sari 0.1.2

Sari - Local Search MCP Server

🧙‍♂️ Sari (사리)

"잠시 내 말 좀 들어보게나... 자네의 소스코드가 지옥의 비명을 지르는 소리를!" (Stay awhile and listen...)

**사리(Sari)**는 인공지능(AI) 친구들이 여러분의 복잡하고 거대한 코드를 아주 쉽고 빠르게 이해할 수 있도록 도와주는 **'호라드림의 수석 기록관'**이에요.

사리 선생님만 계시면 아무리 얽히고설킨 코드라도 AI가 길을 잃지 않고 필요한 클래스를 0.1초 만에 찾아낼 수 있답니다.
호라드림의 촛불이 꺼지지 않는 한, 인덱싱 누락이라는 혼돈의 비명은 들리지 않게 될 거예요. 🚀 (선생님이 지팡이로 길을 아주 상세히 안내해주신답니다.)

---

🧐 사리 선생님은 누구인가요? (쉽게 이해하기)

여러분의 컴퓨터에는 아주 많은 코드 파일이 있어요. 똑똑한 **AI 친구(Codex, Claude, Cursor, Gemini 등)**에게 코드를 짜달라고 하면 가끔 이런 말을 할 거예요. "미안해, 파일이 너무 많아서 어디에 뭐가 있는지 모르겠어!"

그때 바로 사리 선생님이 트리스트럼 어딘가에서 마법처럼 나타납니다!

1. 지독한 사서: 사리 선생님은 여러분의 모든 코드를 미리 다 읽어두고, 누가 어느 지옥 구석에 사는지(어떤 함수가 어떤 파일에 있는지) 아주 상세한 **'호라드림 장부'**를 만들어둬요. (눈이 침침하셔도 정규식은 기가 막히게 보십니다.)
2. AI의 길잡이: AI 친구가 "이 프로젝트에서 회원가입은 어떻게 해?"라고 물어보면, 사리 선생님이 지팡이를 짚고 장부를 슥 보고는 "3번 선반 아래, 디아블로의 꼬리 옆에 있는 user.py 파일을 보게나! 주석 좀 똑바로 달지 그랬나..."라고 꾸짖으며 알려줍니다.
3. MCP(Model Context Protocol): 이건 AI 친구와 사리 선생님이 서로 대화할 때 쓰는 '호라드림 통역기' 같은 거예요. 이 통역기 덕분에 사리 선생님은 세상의 모든 최신 AI와 대화할 수 있답니다! (고대어는 몰라도 Python은 꿰고 계시죠.) 🤝

---

🌟 사리 선생님의 특별한 능력

• ⚡ 차원문 검색: 수만 줄의 코드도 순식간에 읽어서 필요한 부분만 골라내요. (TP 타는 속도보다 빠릅니다.)
• 🧠 코드 심령술: 단순히 글자만 찾는 게 아니라, 이게 '함수'인지 '클래스'인지 코드의 영혼(AST)을 읽어냅니다.
• 🔒 철통 보안: 모든 공부는 여러분의 컴퓨터 안에서만 해요. 코드가 성역(인터넷) 밖으로 절대 나가지 않으니 안심하세요! 지옥의 악마도 여러분의 소스코드는 못 훔쳐갑니다. 🛡️
• 👻 투명 망토: 백그라운드에서 조용히 일하며 여러분이 코드를 고칠 때마다 장부를 알아서 업데이트해요. (가끔 계신지 확인하지 않으면 섭섭해하십니다.)

---

🚀 성역 소환 주문 (설치 방법 - Installation)

중요: deckard 모듈/엔트리포인트는 호환용으로만 유지됩니다.
앞으로는 Sari 이름을 사용해 주세요. (향후 버전에서 제거 예정)

개발자 참고: 내부 모듈은 sari.core, sari.mcp 네임스페이스로 제공됩니다.
충돌 방지를 위해 app, mcp 같은 최상위 패키지는 배포본에 포함되지 않습니다.

설치 방식은 두 가지입니다.

1. 설정만 추가하면 자동 설치 (권장)
2. 직접 설치 (오프라인/제한 환경용)

설치 안정성 기준 (KPI)

1. 오프라인/로컬 소스/다른 workspace 재현 성공률: 3/3

자동 설치 조건 요약

• DECKARD_ENGINE_MODE=embedded + DECKARD_ENGINE_AUTO_INSTALL=1 + 네트워크/pip 가능

✅ 1) 설정만 추가하면 자동 설치 (권장)

MCP 설정 파일에 아래 블록을 직접 추가하면, 실행 시 Sari가 자동 설치됩니다. (네트워크가 없으면 기존 설치된 버전을 실행합니다.)

[mcp_servers.sari]
command = "bash"
args = ["-lc", "(curl -fsSL https://raw.githubusercontent.com/BaeCheolHan/sari/main/install.py | python3 - -y || true) && exec ~/.local/share/sari/bootstrap.sh --transport stdio"]
env = { DECKARD_WORKSPACE_ROOT = "/path/to/workspace", DECKARD_RESPONSE_COMPACT = "1" }
startup_timeout_sec = 60

---

🧩 설정/설치 상세 가이드 (초보자용 / 고급자용)

✅ 초보자용 (권장 경로)

1) 설치 방식 선택 가이드

A. 설정만 추가(권장)
MCP 설정에 bootstrap.sh 실행 블록을 추가하면, 실행 시 자동 설치됩니다.

B. 오프라인/고정 설치
네트워크가 불가한 환경이면 이미 설치된 bootstrap.sh 경로를 직접 지정하세요.

롤백(SQLite) 경고
SQLite 모드로 롤백한 경우 FTS 재빌드가 필요할 수 있으며, 완료 전까지 검색 품질이 제한될 수 있습니다.

---

2) MCP 설정 파일 위치 (앱별)

Codex / Gemini
<workspace>/.codex/config.toml

Claude Desktop
claude_desktop_config.json

Cursor
앱 Settings > MCP 메뉴

---

3) MCP 설정 템플릿 (TOML)

[mcp_servers.sari]
command = "bash"
args = ["-lc", "curl -fsSL https://raw.githubusercontent.com/BaeCheolHan/sari/main/install.py | python3 - -y; exec ~/.local/share/sari/bootstrap.sh --transport stdio"]
env = {
  DECKARD_WORKSPACE_ROOT = "/path/to/workspace",
  DECKARD_RESPONSE_COMPACT = "1",
  DECKARD_ENGINE_MODE = "embedded",
  DECKARD_ENGINE_TOKENIZER = "auto",
  DECKARD_ENGINE_AUTO_INSTALL = "1"
}
startup_timeout_sec = 60

---

4) MCP 설정 템플릿 (JSON)

{
  "mcpServers": {
    "sari": {
      "command": "bash",
      "args": [
        "-lc",
        "(curl -fsSL https://raw.githubusercontent.com/BaeCheolHan/sari/main/install.py | python3 - -y || true) && exec ~/.local/share/sari/bootstrap.sh --transport stdio"
      ],
      "env": {
        "DECKARD_WORKSPACE_ROOT": "/path/to/workspace",
        "DECKARD_RESPONSE_COMPACT": "1",
        "DECKARD_ENGINE_MODE": "embedded",
        "DECKARD_ENGINE_TOKENIZER": "auto",
        "DECKARD_ENGINE_AUTO_INSTALL": "1"
      },
      "startup_timeout_sec": 60
    }
  }
}

---

5) env 옵션 설명 (핵심)

DECKARD_WORKSPACE_ROOT
워크스페이스 루트. 가장 중요한 옵션.

DECKARD_ENGINE_MODE
엔진 모드 선택. embedded|sqlite (기본: embedded)

DECKARD_RESPONSE_COMPACT
PACK1 응답 압축(기본 1).

DECKARD_ENGINE_TOKENIZER
auto|cjk|latin 선택.

DECKARD_ENGINE_AUTO_INSTALL
1이면 첫 검색/재빌드 시 엔진 자동 설치.

DECKARD_READ_MAX_BYTES
read_file 응답 최대 바이트 수 제한 (기본: 1,048,576 bytes). 큰 파일 OOM 방지용. DECKARD_READ_POOL_MAX
read 전용 커넥션 풀 상한 (기본: 32). 초과 시 기본 read 커넥션을 공유.

---

6) bootstrap.sh 단독 실행 (CLI)

DECKARD_WORKSPACE_ROOT=/path/to/workspace \
DECKARD_ENGINE_MODE=embedded \
DECKARD_ENGINE_TOKENIZER=cjk \
DECKARD_ENGINE_AUTO_INSTALL=1 \
~/.local/share/sari/bootstrap.sh --transport stdio

---

7) 오프라인/고정 설치 경로

macOS/Linux
~/.local/share/sari/bootstrap.sh

Windows
%LOCALAPPDATA%\\sari\\bootstrap.bat

---

8) 가장 흔한 실수

workspace-root 미지정
홈 디렉토리 전체가 인덱싱될 수 있습니다. 반드시 지정하세요.

args/env 불일치
env가 우선 적용되므로 둘을 동일하게 맞추세요.

설치본/레포 경로 혼용
하나의 경로만 사용하세요.

---

🛠 고급자용 (커스터마이징)

1) 엔진/토크나이저 강제 설정

export DECKARD_ENGINE_TOKENIZER=latin
export DECKARD_ENGINE_AUTO_INSTALL=0
export DECKARD_ENGINE_MODE=embedded

2) 응답 포맷 디버깅

export DECKARD_FORMAT=json
export DECKARD_RESPONSE_COMPACT=0

3) 루트/포트/DB 경로 고정

export DECKARD_WORKSPACE_ROOT=/path/to/workspace
export DECKARD_HTTP_API_PORT=7331
export DECKARD_DB_PATH=/absolute/path/to/index.db

4) 멀티 루트 (고급)

export DECKARD_ROOTS_JSON='["/path/a","/path/b"]'

5) 실행 예시 (단일 커맨드)

DECKARD_WORKSPACE_ROOT=/path/to/workspace \
DECKARD_ENGINE_MODE=embedded \
DECKARD_ENGINE_TOKENIZER=cjk \
DECKARD_ENGINE_AUTO_INSTALL=1 \
DECKARD_FORMAT=pack \
~/.local/share/sari/bootstrap.sh --transport stdio

6) 번들 크기 줄이기 (옵션)

엔진 토크나이저 사전은 OS별 wheel이 함께 포함됩니다.
배포 크기를 줄이려면 현재 OS에 맞는 번들만 남기세요.

./scripts/prune_tokenizer_bundles.sh

Windows:

scripts\prune_tokenizer_bundles.bat

🔧 Engine/Tokenizer 옵션 (env로 주입)

bootstrap.sh로 한방 설치해도 env는 그대로 적용됩니다.
MCP 설정의 env에 아래 옵션을 추가하세요.

모드 차이 (Embedded vs SQLite)

• embedded
  • Tantivy 기반 엔진 사용 (검색 품질/성능 우선)
  • 별도 엔진 설치 필요 (자동 설치 가능)
  • CJK 형태소 분석은 번들된 lindera(ipadic) 사전을 사용 (외부 다운로드 없음)
  • 인덱스는 ~/.local/share/sari/index/<roots_hash>에 관리
• sqlite
  • SQLite FTS/LIKE 기반 (호환/롤백용)
  • 엔진 설치 없이 동작
  • 대용량/고속 검색 성능은 제한적

자동 설치 동작 조건

• DECKARD_ENGINE_MODE=embedded
• DECKARD_ENGINE_AUTO_INSTALL=1
• 네트워크 가능 + pip 설치 가능

자동 설치 비활성/실패 시

• 오프라인 환경이거나 DECKARD_ENGINE_AUTO_INSTALL=0인 경우 자동 설치가 동작하지 않습니다.
• 수동 설치 명령: sari --cmd engine install

오류 메시지/복구 안내 (고정)

• 자동 설치 실패: ERR_ENGINE_NOT_INSTALLED → sari --cmd engine install
• 엔진 준비 안 됨: ERR_ENGINE_UNAVAILABLE → sari --cmd engine rebuild

주요 옵션

• DECKARD_ENGINE_MODE=embedded|sqlite
  • 기본: embedded
  • embedded: Tantivy 기반 엔진
  • sqlite: SQLite 검색 엔진(호환/롤백용)
• DECKARD_ENGINE_TOKENIZER=auto|cjk|latin
  • 기본: auto
  • cjk: CJK 토크나이저 강제
  • latin: latin 토크나이저 강제
• DECKARD_ENGINE_AUTO_INSTALL=1|0
  • 1: 첫 검색/재빌드 시 자동 설치
  • 0: 자동 설치 비활성 (오프라인/제한 환경)
• DECKARD_LINDERA_DICT_PATH=/path/to/dictionary
  • 형태소 사전 경로 강제 지정 (필요 시)
• DECKARD_READ_MAX_BYTES=0|N
  • read_file 응답 크기 제한. 0이면 제한 없음.
  • 기본: 1048576 (약 1MB)
• DECKARD_READ_POOL_MAX=0|N
  • read 전용 커넥션 풀 상한. 0이면 제한 없음.
  • 기본: 32

예시

env = {
  DECKARD_WORKSPACE_ROOT = "/path/to/workspace",
  DECKARD_RESPONSE_COMPACT = "1",
  DECKARD_ENGINE_MODE = "embedded",
  DECKARD_ENGINE_TOKENIZER = "cjk",
  DECKARD_ENGINE_AUTO_INSTALL = "1"
}

🧰 2) 직접 설치 (오프라인/제한 환경용)

터미널(Terminal)에서 직접 설치도 가능합니다.

# macOS / Linux
curl -fsSL https://raw.githubusercontent.com/BaeCheolHan/sari/main/install.py | python3 - -y

# Windows (PowerShell)
irm https://raw.githubusercontent.com/BaeCheolHan/sari/main/install.py | python - -y

📖 호라드림의 설치 계시 (How it works)

사리 선생님의 설치 마법은 이렇게 동작합니다:

1. 설정만 추가 → 실행 시 네트워크에서 자동 설치
2. 설치 위치는 항상 전역 고정 (~/.local/share/sari / %LOCALAPPDATA%\\sari)
3. 데몬은 항상 하나로 유지

설치하면 어떤 마법이 일어나나요?

1. 지혜 전수: 사리 선생님이 일할 때 필요한 최소한의 도구(Python 엔진 등)를 자동으로 준비합니다.
2. 비밀 거처 마련: 도서관 주소를 만듭니다. (이사 비용은 무료입니다.)
   • macOS/Linux: ~/.local/share/sari (사과 마크가 찍힌 비밀 창고)
   • Windows: %LOCALAPPDATA%\sari (창문이 달린 비밀 창고)
3. 통역기 연결: MCP 설정 블록만 추가하면 실행 시 자동으로 연결됩니다.

설정은 어디에 숨겨지나요? (수동 등록 방식)

설정 파일은 자동으로 수정하지 않습니다.
Codex/Gemini는 TOML, Cursor/Claude는 JSON 형식으로 동일 내용을 넣어주세요.

여러 워크스페이스를 동시에? (분신술의 대가)

• 설정은 워크스페이스별로 각자의 운명을 가집니다.
  예: A에서 실행 → A/.codex/config.toml 생성 (A의 기록)
  B에서 실행 → B/.codex/config.toml 생성 (B의 밀서)
• 몸은 하나, 지혜는 여러 곳에: 사리 선생님은 하나의 데몬(Daemon)으로 동작하지만, 성역 곳곳에 분신을 보내어 A와 B 워크스페이스를 동시에 관리할 수 있습니다! (선생님이 워커홀릭이라 AB 둘 다 켜두면 둘 다 샅샅이 수집하신다네.)
• 철저한 기록 분리: A의 장부와 B의 장부는 서로 섞이지 않도록 엄격히 분리된 서랍(Data Directory)에 보관됩니다. A에서 디아블로를 검색했는데 B의 바알이 튀어나오는 일은 없으니 안심하시게나.

---

🪄 설치 옵션 (대안)

오프라인/제한 환경용
설정에서 command를 설치본 bootstrap.sh로 직접 지정하면 네트워크 없이 실행할 수 있습니다.

bootstrap 스크립트 위치

• macOS/Linux: ~/.local/share/sari/bootstrap.sh
• Windows: %LOCALAPPDATA%\\sari\\bootstrap.bat

---

🧭 차원문 연결 위치와 동작 (실행 위치 요약)

실행 위치 (차원문 주소)	workspace-root가 없을 때 운명
레포 내부	레포 또는 상위 .codex-root를 고향으로 인식
워크스페이스 루트	"여기가 내 집이구나!" 하고 바로 정착
홈 디렉토리 (~)	여러분의 온 집안 살림을 다 뒤집어 봄 (강력히 비추천!)

---

⚠️ "성스러운 혼용" 금지 경고

command에 설치본과 레포 경로를 섞어 쓰면 지옥문이 열릴 수 있습니다:

• 업데이트 규칙이 뒤엉켜서 고대 버전이 튀어나오거나,
• 서로 다른 데몬이 나타나 포트 47779를 두고 '성전'을 벌이거나,
• "어느 설정이 진짜인가" 하고 자아 분열이 일어납니다.

따라서 config에는 항상 한 경로만 유지하세요. (1‑Step 또는 고정 모드 중 하나!)

---

🔁 성역의 유지보수 (Update & Recovery)

🔁 강제 업데이트 및 복구

만약 설치 폴더가 손상되었거나, 최신 버전으로 강제 재설치가 필요하다면 --update 플래그를 사용하세요.

# 설치가 꼬였거나 업데이트가 필요할 때
curl -fsSL https://raw.githubusercontent.com/BaeCheolHan/sari/main/install.py | python3 - --update -y

✅ 수석 기록관의 최종 점검 (Checklist)

설치 후 모든 것이 정상인지 확인하려면 **닥터(Doctor)**를 소환하세요:

python3 ~/.local/share/sari/doctor.py

🧹 도서관 대청소 및 보안 (Caution!)

• 장부의 소멸: 삭제 시 공들여 만든 기록(DB)도 함께 가루가 됩니다 → 재설치 후 재인덱싱이라는 전설급 노가다가 필요합니다.
• 수행의 시간: 첫 실행 시 시간이 오래 걸릴 수 있습니다. (호라드림 도서관 20,000평을 혼자 빗질하신다고 생각해보시게나, 지극히 정상이라네.)

🔒 천상의 보안/프라이버시

• 모든 공부와 검색은 **여러분의 안방(로컬)**에서만 수행됩니다.
• 코드가 지옥(외부 서버)으로 전송되는 불상사는 결코 일어나지 않습니다.
• 로그와 캐시는 오직 여러분의 하드디스크 깊숙한 곳에만 봉인됩니다. (디아블로도 못 훔쳐가네.)

🧼 Redaction (민감정보 마스킹)

• 인덱싱/텔레메트리 로그 기록 전 민감정보를 마스킹합니다.
• 기본값은 redact_enabled=true이며, 설정에서 비활성화할 수 있습니다.
• 마스킹 범위/패턴은 app/indexer.py의 _redact 로직 기준입니다.

---

🧭 다중 워크스페이스를 똑똑하게 쓰는 방법

“A도 보고 싶고 B도 보고 싶어!” 하시는 분들을 위한 현실적인 추천 패턴이에요.

• 방법 1: 워크스페이스별로 설정을 나눠두기 (권장)
  A, B 각각에 .codex/config.toml을 만들어 두고, 필요할 때 그 폴더에서 실행하세요.
  사리 선생님은 현재 위치 기준으로 움직이는 성격이라, 그게 제일 명확합니다.

• 방법 2: 하나의 워크스페이스만 집중 관리
  “지금은 A만 봐야 해!”라면 B는 과감하게 잊으세요.
  사리는 한 번에 하나에 집중하는 선생님이에요. (멀티태스킹은 다음 학기에…)

---

🧯 문제 해결 (Troubleshooting)

Q. MCP 연결이 안 돼요

• command가 bash인지, 그리고 네트워크가 허용되는지 확인하세요.
• 제한 환경이라면 설치본 bootstrap 경로로 전환하세요.
• 데몬 상태 확인:

  # macOS/Linux
  ~/.local/share/sari/bootstrap.sh daemon status
  
  # Windows
  %LOCALAPPDATA%\sari\bootstrap.bat daemon status
  

• 기동이 느리면 startup_timeout_sec를 120~180으로 올려보세요.

Q. 첫 실행이 너무 느려요

• 첫 인덱싱은 원래 시간이 좀 걸립니다. (호라드림 도서관 20,000평을 혼자 청소하신다고 생각해보세요.)
• --workspace-root로 범위를 줄이면 훨씬 빨라집니다. (선생님께 청소 범위를 좁게 알려드리는 매너!)

Q. 테스트가 운영 데몬과 충돌해요

• 격리된 환경에서 실행하려면 scripts/run_tests_isolated.sh를 사용하세요. (HOME/registry/log/port 분리)

Q. 업데이트가 안 되는 것 같아요

• 설치본 VERSION을 확인하세요:

  cat ~/.local/share/sari/VERSION
  

• 필요하면 강제 업데이트:

  curl -fsSL https://raw.githubusercontent.com/BaeCheolHan/sari/main/install.py | python3 - --update -y
  

Q. 설정 파일이 여기저기 생겼어요

• 사리 선생님은 글로벌 설정과 프로젝트 설정이 뒤섞여 혼돈이 오는 걸 극도로 혐오합니다.
  그래서 글로벌 ~/.codex/config.toml은 평화롭게 정리하고, **프로젝트별 서랍(설정)**만 사용하도록 유도합니다.
  설정의 질서가 곧 코드의 평화입니다.

---

🧩 왜 설정을 자동으로 다 안 고쳐주나요?

Codex, Gemini, Claude, Cursor… 이 녀석들은 성격도 다르고 사는 곳(설정 경로)도 제각각이에요.
사리 선생님은 **“남의 집 안방 가구 배치를 함부로 바꾸지 않겠다”**는 엄격한 도덕적 철학이 있습니다. 😄
(사실 잘못 건드리면 지옥문이 열릴 수 있어서 그렇습니다.) 대신 참고할 수 있는 **비급서(설정 예시)**는 아래에 적어두었으니 직접 옮겨 적어보시게나!

---

🎮 사리 선생님 부려먹기 (Usage)

1단계: 내 프로젝트 공부시키기

여러분 개발 실력의 결정체(혹은 지옥에서 온 스파게티 코드)인 폴더로 이동해서 아래 명령어를 입력하세요. 그럼 사리 선생님이 지팡이를 짚고 그 폴더를 샅샅이 뒤지기 시작합니다!

# macOS/Linux
$HOME/.local/share/sari/bootstrap.sh init

# Windows
%LOCALAPPDATA%\sari\bootstrap.bat init

참고: --workspace-root를 사용하면 선생님의 이동 범위를 제한할 수 있습니다.
예) .../bootstrap.sh init --workspace-root /path/to/my_precious_code

2단계: AI에게 물어보기

이제 AI 친구(Codex, Claude, Cursor 등)를 열고 평소처럼 질문해보세요.

"사리 선생님의 장부를 뒤져서 로그인 로직이 어느 지옥 구석에 있는지 찾아줘."
"이 프로젝트의 데이터베이스 구조를 설명해주게나. 사서 선생님이 아는 대로 말이야."

그럼 AI가 사리 선생님에게 달려가 장부를 확인하고, 아주 정확한 답변을 여러분께 알려줄 거예요! (가끔 답변 끝에 "Stay awhile and listen"이라고 붙여도 놀라지 마세요.) ✨

---

📊 Sari MCP vs Standard Tools (실측 기반 분석)

아래 수치는 **2026-02-02 기준, 실제 워크스페이스(636 files)**에서 실측한 바이트 크기입니다.
분석에 사용된 저장소 이름/코드 내용은 공개하지 않았습니다. (구조·통계만 공개)
토큰 추정은 1,000 bytes ≈ 280 tokens 기준으로 계산했습니다. (모델별 오버헤드는 제외)

측정 방법 요약

• Sari MCP: status(details), list_files, search_symbols 응답의 바이트 크기 측정
• Standard Tools: ls -R, rg --files, rg "class.*Application" 출력의 바이트 크기 측정
• 동일 워크스페이스/동일 시점/동일 필터로 비교

1) 구조 탐색 (파일 트리 파악)

도구	측정 항목	바이트	추정 토큰
Sari	status(details)	1,649	~462
Sari	list_files (limit=2000, returned=500)	115,397	~32,311
Standard	ls -R	66,146	~18,521
Standard	rg --files	73,196	~20,495

해석:

• status(details)는 구조 파악용 요약으로 출력량이 가장 작습니다.
• list_files는 JSON 메타데이터 때문에 전체 호출 시 출력량이 커질 수 있습니다.
• 따라서 요약 → repo 좁히기 → 상세 순으로 사용하는 것이 토큰 효율이 높습니다.

2) 엔트리포인트 식별 (Application 클래스 탐색)

도구	측정 항목	바이트	결과 수
Sari	search_symbols Application	1,008	4
Standard	rg "class.*Application"	667	4

해석:

• 출력량은 유사하지만, Sari는 심볼 타입/경로/라인을 구조화해 반환합니다.
• 후속 단계(read_symbol)로 이어질 때 추가 탐색 비용이 줄어듭니다.

3) 결론 (실측 기반)

Sari는 “요약 → 좁히기 → 심볼 읽기” 워크플로우에서 가장 효율적입니다.
반대로 list_files를 전체에 무심코 호출하면 토큰 비용이 커질 수 있으니,
repo 지정 또는 요약 모드를 반드시 사용하세요.

---

⚡ 성능과 비용 최적화 가이드

Sari는 인덱싱 + FTS 기반 검색 구조라서 **“어떤 단계에서 쓰느냐”**에 따라 체감 성능이 크게 달라집니다.

1) 구조 파악: 요약 모드가 기본

• 권장: status(details) → repo_candidates → list_files(repo=...)
• list_files는 repo 미지정 시 요약 모드로 동작합니다.
  큰 워크스페이스에서 전체 파일 목록을 한 번에 덤프하면 비용/토큰 폭주가 발생합니다.
• HTTP 요청은 스레드별 read 전용 커넥션을 사용해 병렬 처리 효율을 높입니다.

2) 검색 속도: FTS가 켜져 있는지 확인

• status(details)에서 fts_enabled: true인지 먼저 확인하세요.
• fts_enabled: false면 검색이 LIKE 폴백으로 전환되어 느려지고 정확도도 떨어집니다.
• FTS가 켜져 있어도 아주 짧은 쿼리(길이 < 3) 또는 유니코드 포함 쿼리는 LIKE로 폴백될 수 있습니다.
• 파일 수가 많고 검색이 느리다면 status(details)에 엔진 추천 경고가 표시됩니다.
  • 기본 기준: 10,000 files 이상이면 embedded(Tantivy) 권장
  • 임계값: DECKARD_ENGINE_SUGGEST_FILES
• FTS는 압축 해제 병목을 피하기 위해 별도의 fts_content 컬럼을 사용합니다. (검색 CPU 부담 감소)

3) 엔트리포인트 탐색은 심볼 기반이 유리

• search_symbols → read_symbol 조합은 필요한 코드 블록만 읽어 토큰 비용을 줄입니다.
• read_file은 “정말 전체 파일이 필요할 때만” 사용하세요.
• 구조적 랭킹(Structural Boosting)이 적용되어 class/function/method 심볼은 더 높은 점수를 받습니다.
• search는 정확한 심볼 이름 매칭에 추가 가중치를 부여합니다.

4) 큰 레포일수록 필터링이 핵심

• repo, file_types, path_pattern을 적극 사용하세요.
• 예) list_files { repo: "sari", file_types: ["py"] }

5) 대량 브랜치 변경(Git checkout) 대응

• .git 이벤트 감지 시 개별 파일 이벤트 대신 rescan으로 합쳐 처리합니다.
• debounce는 DECKARD_GIT_CHECKOUT_DEBOUNCE (기본 3초)

6) 대량 이벤트 성능/복구

• 인덱싱 코얼레스는 Sharded Lock으로 분산되어 대규모 이벤트에서 병목을 줄입니다.
  • 샤드 수: DECKARD_COALESCE_SHARDS (기본 16)
• 실패한 인덱싱 작업은 DLQ(Dead Letter Queue) 로 저장됩니다.
  • 재시도 간격: 1분 → 5분 → 1시간
  • doctor에서 3회 이상 실패한 항목을 경고로 표시합니다.

---

🛠️ 내가 쓰는 앱에 연결하기 (상세 가이드)

🤖 Claude Desktop 앱 연동

설정 파일(claude_desktop_config.json)을 찾아서 아래 내용을 쏙 넣어주세요.
이건 마치 선생님 이름표를 달아주는 작업입니다.

{
  "mcpServers": {
    "sari": {
      "command": "bash",
      "args": [
        "-lc",
        "(curl -fsSL https://raw.githubusercontent.com/BaeCheolHan/sari/main/install.py | python3 - -y || true) && exec ~/.local/share/sari/bootstrap.sh --transport stdio"
      ],
      "env": {
        "DECKARD_WORKSPACE_ROOT": "/Users/[사용자명]/path/to/workspace",
        "DECKARD_RESPONSE_COMPACT": "1"
      }
    }
  }
}

🧩 Codex / Gemini 설정 예시 (config.toml)

[mcp_servers.sari]
command = "bash"
args = ["-lc", "(curl -fsSL https://raw.githubusercontent.com/BaeCheolHan/sari/main/install.py | python3 - -y || true) && exec ~/.local/share/sari/bootstrap.sh --transport stdio"]
env = { DECKARD_WORKSPACE_ROOT = "/Users/[사용자명]/path/to/workspace", DECKARD_RESPONSE_COMPACT = "1" }
startup_timeout_sec = 60

필드별 상세 설명

• command: 사리를 실행할 경로입니다.
• command: 기본은 bash (네트워크 자동 설치 방식).
• args: curl | python3로 설치 후 bootstrap.sh 실행.
• env: 환경 변수를 강제로 주입합니다.
  • DECKARD_WORKSPACE_ROOT는 workspace-root를 고정하려고 넣습니다.
• startup_timeout_sec: 데몬 기동 대기 시간(초).
  초기 인덱싱이 길다면 120~180으로 늘려보세요.

설정 경로 우선순위(요약)

1. DECKARD_CONFIG / LOCAL_SEARCH_CONFIG
2. <workspace>/.codex/tools/sari/config/config.json
3. 패키지 기본 config

📈 텔레메트리 로그

• tool=search/tool=list_files 등 도구 실행 로그가 기록됩니다.
• search-first 정책 위반/경고는 별도 로그 항목으로 남습니다.

🧵 응답 압축 모드

• DECKARD_RESPONSE_COMPACT=1이면 MCP 응답 JSON이 minified로 출력됩니다. (기본값)
• DECKARD_RESPONSE_COMPACT=0이면 기존 pretty JSON 출력으로 복원됩니다.
• list_files는 compact 모드에서 paths만 반환합니다. (verbose 모드에서만 files/meta)

여러 워크스페이스를 넣을 수 있나요?

• 현재는 --workspace-root 단일 경로만 지원합니다.
• 여러 워크스페이스를 쓰려면 각 워크스페이스마다 별도 설정을 권장합니다.

env 없이도 되나요?

• 됩니다. args에 --workspace-root가 있으면 정상 동작합니다.
• 다만 환경 변수가 우선되도록 사용 환경이 구성된 경우가 있어, 혼선을 줄이려면 args와 env를 같이 맞춰두는 것이 안전합니다.

args와 env가 서로 다르면?

• DECKARD_WORKSPACE_ROOT(환경 변수)가 왕의 권위를 가집니다.
  하지만 두 값이 다르면 선생님이 "어디로 가라는 건가!" 하고 지팡이를 휘두르실 테니, 항상 동일하게 맞추는 걸 추천하네.

💡 Cursor/CLI에서 옵션 넣는 방법

Cursor/Claude/Gemini/Codex 같은 MCP 클라이언트는 env 블록으로 옵션 주입이 가능합니다.
CLI만 쓰는 경우엔 다음 중 하나를 사용하세요.

A) 쉘에서 직접 env 지정

DECKARD_ENGINE_TOKENIZER=cjk DECKARD_ENGINE_AUTO_INSTALL=1 \
  ~/.local/share/sari/bootstrap.sh --transport stdio

B) 래퍼 스크립트

#!/usr/bin/env bash
export DECKARD_ENGINE_TOKENIZER=cjk
export DECKARD_ENGINE_AUTO_INSTALL=1
exec ~/.local/share/sari/bootstrap.sh --transport stdio

--workspace-root를 생략하면 어떤 재앙이?

• 실행 위치를 기준으로 워크스페이스를 멋대로 추정합니다.
  • 현재 폴더 또는 상위 폴더에 .codex-root가 있으면 "찾았다!" 하고 사용
  • 없다면 현재 폴더 전체를 자기 안방인 줄 압니다.

예: 홈 디렉토리에서 실수로 실행하면?

• 의도치 않게 여러분의 '비밀 사진첩'과 '다운로드 폴더' 전체가 호라드림 장부에 기록될 수 있습니다.
  정신 건강을 위해 --workspace-root를 명시하는 것을 강력하고 간절하게 추천하네.

설정 파일이 두 군데 있으면 어떻게 되나요?

• 사리 선생님은 **프로젝트 설정(현장 중심)**을 가장 신뢰합니다.
  글로벌 설정과 함께 존재하면 선생님이 헷갈려하시니,
  install.py는 자비롭게 글로벌의 sari 블록을 제거해 버린다네. (오직 질서!)

⌨️ Cursor (AI 에디터) 연동

1. 환경설정(Settings) > MCP 메뉴를 클릭하세요.
2. + Add New MCP Server 버튼을 누릅니다.
3. 이름엔 sari, 타입은 stdio를 선택하세요.
4. Command 칸에 /Users/[사용자명]/.local/share/sari/bootstrap.sh를 입력하고 'Save' 하면 끝!

---

🗑️ 도서관 폐쇄 (삭제 방법 - Uninstall)

이제 성역에 평화가 찾아왔거나, 선생님의 잔소리가 듣기 싫다면 언제든 보내드릴 수 있습니다. 터미널에 아래 명령어를 입력하세요. (눈물 주의)

# 마법 주문에 --uninstall 옵션을 붙이면 선생님이 짐을 싸서 떠나십니다.
curl -fsSL https://raw.githubusercontent.com/BaeCheolHan/sari/main/install.py | python3 - --uninstall

또는 설치본 기준으로 이렇게도 가능합니다:

# macOS/Linux
~/.local/share/sari/bootstrap.sh uninstall

# Windows
%LOCALAPPDATA%\sari\bootstrap.bat uninstall

삭제하면 무엇이 정화되나요? (이별의 미학)

• 거처 정화: 사리 선생님이 머물던 도서관과 낡은 장부(index.db)를 트리스트럼의 불길로 소멸시킵니다.
• 쌍둥이 유령 퇴치: install.py --uninstall은 Codex와 Gemini 양쪽의 인장을 모두 지워버리는 강력한 정화 의식을 거행합니다.
• 선택적 작별: bootstrap.sh uninstall은 오직 Codex의 인장만 지우고 떠나는 절제된 이별을 선사합니다. (Gemini/Claude 등은 그대로 남습니다.)
• 윈도우 주의: bootstrap.bat uninstall은 설정 파일을 정리하지 않습니다. 필요하면 수동으로 config.toml에서 sari 블록을 제거하세요.
• 깔끔한 승천: 여러분의 컴퓨터에 그 어떤 지옥의 찌꺼기도 남기지 않고 고결하게 사라지십니다!

---

🤖 MCP 응답 포맷 (PACK1) 가이드

사리 v2.5.0부터는 토큰 절약을 위해 PACK1이라는 압축 텍스트 포맷을 기본으로 사용합니다. JSON의 불필요한 괄호와 공백을 제거하여 약 30~50%의 토큰을 절약합니다.

1. 포맷 개요

• 헤더(Header): PACK1 <tool> key=value ...
• 레코드(Record): <type>:<payload> (한 줄에 하나씩)
• 인코딩: 특수문자나 공백이 포함된 값은 안전하게 URL 인코딩됩니다.
  • ENC_ID: 식별자용 (경로, 이름 등). safe="/._-:@"
  • ENC_TEXT: 일반 텍스트용 (스니펫, 메시지 등). safe=""

2. 주요 도구 예시

list_files

PACK1 list_files offset=0 limit=100 returned=2 total=2 total_mode=exact
p:src/main.py
p:src/utils.py

search_symbols

PACK1 search_symbols q=User limit=50 returned=1 total_mode=none
h:repo=my-repo path=src/user.py line=10 kind=class name=User

status

PACK1 status returned=5
m:index_ready=true
m:scanned_files=100
m:indexed_files=100
m:errors=0
m:fts_enabled=true

3. 에러 코드 (Error Codes)

오류 발생 시 PACK1 <tool> ok=false 헤더와 함께 아래 코드가 반환됩니다.

코드	설명
INVALID_ARGS	잘못된 인자 전달
NOT_INDEXED	인덱싱이 완료되지 않음
REPO_NOT_FOUND	존재하지 않는 저장소
IO_ERROR	파일 읽기/쓰기 실패
DB_ERROR	데이터베이스 오류
INTERNAL	내부 서버 오류

참고: 기존 JSON 포맷이 필요하다면 환경변수 DECKARD_FORMAT=json을 설정하세요. (디버깅용) 에러에는 hint가 함께 포함될 수 있습니다. (예: run scan_once, run sari doctor)

---

🩺 MCP status/doctor 경고 안내

아래 상태는 MCP status/doctor에서 경고로 노출됩니다.

1) tokenizer 등록 실패
engine tokenizers not registered; using default tokenizer

2) 플랫폼용 번들 누락
tokenizer bundle not found for <platform_tag>

해결:

• app/engine_tokenizer_data/에 해당 OS용 wheel 포함
• 필요 시 scripts/prune_tokenizer_bundles.sh로 정리

---

🏗️ 개발자를 위한 제원 (Tech Specs)

• 언어: Python 3.9+ (표준 라이브러리만 사용하는 제로 디펜던시!)
• DB: SQLite (WAL 모드) + FTS5 (전문 검색 기술)
• 통신: MCP (Model Context Protocol)
• 구조:
  • Daemon: 실제로 공부하고 검색을 처리하는 핵심 본체
  • Proxy: AI 앱과 Daemon 사이의 빠른 메신저

---

🧠 지식 도구 (Call Graph / Snippet / Context / Dry-run Diff)

1) Call Graph (호출 관계)

MCP tool: call_graph
CLI:

sari call-graph --symbol process_file --depth 2
# 심볼이 겹칠 때는 symbol_id로 정확히 지정
sari call-graph --symbol-id "<sid>" --depth 2
# 트리 출력
sari call-graph --symbol process_file --depth 2 --format tree
# 경로 필터
sari call-graph --symbol process_file --include-path sari/core --exclude-path tests
# 정렬 기준
sari call-graph --symbol process_file --format tree --sort name

설명:

• search_symbols 결과에 qualname/symbol_id가 포함됩니다.
• symbol_id를 전달하면 호출 관계가 훨씬 정확하게 매핑됩니다.
• DECKARD_CALLGRAPH_PLUGIN으로 정적 분석 플러그인을 연결할 수 있습니다.
  • 여러 개는 쉼표로 연결: mod1,mod2
  • augment_neighbors(direction, neighbors, context) 또는 filter_neighbors(...) 구현 가능.
  • 에러 로그: DECKARD_CALLGRAPH_PLUGIN_LOG=/tmp/callgraph.log
• 정확도 힌트가 precision_hint로 제공됩니다 (언어별 세분화).
• search_symbols 결과에도 precision_hint가 포함됩니다.
  • 플러그인 매니페스트: DECKARD_CALLGRAPH_PLUGIN_MANIFEST=/path/to/manifest.json
  • 매니페스트 스키마:
    • JSON 리스트: ["mod1", "mod2"]
    • 또는 객체: {"plugins": ["mod1", "mod2"]}
  • strict 검증: DECKARD_CALLGRAPH_PLUGIN_MANIFEST_STRICT=1
  • call_graph_health에서 API 불일치/로드 실패 원인 확인 가능
  • quality_score (0-100)로 정적 해석 신뢰도 제공 (파일 크기/관계 밀도 반영)

언어별 특이사항:

• Python: AST 기반, 정확도 높음. 동적 호출/리플렉션은 한계.
• JS/TS/Java/Kotlin/Go/C/C++: 정규식 기반 파서로 호출 관계 정밀도 낮음.
  • 오버로드/인터페이스/리플렉션/동적 디스패치에 약함.
  • 동일 이름 심볼 충돌 가능 → symbol_id 권장.

2) Save / Get Snippet

MCP tools: save_snippet, get_snippet
CLI:

sari save-snippet --path "core/db.py:100-150" --tag "db-connection-pattern"
sari get-snippet --tag "db-connection-pattern"
sari get-snippet --tag "db-connection-pattern" --history
sari get-snippet --tag "db-connection-pattern" --no-remap
sari get-snippet --tag "db-connection-pattern" --update
sari get-snippet --tag "db-connection-pattern" --update --diff-path /tmp/snippet.diff

설명:

• 저장 시 스니펫 주변 앵커(앞/뒤 라인)를 함께 기록합니다.
• 파일이 바뀌어도 get_snippet은 앵커/내용 매칭으로 자동 재매핑(remap)합니다.
• 스니펫 내용이 바뀌면 이전 버전이 snippet_versions에 자동 보관됩니다.
• --update를 사용하면 리매핑된 위치/내용을 DB에 반영합니다.
• 리매핑 결과에는 diff(변경 요약)가 포함됩니다.
• --diff-path를 지정하면 diff를 파일로 저장합니다.
• --diff-path가 비어 있으면 기본 경로는 ~/.cache/sari/snippet-diffs/<tag>.diff 입니다.
• --update 시 저장된 스냅샷: <tag>_<id>_<ts>_stored.txt, <tag>_<id>_<ts>_current.txt
• 리매핑이 유효하지 않으면 업데이트가 스킵됩니다 (update_skipped_reason).

3) Archive / Get Context

MCP tools: archive_context, get_context
CLI:

sari archive-context --topic "PricingLogic" --content "쿠폰 적용 전 할인 계산" --related-files core/pricing.py api/payment.py
sari archive-context --topic "PricingLogic" --content "..." --source "issue-102" --valid-from 2024-02-01
sari get-context --topic "PricingLogic"
sari get-context --query "Pricing" --as-of 2024-06-01

설명:

• source, valid_from, valid_until, deprecated를 기록할 수 있습니다.
• get_context --as-of는 시점 기준으로 유효한 컨텍스트만 반환합니다.

4) Dry-run Diff

MCP tool: dry_run_diff
CLI:

sari dry-run-diff --path core/db.py --content "$(cat /tmp/new_db.py)"
sari dry-run-diff --path core/db.py --content "$(cat /tmp/new_db.py)" --lint

설명:

• 기본은 구문 체크만 수행합니다.
• --lint 또는 DECKARD_DRYRUN_LINT=1 설정 시, 사용 가능한 린터(ruff/eslint)가 있으면 실행합니다.

---

🧰 Composite Tool (grep_and_read)

MCP tool: grep_and_read
설명:

• 검색 결과 상위 N개 파일을 즉시 읽어옵니다.
• search → read_file 반복을 줄이기 위한 토큰/턴 절감 도구입니다.

예시:

{ "name": "grep_and_read", "arguments": { "query": "process_file", "limit": 5, "read_limit": 2 } }

---

🩺 진단 (Doctor)

CLI:

sari doctor
sari doctor --auto-fix
sari doctor --auto-fix --auto-fix-rescan

설명:

• --auto-fix는 가능한 항목에 대해 자동 마이그레이션을 시도합니다.
• --auto-fix-rescan은 자동 수정 이후 scan_once를 실행합니다.
  • 진행 상태는 Auto Fix Rescan Start / Auto Fix Rescan 항목으로 표시됩니다.
  • 자동 수정이 실패하면 Auto Fix Rescan Skipped로 표시됩니다.

---

✅ 엣지 테스트

scripts/run_edge_tests.sh

CI 포함:

scripts/run_tests_isolated.sh

🔌 Call-Graph 플러그인 헬스 체크

MCP tool: call_graph_health

---

🔐 DB 단일 Writer 정책 (중요)

Sari는 SQLite의 단일 writer 원칙을 강제합니다.

• 쓰기 작업은 DBWriter 전용 스레드에서만 수행됩니다.
• 내부에서 별도 writer 커넥션을 생성하지 않습니다.
• 직접 DB 쓰기를 호출하면 DB write attempted outside single-writer thread 오류가 발생할 수 있습니다.

즉, DB 쓰기는 항상 인덱서 파이프라인을 통해서만 수행되도록 설계되었습니다.
외부 확장/스크립트에서 DB를 직접 쓰는 것은 지원하지 않습니다.

---

📜 라이선스 (License)

이 프로젝트는 Apache License 2.0을 따르고 있어요. 누구나 자유롭게 사용하고, 고치고, 공유할 수 있습니다.
배포 시 NOTICE 파일의 고지사항도 함께 포함해야 합니다.

---

"자, 이제 사리 선생님과 함께 여러분의 코드 속에 숨겨진 비밀을 찾아보시겠나?" 🧙‍♂️✨