XERJ - コードと文書を自動索引化するエージェント向けローカル検索基盤
XERJは、コードや文書を事前に索引化し、コーディングエージェントへ順位付きの該当箇所と位置情報を返すRust製のローカル検索基盤だ。ファイル形式を推定して型付き索引を作り、コードはtree-sitterで解析してシンボル・全文・行番号を取り込む。全文検索、ベクトル検索、ハイブリッド検索を同じノードから利用でき、CLIやMCPを通じてエージェントの調査工程へ組み込む。 中心にあるのは、未知のコードを読むたびにファイルを広く渡す作業を、索引から必要な実装を取得する作業へ変える設計である。ただし、既定の埋め込みはニューラルモデルではなく字句特徴ハッシュ方式だ。以下の技術説明は取得済みREADMEに基づき、実装や検索品質を独立に検証したものではない。作者のトークン削減報告も、特定の比較条件に限って読む必要がある。
なぜ注目されているか
2026年10月16日の観測ではGitHub日次Trending 12位、当日715 stars増、累計5,620 stars・307 forks。短期的な注目の増加は確認できるが、10月19日までの継続や技術的な優位性を示すものではない。
なぜ重要なのか
XERJが変え得るのは、エージェントへ情報を渡す前段の設計だ。調査のたびに読み込む範囲を探させる代わりに、コードの構造と位置を保った索引を用意し、検索経路を再利用する。社内コードや専門領域の実装を繰り返し調べるなら、この前処理が調査負担を減らす可能性がある。一方、索引を作る工程と更新コストが加わり、必要な実装を検索で拾えるかという評価も必要になる。導入判断の軸は、検索機能の多さだけでなく、取得した箇所から正しい実装判断へ進めるかにある。
この記事に出てくる言葉(6語)
- autoindex
フォルダ内のファイル形式とデータセットを推定し、データセットごとの型付き索引を作る取り込み機能。
- ASTとtree-sitter
ASTはコードの構文構造を表す木。XERJはtree-sitterによる解析を使い、シンボル・全文・行番号を索引へ取り込む。
- semantic_text
XERJが提供する検索用フィールド。問い合わせの埋め込みはサーバー側で生成され、既定では字句特徴ハッシュ方式を使う。
- RRF
複数の検索結果を融合する方式。XERJのハイブリッド検索では、線形融合とともに選択肢として示されている。
- reference coding
類似OSSを取得・索引化し、既存の解法を検索してから自分の実装へ進む開発の流れ。
- MCP stdio
エージェント側のホストとツールを標準入出力で接続する方式。xerj mcpは要求を既存の検索ノードへ中継する。
1. 読む前に知っておきたいこと
一致行の先にある実装をどう読むか
READMEが出発点に置くのは、エージェントによる調査の読み込み量だ。grepで一致行を見つけても、その行だけでは関数や実装のまとまりを判断しにくい。周辺を読み、別の箇所を探し、必要に応じてファイル全体へ読み込みを広げる。この繰り返しがコンテキストを消費するという問題設定である。
XERJは、検索結果として何を返すかを変える。READMEによれば、xerj searchは順位付きの該当箇所とfile:lineを返し、xerj defは定義の位置とシグネチャを返す。エージェントは所在を手掛かりに読むだけでなく、取り出された実装を判断材料にできる。ただし、定義検索がどこまで解決できるかは提供資料では確認できない。
未知のAPIほど参照先が重要になる
作者は、モデルが記憶していないAPIを扱うと、記憶頼みの実装と修正を繰り返す点も課題に挙げる。社内・私有コードや新しいライブラリでは、参照できる実装を検索経路へ載せる意義がある。reference codingはその用途を明確にしたもので、類似OSSを取得して索引化し、解法を調べてから実装する。
また、調査対象はコードだけとは限らない。文書、表、PDF、ログが混在する資料では、形式ごとの抽出と検索対象の整理が必要になる。XERJのautoindexは、この取り込みをデータセットごとの型付き索引へまとめると説明されている。導入時には、検索したい資料が期待したレコードとして扱われるかが確認点になる。
注目の強さと技術の確かさを分ける
2026年10月16日の観測では、GitHub日次Trendingで12位、当日715 stars増、累計5,620 stars、307 forksだった。短期的な注目を示す値だが、公開予定日の10月19日まで増勢が続いたことや、実運用での成熟を示すものではない。
検討に値する中身は、構造を保ったコード索引、複数の検索方式、エージェントとの接続が具体的に説明されている点にある。注目指標と検索性能は別の証拠で判断したい。特に、検索結果が実装に必要な文脈を含むか、必要な箇所を取りこぼさないかは、starsからは分からない。
2. どう動くのか
ノードを起動し、資料を型付き索引へ変える
構成の中心は、データディレクトリを持つ検索ノードだ。READMEではJVMを必要としない単一静的バイナリとして案内され、Linux・macOS・Windowsのx86-64とarm64向け配布が記載されている。ノードを先に起動し、取り込みや検索を行うクライアントがそこへ接続する。
取り込みの入口はxerj autoindex <folder>である。ファイル形式とデータセットを推定し、事前にスキーマや取り込みパイプラインを設定せず、データセットごとに索引を作るという設計だ。コードはtree-sitterによる解析を経由し、シンボル・全文・行番号を検索対象へ取り込む。文書や表は形式に応じたレコードへ変換される。
ここでの抽象化は、フォルダをそのまま一つの検索文字列にすることではなく、資料を型付きの検索対象へ分けることにある。ただし、ASTからどの単位で分割するか、対応言語の範囲、内部の索引構造は提供資料からは確定できない。
全文とベクトルを選び、結果を融合する
検索層は、BM25による全文検索、dense_vectorのkNN、semantic_text検索を提供する。ハイブリッド検索では部分クエリの結果をRRFまたは線形融合でまとめる。複数の検索経路から得た結果を統合する構成であり、すべての問い合わせで各方式が常に一体として動くとは読み取れない。融合の既定値も未確認だ。
semantic_textの問い合わせ埋め込みは、クライアントではなくサーバー側で生成する。ここで注意したいのが、既定の埋め込みはオフラインの字句特徴ハッシュ方式である点だ。semanticという名前だけを根拠に、ニューラルモデルによる意味理解や同等の検索品質を期待することはできない。
ニューラル方式は--embed-mode neuralで明示的に選択し、約90 MBのモデルを取得する。閉域環境ではモデルファイル3点を事前配置する必要がある。つまり、検索方式の選択は機能名の違いにとどまらず、モデル配布を含む運用条件にも関わる。どちらが対象コードに適するかは、必要な実装を取得できるかで評価することになる。
増分更新が省くのは未変更ファイルの解析
autoindexを再実行すると、内容ハッシュを前回世代と比較する。バイト列が同じファイルは解析を省略し、前回のコミット済み結果を引き継ぐ。繰り返し索引化するときに、未変更ファイルの解析をやり直さずに済む仕組みである。
ただし、変更を判定するための内容ハッシュ計算は残る。増分という言葉から、変更ファイルだけに触れる処理を想定してはいけない。さらに、ファイル監視による自動更新、削除・改名への追従、索引更新の原子性、障害復旧、永続化の耐久性は提供資料では未確認だ。
作者はLuceneの6,113ソースファイル・51 MBを対象に、単一スレッドのプロセス内抽出で約1,500 files/s、13 MB/sと報告している。tree-sitter解析は抽出時間の約72%だったという。これは索引作成全体の速度ではなく、ハードウェア条件も不明なため、手元の取り込み時間へ直接置き換えられない。
MCPは既存ノードへの接続口になる
エージェント側では、xerj mcpがstdio要求をXERJ_URLの既存ノードへ中継する。既定接続先はhttp://localhost:9200で、このコマンド自体はノードを起動しない。検索ノードの稼働とMCP接続は別に扱う必要がある。xerj initはClaude CodeやCursorへMCPとskillを設定する入口として示されている。
MCPには検索だけでなく、メモリや関係リンクなどのツールがある。/_memory/{namespace}はエージェントの記憶を保存・検索し、リンク索引は索引済み文書間の関係を扱う。ただし、この関係情報が検索順位へどう影響するかは未確認であり、グラフ検索が常に全文・ベクトル検索へ統合されるとは説明できない。
自然言語フィルタをDSLへ変換するxerj_planも、LLMではなく決定的なルール方式だ。XERJは調査用の取得経路を提供し、取得した内容を使って実装する役割はエージェント側に残る。
3. 使いどころと限界
反復調査で前処理を回収できるか
適合しやすいのは、モデルが十分に知らないコードを繰り返し調査する開発や、コードと文書が混在するローカル資料の検索だ。grep・sedとの比較では、ノード起動と索引作成を先に行う代わりに、構造と位置情報を持つ検索結果を再利用する。一度だけの単純な文字列検索なら、この追加工程を回収しにくい。
Claude CodeやCursorには補完的に組み込まれる。reference codingでも、参照先を索引化すれば常に有利になるわけではない。作者自身、モデルが既によく知る人気の公開ライブラリでは、効果が中立から有害になり得ると説明している。参照元の明示とライセンスの尊重も、この利用方法の前提として案内されている。
削減報告は出力トークンの比較として読む
作者のreference coding比較は、未記憶コードを対象とする8タスク・4言語・各群16実行という条件だ。実際のclaude -pで計数したとされ、XERJは9,982出力トークン、16/16解決、費用$1.58。grep方式は26,477出力トークン、16/16解決、$3.27だった。出力トークンが約1/2.7になったという報告は、この比較に対応する。
記憶のみの群は260,916出力トークン、11/16解決、$11.18で、同じ解決率ではない。詳細なモデル設定、採点方法、検索漏れ、索引作成時間と費用は確認できない。したがって、この結果を入力・出力合計の削減率や、導入後の総費用へ一般化することはできない。自分たちの未知コードで、回答品質と調査全体の負担を確かめる必要がある。
Elasticsearch互換には境界がある
XERJはElasticsearch互換REST APIを提供し、索引、文書、bulk、検索、集約、mapping、kNNなどのAPIと、公式クライアントやKibanaとの接続を説明している。Elasticsearchのフォークや内部実装の複製ではない。作者報告の適合試験は1,369件中1,366件通過で、残るケースや試験の網羅率は提供資料では分からない。
意味上の差もある。scrollはセグメントをたどるカーソルではなく、上限付きの事前スナップショットだ。正確な総件数が窓サイズを超えると400で拒否され、大きな結果集合にはsearch_afterが案内される。API名が同じでも、既存処理の前提を確認する必要がある。
作者のElasticsearch 8.13.4との比較では、取り込み1.72倍などの改善が報告される一方、4敗はすべて高頻度書き込み中のread p99だった。詳細な負荷条件は提供資料に含まれない。読み出しの裾の遅延を重視する用途や、完全互換を前提にした移行では、これらが明確な検証点になる。
接続権限と外部送信を構成ごとに確認する
--insecureを付けない起動では認証が有効になる。autoindexはxerj.tomlからキーを自動取得しないため、--api-keyまたはXERJ_API_KEYで渡す必要があり、未設定なら401になる。MCPにもXERJ_AUTHでノードに対応する認証設定を渡す。
--insecureはTLSとAPIキー認証を無効化する。ポートへ到達できる全呼び出し元が、全索引と全メモリ名前空間を読み取り・削除できる。新規ノードの既定バインドは127.0.0.1で、他インターフェースへの平文公開には明示許可が必要だ。機密ファイルの除外規則、キーの権限粒度、共有ホストでの隔離は未確認である。
また、ローカル検索という位置付けを全構成へ広げてはいけない。任意のJev再ランキングは、上位結果の本文をTypeSafeのサーバーへ送る。キー設定まで無効で、設定による禁止も可能だが、社内コードを扱うなら有効化の判断に直結する。スコアも正確な確率として扱わないよう注意されている。
このツールから考える
ここからは、一次情報と限界を踏まえた編集上の考察です。
Rust製のXERJが採る、資料を先に索引化してエージェントへ該当箇所を渡す設計は、反復調査の負担を前処理へ移す試みとして読める。この方式が未知のコードで有効なら、開発チームにはプロンプトの工夫に加えて、何を索引へ入れ、いつ更新し、どの接続先へ取得結果を渡すかを設計する仕事が生まれる。
その価値は、索引を用意した事実だけでは決まらない。モデルが既知のコードでは参照追加が有害になり得るという作者の留保があり、再索引化にも内容ハッシュの計算が残る。更新と障害復旧の未確認部分、必要な実装の取得精度、権限と外部送信の境界を確かめたうえで、繰り返す調査のどこに検索基盤を置くかを判断したい。
検証に使用した一次情報
DevTool Lensでは、第三者の二次情報やREADMEの宣伝文句に依存せず、以下の公式リポジトリ・ドキュメント・リリース情報を精査して記事を作成しています。
- [readme]xerj-org/xerj README
- [repo]xerj-org/xerj GitHub Repository
- [release]xerj-org/xerj Releases
- [github_trending]GitHub Trending Daily (2026-10-16)