Todos tuvimos esta experiencia con un coding agent.
Le pedís que haga un cambio relativamente simple en una codebase grande y el agente empieza a recorrer archivos como si estuviera perdido en un shopping.
Abre decenas de archivos irrelevantes.
Lee miles de líneas que no necesita.
Pierde contexto.
Consume tokens innecesariamente.
Y después de unos minutos finalmente encuentra lo que estaba buscando.
El problema no suele ser el modelo.
El problema es que el agente no entiende la estructura semántica de la codebase.
Serena intenta resolver exactamente eso.
Es un servidor MCP open source diseñado para darle a los agentes comprensión semántica del código a nivel de símbolos, relaciones y arquitectura. En lugar de navegar archivos línea por línea, el agente puede razonar sobre clases, funciones, referencias y dependencias directamente.
La mejor forma de describirlo es:
¿Qué pasaría si tu coding agent realmente entendiera cómo está construida tu aplicación?
¿Qué hace Serena?
Serena agrega una capa de análisis semántico sobre tu repositorio y expone esa información a través de MCP.
En la práctica, permite que un agente pueda responder preguntas como:
- ¿Dónde se utiliza esta función?
- ¿Qué clases implementan esta interfaz?
- ¿Qué módulos dependen de este componente?
- ¿Cuál es el flujo completo desde este endpoint hasta la base de datos?
- ¿Qué símbolos serían afectados por este cambio?
Todo esto sin tener que leer grandes cantidades de código innecesariamente.
Navegación a nivel de símbolos
La mayoría de los agentes actuales trabajan principalmente a nivel de archivos.
Serena trabaja a nivel de:
- clases,
- métodos,
- funciones,
- interfaces,
- referencias,
- símbolos exportados.
Por ejemplo, en lugar de pedir:
“Abrí todos los archivos relacionados con autenticación”
el agente puede preguntar:
“Mostrame todas las referencias a
AuthService.”
La diferencia parece pequeña.
En repositorios grandes, es enorme.
Casos de uso reales
1. Codebases enormes
En repositorios con:
- cientos de directorios,
- miles de archivos,
- arquitecturas monolíticas,
los agentes suelen desperdiciar gran parte de sus tokens simplemente explorando.
Serena reduce drásticamente esa exploración.
2. Refactors complejos
Supongamos que querés renombrar o modificar:
PaymentService
Sin análisis semántico, el agente debe buscar referencias textuales.
Con Serena puede identificar:
- llamadas directas,
- implementaciones,
- dependencias,
- símbolos relacionados.
Esto hace que los refactors sean considerablemente más seguros.
3. Onboarding en proyectos nuevos
Uno de los usos más interesantes.
Podés preguntarle al agente:
“Explicame cómo funciona el sistema de autenticación.”
o:
“Mostrame el flujo completo desde la API hasta la persistencia.”
El agente puede responder utilizando relaciones reales de la arquitectura.
4. Comprensión arquitectónica
Serena permite navegar una aplicación como si fuera un grafo semántico.
Por ejemplo:
- dependencias entre módulos,
- relaciones entre componentes,
- jerarquías de clases,
- flujos de llamadas.
Esto resulta particularmente útil cuando trabajás con sistemas heredados.
Instalación
La forma más sencilla es utilizar uv.
Primero instalá Serena:
uv tool install serena-agent
También puede ejecutarse directamente:
uvx serena-agent
Integración con Claude Code
Serena puede exponerse como servidor MCP para Claude Code.
Por ejemplo:
claude mcp add serena \
-- uvx serena-agent
Una vez configurado, Claude Code obtiene acceso a todas las capacidades semánticas del servidor.
Comandos útiles
Algunas de las capacidades más interesantes incluyen:
Encontrar referencias
find_referencing_symbols
Permite descubrir todos los lugares donde un símbolo es utilizado.
Encontrar definiciones
find_symbol
Ideal para localizar rápidamente implementaciones.
Vista general del archivo
get_symbols_overview
Entrega una representación estructurada de los símbolos presentes.
Navegar dependencias
find_referenced_symbols
Permite explorar relaciones semánticas entre componentes.
Lenguajes soportados
Actualmente Serena soporta múltiples lenguajes populares, incluyendo:
- Python
- TypeScript
- JavaScript
- Go
- Java
- Rust
- C#
- PHP
La cobertura continúa creciendo activamente.
¿Por qué esto importa?
Durante años intentamos resolver el problema del contexto simplemente agregando más tokens.
Ventanas de 200K.
1 millón.
2 millones.
Pero más contexto no necesariamente significa mejor comprensión.
Serena representa un enfoque distinto.
En lugar de hacer que el agente lea más código, hace que entienda mejor el código que ya tiene delante.
Y eso podría ser mucho más importante.
Porque a medida que las codebases continúan creciendo, la ventaja no va a pertenecer al agente que puede leer más archivos.
Va a pertenecer al agente que puede navegar la arquitectura como lo haría un desarrollador experimentado.