructions: /home/kunlab/.qwen/QWEN.md
  skill: /home/kunlab/.qwen/skills/codebase-memory/SKILL.md (1 installed)
  agent: /home/kunlab/.qwen/agents/codebase-memory-scout.md
  agent: /home/kunlab/.qwen/agents/codebase-memory.md
  agent: /home/kunlab/.qwen/agents/codebase-memory-auditor.md
...
(dry-run — no files were modified)

0

每个智能体会拿到五样东西：MCP 服务器配置、一段常驻指引（Codex 是 AGENTS.md，Qwen Code 是 QWEN.md）、一个技能文件、三个分工不同的子智能体（Scout 快速粗查、默认的 Verify 按任务核实、Auditor 做有边界的完整核查），以及会话开始时自动补充图谱上下文的钩子。最后一行的 0 说明预览确实没有写入文件。

第 3 步：正式接入 Codex 和 Qwen Code

去掉 --dry-run 正式执行，再看写进了什么：

codebase-memory-mcp install -y --clients=codex,qwen | tail -n 22
find ~/.codex ~/.qwen -type f | sort
jq ".mcpServers" ~/.qwen/settings.json
sed -n "1,6p" ~/.codex/config.toml
cat ~/.codex/AGENTS.md

对照结果：

...
  hooks: SessionStart + SubagentStart + PostToolUse ReadFile
...
Install complete. Please restart your coding-agent sessions to properly take ...

/home/kunlab/.codex/AGENTS.md
/home/kunlab/.codex/agents/codebase-memory-auditor.toml
/home/kunlab/.codex/agents/codebase-memory-scout.toml
/home/kunlab/.codex/agents/codebase-memory.toml
/home/kunlab/.codex/config.toml
/home/kunlab/.codex/skills/codebase-memory/SKILL.md
/home/kunlab/.qwen/QWEN.md
/home/kunlab/.qwen/agents/codebase-memory-auditor.md
/home/kunlab/.qwen/agents/codebase-memory-scout.md
/home/kunlab/.qwen/agents/codebase-memory.md
/home/kunlab/.qwen/settings.json
/home/kunlab/.qwen/skills/codebase-memory/SKILL.md

{
  "codebase-memory-mcp": {
    "command": "/home/kunlab/.local/bin/codebase-memory-mcp",
    "args": []
  }
}

# >>> codebase-memory-mcp MCP >>>
[mcp_servers.codebase-memory-mcp]
command = "/home/kunlab/.local/bin/codebase-memory-mcp"
args = []
env_vars = ["CBM_CACHE_DIR", "CBM_RUNTIME_DIR"]
# <<< codebase-memory-mcp MCP <<<

<!-- codebase-memory-mcp:start -->
For structural codebase exploration, use the installed `codebase-memory` skill.
<!-- codebase-memory-mcp:end -->

MCP 配置就是让智能体执行 codebase-memory-mcp（不带参数），和第 1 步的 Python 脚本做的事一样。安装器写入的内容都包在 >>> ... <<< 或 start ... end 标记之间，你原有的配置不会被覆盖，卸载时也只删标记内的部分。Codex 用户第一次使用前要在 Codex 里用 /hooks 审核并信任新加的钩子。技能文件里写的是「什么问题该用哪个工具」：

sed -n "6,10p" ~/.qwen/skills/codebase-memory/SKILL.md

对照结果：

# Codebase Memory — Knowledge Graph Tools

Graph tools return precise structural results in ~500 tokens vs ~80K for grep.

## Quick Decision Matrix

接入之后重启智能体，进入一个已建索引的仓库，就可以直接用自然语言提问，比如「preprocess_request 被谁调用？」「我这次改动会影响哪些函数？」「src 里有哪些函数没有调用者？逐个说明是否真的没用」。智能体会自己选择第 2 课里的那些工具。官方 README 给的上手说法是对智能体说一句「Index this project」，让它先建索引。

用的是 Claude Code、又不想跑安装器的话，README 给了手动配置：在用户级的 ~/.claude.json 或项目里的 .mcp.json 加入下面这段（command 换成你的绝对路径，可以用 command -v codebase-memory-mcp 查），重启后用 /mcp 应该能看到 codebase-memory-mcp 和 17 个工具：

{
  "mcpServers": {
    "codebase-memory-mcp": {
      "command": "/home/kunlab/.local/bin/codebase-memory-mcp",
      "args": []
    }
  }
}

第 4 步：在浏览器里打开 CBM Lens

CBM Lens 是官方的可视化界面，目前是公开测试版（v0.0.1），已经编进 0.12.1 的程序里，由常驻进程在本机的 9749 端口提供。第 2 课已经启动过常驻进程，确认一下：

codebase-memory-mcp daemon status
curl -s -o /dev/null -w "%{http_code}\n" http://127.0.0.1:9749/

对照结果：

daemon: active (permanent)
  pid: 3253981
  build: 0.12.1 (77745491f0a9...)
  committed clients: 0
  ui: configured at http://127.0.0.1:9749 (readiness not checked; `daemon start ...

200

界面只监听 127.0.0.1，外网访问不到，这是有意的安全设计。代码在云主机上时，在自己电脑上开一条 SSH 端口转发（把用户名和主机换成你的）：

ssh -N -L 9749:127.0.0.1:9749 kunlab@你的云主机IP

然后在自己电脑的浏览器里打开下面这个地址，project= 后面是项目名：

http://127.0.0.1:9749/?project=flask&workspace=architecture

第一次打开会弹出欢迎框，点「Start exploring」进入。Architecture 页的 Overview 把目录画成立体地图，src/flask、tests、docs、examples 各是一块；切到 Hotspots，能看到被引用最多的符号，第 2 课统计出的 url_for 和改过的 preprocess_request 都在里面。顶部还有 Explore（读源码）、Galaxy（三维关系图）、Coverage（索引缺口）、System（常驻进程和日志）几个页面。右上角的机器人图标可以下载一个小模型在浏览器里本地问答，需要浏览器支持 WebGPU，默认关闭，本课没有测试。

第 5 步：停止常驻进程，干净撤回

不用了就停掉常驻进程。想撤回第 3 步的接入，先预览再卸载：

codebase-memory-mcp daemon stop
codebase-memory-mcp uninstall --dry-run
codebase-memory-mcp uninstall -y | tail -n 12
find ~/.codex ~/.qwen -type f | sort
ls ~/.cache/codebase-memory-mcp/

对照结果：

daemon: stopping (pid 3253981)

Found 2 index(es):
  /home/kunlab/.cache/codebase-memory-mcp/flask.db
  /home/kunlab/.cache/codebase-memory-mcp/activity.db
Indexes kept in /home/kunlab/.cache/codebase-memory-mcp. To remove them, ...
Codex CLI: removed MCP config entry
...
(dry-run — no files were modified)

Removed /home/kunlab/.local/bin/codebase-memory-mcp

Left in place: /home/kunlab/.local/bin/install.sh
  This is the updater; uninstall does not delete it because it cannot
  prove it owns it. To remove it as well:

    rm "/home/kunlab/.local/bin/install.sh"

Uninstall complete. Please restart your coding-agent sessions to properly take ...

/home/kunlab/.codex/AGENTS.md
/home/kunlab/.codex/config.toml
/home/kunlab/.qwen/QWEN.md
/home/kunlab/.qwen/settings.json

_config.db
activity.db
flask.db
logs

卸载删掉了程序、技能文件和三个子智能体，并把四个配置文件里属于它的部分清掉：测试机上 AGENTS.md、config.toml、QWEN.md 变成了空文件，settings.json 只剩空的 mcpServers 和 hooks。索引默认保留，要连索引一起删，用 uninstall -y --delete-indexes。更新器 install.sh 需要自己手动删。

常见坑

• 智能体里看不到这个 MCP 服务器：先用第 1 步的脚本确认服务器能正常握手，再检查配置里的 command 是不是绝对路径，最后重启智能体。官方排错表也是这个顺序。
• 不确定安装器会改哪些文件：永远先跑 install --dry-run，再用 --clients= 只配置你需要的智能体。
• Codex 里钩子没生效：新加的钩子要在 Codex 里用 /hooks 审核信任；安装器更新钩子定义后，需要重新信任。
• Lens 打不开：确认 daemon status 是 active；云主机上要通过 SSH 端口转发访问，别把 9749 端口直接开到公网；?project= 后面必须是 list_projects 里的项目名。
• 卸载后发现索引还在：这是默认行为。要删索引，加 --delete-indexes，或者删除 ~/.cache/codebase-memory-mcp/ 下对应的 .db 文件。

小结

这一课用几十行 Python 走完了 MCP 握手，看到智能体能用的 17 个工具；用 install --dry-run 预览、再用 install --clients=codex,qwen 一键接入，弄清了安装器写入的 MCP 配置、指引、技能、子智能体和钩子；通过 SSH 端口转发打开了 CBM Lens；最后停掉常驻进程，用 uninstall 干净撤回。整个系列课程从安装、建索引、查询、算影响面到接入智能体，都在一台没有显卡的云主机上完成，没有用到任何 API Key。