O que é Semble?
O Semble, da MinishLab, é uma biblioteca de busca de código e servidor MCP feita para agentes de programação. O agente faz uma pergunta como "como a autenticação é tratada?" e recebe trechos de código ranqueados em vez de usar grep e ler arquivos inteiros. Ele roda inteiramente em CPU, sem chaves de API nem serviços externos; no primeiro uso, baixa um pequeno modelo de embeddings do Hugging Face.
O servidor MCP tem duas ferramentas: search, que recebe um caminho local ou uma URL git (ou vários, para buscar em repositórios relacionados como um único corpus), e find_related, que devolve código parecido com um arquivo e uma linha dados. Por baixo, ele divide os arquivos com tree-sitter, combina um modelo de embeddings estático Model2Vec com busca por palavras-chave BM25 e reordena com sinais que entendem código. Os índices ficam em cache e são atualizados quando os arquivos mudam.
A versão 0.7.0 saiu em 16 de outubro de 2026 e o repositório tem cerca de 6.300 estrelas. Tem licença MIT e também funciona como CLI ou biblioteca Python.
Como instalar Semble
uvx --from "semble[mcp]" sembleSemble vale a pena?
O Semble faz uma coisa só e mantém a pegada pequena. Duas ferramentas significam quase nenhuma sobrecarga de contexto e, como o modelo de embeddings é estático (nenhum transformer roda na hora da consulta), o README relata indexar um repositório médio em cerca de 500 ms e responder consultas em cerca de 1 ms em CPU. Isso o torna prático em um notebook sem GPU, sem instalar Ollama e sem chave de embeddings na nuvem, justamente onde vários concorrentes pedem mais configuração.
As afirmações principais vêm do benchmark da própria MinishLab, com cerca de 1.250 consultas em 63 repositórios e 19 linguagens: um NDCG@10 (uma métrica padrão de qualidade de ranqueamento) de 0,855, no mesmo nível do modelo CodeRankEmbed de 137M parâmetros, indexando 480 vezes mais rápido, e 96% de recall em 2.000 tokens, enquanto grep mais leitura de arquivos precisa de uma janela inteira de 100.000 tokens para chegar a 85%. A metodologia está publicada no repositório, mas não encontramos nenhuma replicação independente, então trate os números exatos com cautela.
Ele encontra código relevante; não entende grafos de chamadas, tipos ou referências como os language servers do Serena ou um grafo de código como o GitNexus. Para "quem chama isto?" ou uma renomeação segura, você ainda vai querer um desses. Arquivos acima de 1 MB são ignorados por padrão, e uma URL git faz o Semble clonar um repositório de terceiros cujo conteúdo depois flui para o contexto do agente sem verificação.
O projeto é jovem (o repositório é de abril de 2026), mas as versões saem a cada uma ou duas semanas. As issues abertas tratam de encanamento, não de qualidade: os subagentes que o instalador inclui chamam a CLI em vez do servidor MCP que ele também registra, e sessões simultâneas de agentes em um mesmo repositório iniciam cada uma o próprio servidor. Nenhum dos dois é difícil de corrigir, e nenhum afeta a recuperação em si.
Onde ele se destaca
Um desenvolvedor backend usando Claude Code em um grande monolito Django
Responder "onde isto é tratado?" sem que o agente leia arquivos inteiros
semble install registra o servidor MCP; o agente chama search com uma consulta em linguagem natural e recebe trechos ranqueados. No benchmark da MinishLab, isso chega a 96% de recall com cerca de 2.000 tokens, contra 100.000 para grep mais leituras, o que aparece direto na conta de entrada de um modelo pago.
Uma equipe de segurança em uma fintech que proíbe enviar código-fonte para APIs na nuvem
Busca semântica de código sob uma pol ítica sem tráfego de saída
A indexação e a busca rodam em CPU na máquina do desenvolvedor; a única chamada de rede é um download único do modelo para o cache do Hugging Face (HF_HOME), que pode ser feito com antecedência. Não há chaves para gerenciar nem custo por consulta.
Um engenheiro de plataforma trabalhando em cinco repositórios de microsserviços
Encontrar o endpoint de um serviço que um cliente em outro chama
Passe vários caminhos ou URLs git para search e o Semble une os índices de cada repositório, prefixando os resultados com o nome do repositório; find_related salta de um arquivo e linha conhecidos para código parecido. Ele encontra código parecido, não quem chama, então perguntas de dependência ainda exigem uma ferramenta de grafo.
Antes de decidir
- Configuração
- uv tool install semble; depois semble install detecta Claude Code, Codex e OpenCode e oferece o servidor MCP, um trecho para AGENTS.md ou CLAUDE.md, ou um subagente semble-search; configurações manuais usam uvx --from "semble[mcp]" semble. Documentado para Claude Code, Cursor, Codex, OpenCode e VS Code; segundo o README, a primeira busca indexa um repositório médio em cerca de 500 ms.
- Integrações
- Duas ferramentas de leitura: search (caminho local, URL git https ou uma lista deles; content definido como code, docs, config ou all) e find_related (arquivo mais número de linha). O mesmo motor é uma CLI e uma biblioteca Python (SembleIndex).
- Dados e privacidade
- O código fica na máquina; índices e estatísticas de economia de tokens ficam em ~/.cache/semble no Linux e são apagados com semble clear. URLs git remotas são clonadas sob demanda, então resultados de repositórios que você não controla são entrada não confiável para o agente. Não há avisos de segurança publicados.
- Custo em escala
- Nada além da sua própria CPU: não há plano hospedado, chave de API nem taxa de uso. A economia aparece na conta do modelo, com menos tokens lidos por consulta.
- Limites
- Ignora arquivos acima de 1 MB (SEMBLE_MAX_FILE_BYTES muda isso) e diretórios de build conhecidos, como node_modules e dist. Issues abertas relatam que os subagentes incluídos usam a CLI em vez do servidor MCP e que sessões simultâneas em um mesmo repositório não compartilham um servidor.
O que é bom
- Roda em CPU, sem chaves de API nem serviços externos
- Só duas ferramentas de leitura, com custo de contexto muito baixo
- Busca em caminhos locais e repositórios git remotos, vários de uma vez
- Metodologia de benchmark publicada
O que não é
- Benchmarks relatados pelos próprios autores
- Só busca por similaridade; sem grafo de chamadas nem rastreamento de referências
- Baixa um modelo do Hugging Face na primeira execução
- Projeto jovem, pré-1.0
Ideal para
Desenvolvedores que querem que o agente de programação encontre código relevante rapidamente, sem enviar código para um serviço de embeddings na nuvem.
Alternativas ao Semble
Semble: perguntas frequentes
- Semble vale a pena?
- Busca semântica de código para agentes que custa duas definições de ferramenta e nenhuma chave de API; seus números de benchmark impressionantes ainda são dos próprios autores. Damos nota 4.1 de 5.
- Quanto custa Semble?
- Gratuito e de código aberto (MIT). Não precisa de chaves de API nem de serviços pagos.
- Quais são as desvantagens de Semble?
- Benchmarks relatados pelos próprios autores; só busca por similaridade; sem grafo de chamadas nem rastreamento de referências; baixa um modelo do Hugging Face na primeira execução; projeto jovem, pré-1.0.
- Para quem Semble é indicado?
- Desenvolvedores que querem que o agente de programação encontre código relevante rapidamente, sem enviar código para um serviço de embeddings na nuvem.
- Quanto custa Semble para uma equipe ou em produção?
- Nada além da sua própria CPU: não há plano hospedado, chave de API nem taxa de uso. A economia aparece na conta do modelo, com menos tokens lidos por consulta.
- Semble é seguro para dados da empresa?
- O código fica na máquina; índices e estatísticas de economia de tokens ficam em ~/.cache/semble no Linux e são apagados com semble clear. URLs git remotas são clonadas sob demanda, então resultados de repositórios que você não controla são entrada não confiável para o agente. Não há avisos de segurança publicados.
- Quais são as melhores alternativas ao Semble?
- As alternativas mais próximas que analisamos são Serena, GitNexus, code-review-graph e Context7.
Respostas verificadas em 23 de out. de 2026.