¿Qué es Semble?
Semble, de MinishLab, es una biblioteca de búsqueda de código y un servidor MCP pensados para agentes de programación. El agente hace una pregunta como '¿cómo se gestiona la autenticación?' y recibe fragmentos de código ordenados en lugar de hacer grep y leer archivos enteros. Se ejecuta por completo en CPU, sin claves de API ni servicios externos; en el primer uso descarga un pequeño modelo de embeddings de Hugging Face.
El servidor MCP tiene dos herramientas: search, que acepta una ruta local o una URL de git (o varias, para buscar en repositorios relacionados como un solo corpus), y find_related, que devuelve código parecido a un archivo y una línea dados. Por dentro, divide los archivos con tree-sitter, combina un modelo de embeddings estático Model2Vec con búsqueda por palabras clave BM25 y reordena con señales específicas del código. Los índices se guardan en caché y se actualizan cuando cambian los archivos.
La versión 0.7.0 salió el 16 de octubre de 2026 y el repositorio tiene unas 6.300 estrellas. Tiene licencia MIT y también funciona como CLI o como biblioteca de Python.
Cómo instalar Semble
uvx --from "semble[mcp]" semble¿Merece la pena Semble?
Semble hace una sola cosa y ocupa poco. Dos herramientas suponen una sobrecarga de contexto casi nula, y como el modelo de embeddings es estático (no se ejecuta ningún transformer al consultar), el README indica que indexa un repositorio medio en unos 500 ms y responde a las consultas en aproximadamente 1 ms en CPU. Eso lo hace práctico en un portátil sin GPU, sin instalar Ollama y sin clave de embeddings en la nube, que es donde varios rivales piden más configuración.
Las afirmaciones principales vienen del propio benchmark de MinishLab, de unas 1.250 consultas sobre 63 repositorios en 19 lenguajes: un NDCG@10 (una medida estándar de calidad de ordenación) de 0,855, a la par del modelo CodeRankEmbed de 137M de parámetros mientras indexa 480 veces más rápido, y un 96 % de recall con 2.000 tokens, cuando grep más lectura de archivos necesita una ventana completa de 100.000 tokens para llegar al 85 %. La metodología está publicada en el repositorio, pero no hemos encontrado ninguna réplica independiente, así que conviene tomar las cifras exactas con cautela.
Encuentra código relevante; no entiende grafos de llamadas, tipos ni referencias como lo hacen los servidores de lenguaje de Serena o un grafo de código como GitNexus. Para '¿quién llama a esto?' o un cambio de nombre seguro sigues necesitando uno de esos. Los archivos de más de 1 MB se omiten por defecto, y una URL de git hace que Semble clone un repositorio de terceros cuyo contenido llega después al contexto del agente sin revisar.
El proyecto es joven (el repositorio es de abril de 2026), pero publica versiones cada una o dos semanas. Sus incidencias abiertas tratan de fontanería más que de calidad: los subagentes que incluye su instalador llaman a la CLI en lugar de al servidor MCP que también registra, y las sesiones de agente simultáneas sobre un mismo repositorio arrancan cada una su propio servidor. Ninguna de las dos es difícil de arreglar, y ninguna afecta a la recuperación en sí.
Dónde se gana su sitio
Un desarrollador de backend que usa Claude Code en un monolito grande de Django
Responder '¿dónde se gestiona esto?' sin que el agente lea archivos enteros
semble install registra el servidor MCP; el agente llama a search con una consulta en lenguaje natural y recibe fragmentos ordenados. En el benchmark de MinishLab eso alcanza un 96 % de recall con unos 2.000 tokens, frente a 100.000 con grep más lecturas, algo que se nota directamente en la factura de entrada de un modelo de pago.
Un equipo de seguridad en una fintech que prohíbe enviar código fuente a API en la nube
Búsqueda semántica de código bajo una política sin salida de datos
La indexación y la búsqueda se ejecutan en CPU en la máquina del desarrollador; la única llamada de red es una descarga única del modelo a la caché de Hugging Face (HF_HOME), que puede hacerse por adelantado. No hay claves que gestionar ni coste por consulta.
Una ingeniera de plataforma que trabaja con cinco repositorios de microservicios
Encontrar el endpoint de un servicio al que llama un cliente de otro
Pasa varias rutas o URL de git a search y Semble combina los índices de cada repositorio, con el nombre del repositorio delante de cada resultado; find_related salta de un archivo y una línea conocidos a código parecido. Encuentra código similar, no a quien llama, así que las preguntas de dependencias siguen necesitando una herramienta de grafos.
Antes de decidirte
- Puesta en marcha
- uv tool install semble, y después semble install detecta Claude Code, Codex y OpenCode y ofrece el servidor MCP, un fragmento para AGENTS.md o CLAUDE.md o un subagente semble-search; las configuraciones manuales usan uvx --from "semble[mcp]" semble. Documentado para Claude Code, Cursor, Codex, OpenCode y VS Code; según el README, la primera búsqueda indexa un repositorio medio en unos 500 ms.
- Integraciones
- Dos herramientas de solo lectura: search (ruta local, URL de git https o una lista de ellas; contenido limitado a code, docs, config o all) y find_related (archivo más número de línea). El mismo motor funciona como CLI y como biblioteca de Python (SembleIndex).
- Datos y privacidad
- El código se queda en la máquina; los índices y las estadísticas de ahorro de tokens están en ~/.cache/semble en Linux y se borran con semble clear. Las URL de git remotas se clonan bajo demanda, así que los resultados de repositorios que no controlas son entradas no fiables para el agente. No hay avisos de seguridad publicados.
- Coste a escala
- Nada más allá de tu propia CPU: no hay nivel alojado, clave de API ni cuota de uso. El ahorro llega a la factura del modelo, porque se leen menos tokens por búsqueda.
- Límites
- Omite los archivos de más de 1 MB (SEMBLE_MAX_FILE_BYTES lo cambia) y los directorios de compilación conocidos, como node_modules y dist. Las incidencias abiertas indican que los subagentes incluidos usan la CLI en lugar del servidor MCP y que las sesiones simultáneas sobre un mismo repositorio no comparten servidor.
Lo bueno
- Se ejecuta en CPU sin claves de API ni servicios externos
- Solo dos herramientas de solo lectura, con un coste de contexto muy bajo
- Busca en rutas locales y en repositorios git remotos, en varios a la vez
- Metodología del benchmark publicada
Lo malo
- Los benchmarks son de los propios autores
- Solo búsqueda por similitud; sin grafo de llamadas ni seguimiento de referencias
- Descarga un modelo de Hugging Face en la primera ejecución
- Proyecto joven, anterior a la 1.0
Ideal para
Desarrolladores que quieren que su agente de programación encuentre rápido el código relevante sin enviar código a un servicio de embeddings en la nube.
Alternativas a Semble
Semble: preguntas frecuentes
- ¿Merece la pena Semble?
- Búsqueda semántica de código para agentes que cuesta dos definiciones de herramientas y ninguna clave de API; sus llamativas cifras de benchmark siguen siendo de los propios autores. Le damos un 4.1 sobre 5.
- ¿Cuánto cuesta Semble?
- Gratis y de código abierto (MIT). No necesita claves de API ni servicios de pago.
- ¿Qué inconvenientes tiene Semble?
- Los benchmarks son de los propios autores; solo búsqueda por similitud; sin grafo de llamadas ni seguimiento de referencias; descarga un modelo de Hugging Face en la primera ejecución; proyecto joven, anterior a la 1.0.
- ¿Para quién es Semble?
- Desarrolladores que quieren que su agente de programación encuentre rápido el código relevante sin enviar código a un servicio de embeddings en la nube.
- ¿Cuánto cuesta Semble para un equipo o en producción?
- Nada más allá de tu propia CPU: no hay nivel alojado, clave de API ni cuota de uso. El ahorro llega a la factura del modelo, porque se leen menos tokens por búsqueda.
- ¿Es Semble seguro para los datos de la empresa?
- El código se queda en la máquina; los índices y las estadísticas de ahorro de tokens están en ~/.cache/semble en Linux y se borran con semble clear. Las URL de git remotas se clonan bajo demanda, así que los resultados de repositorios que no controlas son entradas no fiables para el agente. No hay avisos de seguridad publicados.
- ¿Cuáles son las mejores alternativas a Semble?
- Las alternativas más cercanas que hemos analizado son Serena, GitNexus, code-review-graph y Context7.
Respuestas comprobadas el 23 oct 2026.