Combien coûte CocoIndex Code ?

Gratuit et open source (Apache-2.0). Les fournisseurs d'embeddings cloud vous facturent directement ; les index partagés en équipe sont une fonction entreprise dont les prix ne sont pas publiés.

Quels sont les inconvénients de CocoIndex Code ?

Similarité vectorielle seule ; pas de classement par mots-clés ni BM25; télémétrie anonyme active par défaut; l'installation complète ajoute environ 1 Go de dépendances PyTorch; pas de graphe d'appels, de références ni de types.

Combien coûte CocoIndex Code pour une équipe ou en production ?

Gratuit en local, hors temps CPU ou GPU et disque. Le coût des embeddings cloud croît avec la taille du code aux tarifs du fournisseur ; les index partagés en équipe et la déduplication entre branches sont des fonctions entreprise, sur devis.

CocoIndex Code est-il sûr pour les données de l’entreprise ?

Les fichiers d'index se trouvent dans le dossier .cocoindex_code du projet, ajouté à .gitignore. Avec Sentence Transformers en local, aucun code ne quitte la machine ; avec un fournisseur LiteLLM, chaque fragment lui est envoyé. La télémétrie anonyme est active par défaut. Aucun avis de sécurité n'est publié.

Quelles sont les meilleures alternatives à CocoIndex Code ?

Les alternatives les plus proches que nous avons testées sont Semble, codebase-memory-mcp, Serena et CodeGraph.

CocoIndex Code avis sur le serveur MCP (2026)

Qu’est-ce que CocoIndex Code ?

CocoIndex Code, de l'équipe à l'origine du moteur de transformation de données CocoIndex, découpe un dépôt en fragments selon les limites des fonctions et des classes avec tree-sitter, en calcule les embeddings et stocke les vecteurs dans des fichiers SQLite et LMDB embarqués, dans le dossier .cocoindex_code du projet. Un agent trouve alors le code en le décrivant, par exemple "comment les sessions utilisateur sont gérées", au lieu de deviner des noms pour grep. Le moteur en Rust ne réindexe que les fichiers modifiés.

L'outil en ligne de commande ccc fonctionne comme CLI, comme skill pour Claude Code et d'autres agents, ou comme serveur MCP avec claude mcp add cocoindex-code -- ccc mcp. L'installation complète embarque Sentence Transformers et utilise par défaut le petit modèle Snowflake/snowflake-arctic-embed-xs sur votre propre machine, sans clé d'API ; l'installation légère envoie les embeddings via LiteLLM à des fournisseurs cloud ou à Ollama. Un daemon en arrière-plan garde le modèle chargé entre les requêtes.

Le dépôt a été créé en février 2026, compte environ 2 980 étoiles et est sous licence Apache-2.0. La version 0.2.43 est sortie le 5 novembre 2026 et figure dans le registre MCP officiel. Le paquet PyPI a enregistré environ 1 270 téléchargements dans la semaine jusqu'au 10 novembre.

Installer CocoIndex Code

pipx install 'cocoindex-code[full]' && claude mcp add cocoindex-code -- ccc mcp

CocoIndex Code vaut-il le coup ?

CocoIndex Code fait une seule chose : il répond à une question en langage naturel par les cinq fragments de code les plus proches. Le serveur MCP expose un unique outil, search, avec des filtres par langage et par motif de chemin et une limite de 1 à 100 résultats. Un seul outil garde le coût en contexte presque nul, et comme refresh_index vaut true par défaut, chaque requête réindexe d'abord ce qui a changé depuis la précédente : l'agent ne lit pas de code périmé.

La recherche repose uniquement sur la similarité d'embeddings. Il n'y a pas de volet par mots-clés ou BM25, qu'une issue ouverte en mars 2026 réclame toujours, si bien qu'un identifiant exact peut passer derrière un fragment qui ne fait que lui ressembler. Semble, son concurrent le plus proche ici, combine BM25 et embeddings et ajoute un outil find_related. L'argument du README, 70% d'économie de tokens, n'est accompagné d'aucune méthodologie publiée, alors que Semble documente au moins son benchmark.

Les embeddings locaux sont à la fois le principal attrait et le principal coût. L'installation complète ajoute environ 1 Go de PyTorch et de transformers, et l'image Docker complète pèse environ 5 Go contre 450 Mo pour la version légère, qui envoie le code à une API d'embeddings cloud. Le modèle par défaut est petit et rapide sur CPU ; pour une meilleure recherche de code, le README oriente vers nomic-ai/CodeRankEmbed, avec 137M de paramètres et environ 1 Go de VRAM, et changer de modèle impose une réindexation complète.

Deux réglages par défaut méritent l'attention. La télémétrie d'usage anonyme est active tant que COCOINDEX_DISABLE_USAGE_TRACKING=1 n'est pas défini ; selon le README, le code, les chemins, les requêtes et les résultats sont exclus. La configuration Docker documentée monte tout votre répertoire personnel en lecture-écriture dans le conteneur, sauf si vous le restreignez avec COCOINDEX_HOST_WORKSPACE. Ni l'un ni l'autre n'est inhabituel, mais il faut les désactiver soi-même.

Le stockage de l'index a un plafond à connaître avant un gros monorepo : LMDB est limité par défaut à 4 Gio, et des dizaines de milliers de fichiers avec un modèle à forte dimension peuvent déclencher MDB_MAP_FULL tant que vous n'augmentez pas COCOINDEX_LMDB_MAP_SIZE et ne redémarrez pas le daemon. Face à Serena ou à un graphe de code comme codebase-memory-mcp, il trouve le code mais ne sait pas dire qui l'appelle.

Là où il fait la différence

Un développeur qui arrive sur une base de code Python et TypeScript qu'il ne connaît pas
Trouver où se trouve un comportement sans savoir comment quelqu'un l'a nommé
Installez cocoindex-code[full] avec pipx, enregistrez ccc mcp dans Claude Code et demandez "où sont gérées les nouvelles tentatives des webhooks". L'agent reçoit cinq fragments classés au lieu de lancer grep sur des noms devinés ; les questions sur les appelants demandent toujours Serena ou un graphe de code.
Un cabinet de conseil attentif à la sécurité, lié à ses clients par des accords de confidentialité
Donner aux agents une recherche sémantique sans que le code quitte l'ordinateur portable
Gardez le modèle local Sentence Transformers par défaut et définissez COCOINDEX_DISABLE_USAGE_TRACKING=1 dans le profil du shell. Rien n'est facturé ; le coût se limite à environ 1 Go de disque pour les dépendances et au temps CPU du premier indexage.
Une équipe plateforme qui fait tourner des agents dans un conteneur de développement partagé
Fournir la même configuration de recherche dans l'image de chaque développeur
Lancez l'image légère cocoindex/cocoindex-code (environ 450 Mo) avec une clé d'embeddings Voyage ou OpenAI et ne montez que le dossier de code via COCOINDEX_HOST_WORKSPACE. La dépense en embeddings dépend de la taille du dépôt et du prix au token du fournisseur.

Avant de vous engager

Mise en route: pipx install 'cocoindex-code[full]' ou uv tool install, puis claude mcp add cocoindex-code -- ccc mcp (documenté aussi pour Codex, OpenCode, Kilo Code et Oh My Pi). ccc init choisit le modèle ; la première recherche construit l'index. Les premières exécutions non interactives demandent un ccc init préalable.
Intégrations: Un outil MCP, search (query, limit, offset, refresh_index, languages, paths), en lecture seule. La CLI ajoute ccc grep pour la recherche structurelle par l'exemple, ccc status et ccc doctor. Un marketplace de plugins Claude Code et une installation en skill sont proposés comme alternatives à MCP.
Données et confidentialité: Les fichiers d'index se trouvent dans le dossier .cocoindex_code du projet, ajouté à .gitignore. Avec Sentence Transformers en local, aucun code ne quitte la machine ; avec un fournisseur LiteLLM, chaque fragment lui est envoyé. La télémétrie anonyme est active par défaut. Aucun avis de sécurité n'est publié.
Coût à grande échelle: Gratuit en local, hors temps CPU ou GPU et disque. Le coût des embeddings cloud croît avec la taille du code aux tarifs du fournisseur ; les index partagés en équipe et la déduplication entre branches sont des fonctions entreprise, sur devis.
Limites: Le stockage LMDB de l'index est plafonné à 4 Gio par défaut ; les gros dépôts doivent augmenter COCOINDEX_LMDB_MAP_SIZE. Changer de modèle impose ccc reset et une réindexation complète. Le Python système de macOS ne permet pas de charger les extensions SQLite. Environ 26 issues et 41 pull requests ouvertes.

Les points forts

Un seul outil MCP en lecture seule, donc presque aucun coût en contexte
Embeddings locaux sans clé d'API dans l'installation complète
Réindexation incrémentale avant chaque requête par défaut
Apache-2.0, avec accès via LiteLLM à plus de 100 fournisseurs d'embeddings

Les points faibles

Similarité vectorielle seule ; pas de classement par mots-clés ni BM25
Télémétrie anonyme active par défaut
L'installation complète ajoute environ 1 Go de dépendances PyTorch
Pas de graphe d'appels, de références ni de types

Idéal pour

Les développeurs qui veulent qu'un agent trouve du code d'après sa description dans un dépôt privé, sans envoyer le code source à une API d'embeddings cloud.

Alternatives à CocoIndex Code

Semble

MinishLabCode et outils de développement

4.1/5

Recherche de code locale rapide pour agents : les requêtes en langage naturel ne renvoient que les extraits pertinents, sur CPU, sans clés d'API.

codebase-memory-mcp

DeusDataCode et outils de développement

4.2/5

Un seul binaire en C qui tient un graphe local du code, de la documentation et de la configuration d'infrastructure, et répond aux agents sur l'impact et les chemins d'appel.

Serena

Oraios AICode et outils de développement

4.2/5

Donne aux agents de codage des outils de style IDE : trouver des symboles, suivre les références, renommer et éditer le code par symbole, adossé à des serveurs de langage.

CodeGraph

Colby McHenryCode et outils de développement