Was ist Semble?
Semble von MinishLab ist eine Bibliothek für Codesuche und ein MCP-Server, gebaut für Coding-Agenten. Der Agent stellt eine Frage wie 'how is authentication handled?' und bekommt gerankte Code-Snippets zurück, statt zu greppen und ganze Dateien zu lesen. Es läuft komplett auf der CPU, ohne API-Schlüssel oder externe Dienste; bei der ersten Nutzung lädt es ein kleines Embedding-Modell von Hugging Face herunter.
Der MCP-Server hat zwei Tools: search, das einen lokalen Pfad oder eine Git-URL annimmt (oder mehrere, um verwandte Repositories als einen Korpus zu durchsuchen), und find_related, das Code liefert, der einer bestimmten Datei und Zeile ähnelt. Intern zerlegt es Dateien mit tree-sitter, kombiniert ein statisches Model2Vec-Embedding-Modell mit BM25-Stichwortsuche und sortiert mit codebezogenen Signalen neu. Indizes werden zwischengespeichert und bei Dateiänderungen aktualisiert.
Version 0.7.0 erschien am 16. Oktober 2026, und das Repository hat rund 6.300 Sterne. Es steht unter der MIT-Lizenz und funktioniert auch als CLI oder Python-Bibliothek.
Semble installieren
uvx --from "semble[mcp]" sembleLohnt sich Semble?
Semble erledigt eine Aufgabe und hält den Fußabdruck klein. Zwei Tools bedeuten fast keinen Kontext-Overhead, und weil das Embedding-Modell statisch ist (zur Abfragezeit läuft kein Transformer), meldet das README, dass ein durchschnittliches Repository in etwa 500 ms indexiert ist und Abfragen auf der CPU in etwa 1 ms beantwortet werden. Das macht es auf einem Laptop ohne GPU, ohne Ollama-Installation und ohne Schlüssel für Cloud-Embeddings praxistauglich, wo mehrere Konkurrenten mehr Einrichtung verlangen.
Die Kernaussagen stammen aus dem eigenen Benchmark von MinishLab mit rund 1.250 Abfragen über 63 Repositories in 19 Sprachen: ein NDCG@10 (ein gängiger Wert für Ranking-Qualität) von 0,855, gleichauf mit dem Modell CodeRankEmbed mit 137 Millionen Parametern bei 480-mal schnellerer Indexierung, und 96 % Recall bei 2.000 Tokens, wo grep plus Datei-Lesen ein volles Fenster von 100.000 Tokens braucht, um 85 % zu erreichen. Die Methodik ist im Repository veröffentlicht, aber eine unabhängige Wiederholung haben wir nicht gefunden. Nimm die genauen Zahlen also mit Vorsicht.
Es findet relevanten Code; es versteht keine Aufrufgraphen, Typen oder Referenzen, wie es die Language Server von Serena oder ein Codegraph wie GitNexus tun. Für 'who calls this?' oder ein sicheres Umbenennen brauchst du weiterhin eines davon. Dateien über 1 MB werden standardmäßig übersprungen, und mit einer Git-URL klont Semble ein fremdes Repository, dessen Inhalt dann ungeprüft in den Kontext des Agenten fließt.
Das Projekt ist jung (das Repository stammt vom April 2026), aber Releases kommen alle ein bis zwei Wochen. Die offenen Issues betreffen die Verdrahtung, nicht die Qualität: Die Sub-Agenten, die das Installationsprogramm mitliefert, rufen die CLI auf statt des MCP-Servers, den es ebenfalls registriert, und parallele Agentensitzungen auf einem Repository starten jeweils einen eigenen Server. Beides ist nicht schwer zu beheben, und keines berührt das Retrieval selbst.
Wo es sich lohnt
Ein Backend-Entwickler, der Claude Code an einem großen Django-Monolithen nutzt
'Wo wird das behandelt?' beantworten, ohne dass der Agent ganze Dateien liest
semble install registriert den MCP-Server; der Agent ruft search mit einer Anfrage in natürlicher Sprache auf und bekommt gerankte Abschnitte. Im Benchmark von MinishLab erreicht das 96 % Recall mit etwa 2.000 Tokens, gegenüber 100.000 für grep plus Lesen, was sich direkt auf der Input-Rechnung eines bezahlten Modells niederschlägt.
Ein Sicherheitsteam in einem Fintech, das das Senden von Quellcode an Cloud-APIs untersagt
Semantische Codesuche unter einer Richtlinie ohne ausgehenden Datenverkehr
Indexierung und Suche laufen auf der CPU des Entwicklerrechners; der einzige Netzwerkaufruf ist ein einmaliger Modell-Download in den Hugging-Face-Cache (HF_HOME), der sich vorab erledigen lässt. Es gibt keine Schlüssel zu verwalten und keine Kosten pro Abfrage.
Eine Plattform-Engineerin, die über fünf Microservice-Repositories hinweg arbeitet
Den Endpunkt in einem Dienst finden, den ein Client in einem anderen aufruft
Mehrere Pfade oder Git-URLs an search übergeben; Semble führt die Indizes der Repositories zusammen und stellt den Ergebnissen den Repository-Namen voran. find_related springt von einer bekannten Datei und Zeile zu ähnlichem Code. Es findet ähnlichen Code, keine Aufrufer, für Fragen nach Abhängigkeiten braucht es also weiterhin ein Graph-Tool.
Bevor du dich festlegst
- Einrichtung
- uv tool install semble, dann erkennt semble install Claude Code, Codex und OpenCode und bietet den MCP-Server, ein Snippet für AGENTS.md oder CLAUDE.md oder einen Sub-Agenten semble-search an; manuelle Konfigurationen nutzen uvx --from "semble[mcp]" semble. Dokumentiert für Claude Code, Cursor, Codex, OpenCode und VS Code; laut README indexiert die erste Suche ein durchschnittliches Repository in etwa 500 ms.
- Integrationen
- Zwei nur lesende Tools: search (lokaler Pfad, https-Git-URL oder eine Liste davon; Inhalt wählbar als code, docs, config oder all) und find_related (Datei plus Zeilennummer). Dieselbe Engine gibt es als CLI und als Python-Bibliothek (SembleIndex).
- Daten und Datenschutz
- Der Code bleibt auf dem Rechner; Indizes und Statistiken zu Token-Einsparungen liegen unter Linux in ~/.cache/semble und werden mit semble clear gelöscht. Entfernte Git-URLs werden bei Bedarf geklont, Ergebnisse aus Repositories, die du nicht kontrollierst, sind also nicht vertrauenswürdige Eingaben für den Agenten. Sicherheitshinweise sind nicht veröffentlicht.
- Kosten im großen Maßstab
- Nichts außer deiner eigenen CPU: Es gibt keine gehostete Stufe, keinen API-Schlüssel und keine Nutzungsgebühr. Die Ersparnis zeigt sich auf der Modellrechnung, weil pro Suche weniger Tokens gelesen werden.
- Grenzen
- Überspringt Dateien über 1 MB (SEMBLE_MAX_FILE_BYTES ändert das) und bekannte Build-Verzeichnisse wie node_modules und dist. Offene Issues berichten, dass die mitgelieferten Sub-Agenten die CLI statt des MCP-Servers nutzen und dass parallele Sitzungen auf einem Repository sich keinen Server teilen.
Was gut ist
- Läuft auf der CPU ohne API-Schlüssel oder externe Dienste
- Nur zwei nur lesende Tools, daher sehr geringe Kontextkosten
- Durchsucht lokale Pfade und entfernte Git-Repositories, auch mehrere zugleich
- Veröffentlichte Benchmark-Methodik
Was nicht
- Benchmarks sind selbst berichtet
- Nur Ähnlichkeitssuche; kein Aufrufgraph und keine Verfolgung von Referenzen
- Lädt beim ersten Start ein Modell von Hugging Face herunter
- Junges Projekt, vor 1.0
Am besten für
Entwickler, deren Coding-Agent schnell relevanten Code finden soll, ohne Code an einen Cloud-Dienst für Embeddings zu senden.
Alternativen zu Semble
Semble: häufige Fragen
- Lohnt sich Semble?
- Semantische Codesuche für Agenten, die zwei Tool-Definitionen und keine API-Schlüssel kostet; ihre beeindruckenden Benchmark-Werte stammen allerdings weiterhin von den Autoren selbst. Wir bewerten es mit 4.1 von 5.
- Was kostet Semble?
- Kostenlos und Open Source (MIT). Keine API-Schlüssel oder bezahlten Dienste nötig.
- Welche Nachteile hat Semble?
- Benchmarks sind selbst berichtet; Nur Ähnlichkeitssuche; kein Aufrufgraph und keine Verfolgung von Referenzen; Lädt beim ersten Start ein Modell von Hugging Face herunter; Junges Projekt, vor 1.0.
- Für wen eignet sich Semble?
- Entwickler, deren Coding-Agent schnell relevanten Code finden soll, ohne Code an einen Cloud-Dienst für Embeddings zu senden.
- Was kostet Semble für ein Team oder im Produktivbetrieb?
- Nichts außer deiner eigenen CPU: Es gibt keine gehostete Stufe, keinen API-Schlüssel und keine Nutzungsgebühr. Die Ersparnis zeigt sich auf der Modellrechnung, weil pro Suche weniger Tokens gelesen werden.
- Ist Semble sicher für Firmendaten?
- Der Code bleibt auf dem Rechner; Indizes und Statistiken zu Token-Einsparungen liegen unter Linux in ~/.cache/semble und werden mit semble clear gelöscht. Entfernte Git-URLs werden bei Bedarf geklont, Ergebnisse aus Repositories, die du nicht kontrollierst, sind also nicht vertrauenswürdige Eingaben für den Agenten. Sicherheitshinweise sind nicht veröffentlicht.
- Was sind die besten Alternativen zu Semble?
- Die nächsten Alternativen, die wir getestet haben, sind Serena, GitNexus, code-review-graph und Context7.
Antworten geprüft am 23. Okt. 2026.