Me crucé estos días con Semble, un proyecto open source de MinishLab que es de esas herramientas chiquitas que te cambian el día a día si trabajás con agentes de IA. La idea es simple y potente: búsqueda de código pensada para agentes, que les devuelve exactamente el snippet que necesitan en lugar de hacerles leer archivos enteros.
El problema lo conocemos todos los que usamos Claude Code, Codex o Cursor: para entender tu repo, el agente termina haciendo grep y leyendo archivos completos. Eso quema tokens (=plata) y tiempo. Semble dice hacer lo mismo gastando ~98% menos tokens.
Qué hace, en concreto
- Le hacés una pregunta en lenguaje natural (“¿cómo se maneja la autenticación?”) y te devuelve solo los snippets relevantes.
- Indexa y busca un repo entero end-to-end en menos de un segundo.
- ~200x más rápido indexando y ~10x en queries que un transformer especializado en código, manteniendo el 99% de la calidad de retrieval.
- Corre 100% en CPU: sin GPU, sin API keys, sin servicios externos.
Cómo se usa
Se enchufa de dos formas. Como MCP server (ideal para Claude Code y compañía):
claude mcp add semble -s user -- uvx --from "semble[mcp]" sembleO lo instalás con pip install semble y lo referenciás desde tu AGENTS.md / CLAUDE.md para que cualquier agente lo use por shell.
Desde mi punto de vista
Desde mi punto de vista, esto es parte de una tendencia más grande: a medida que los agentes se vuelven el modo default de programar, el cuello de botella deja de ser el modelo y pasa a ser cómo le das contexto sin fundir el presupuesto de tokens. Herramientas chiquitas, locales y sin API keys como Semble van en la dirección correcta. Encima es MIT y ya tiene más de 3.000 estrellas, así que no es un experimento de fin de semana.
Si usás agentes para tocar repos grandes, probalo una tarde y fijate la diferencia en consumo. A mí me pareció de lo más práctico que salió últimamente.
Fuente
El repo, para que lo mires vos: MinishLab/semble en GitHub.
