Codegraph: Inteligencja kodu wspierana przez AI dla programistów i agentów
Codegraph to serwer MCP zaprojektowany do analizowania baz kodu i budowania lokalnej grafiki wiedzy. Opracowany przez Colby'ego McHenry'ego, to darmowe narzędzie jest zbudowane w TypeScript i zawiera własne środowisko uruchomieniowe Node.js (Node ≥22.5). Integruje się z różnymi agentami kodowania AI, takimi jak Claude Code i Gemini CLI, oferując możliwości zwiększonego zrozumienia i interakcji z bazą kodu. Codegraph przechowuje swoje dane grafowe w lokalnej bazie danych SQLite, zapewniając pełnotekstowe wyszukiwanie FTS5 dla efektywnego zapytania. Ma na celu przyspieszenie przepływów pracy agentów AI i poprawę wydajności programistów.
Do czego łączy się Codegraph?
Codegraph działa jako serwer MCP, który integruje się z bazą kodu, analizując jej strukturę, aby wygenerować zlokalizowany wykres wiedzy. Ten wykres podmiotów i relacji jest przechowywany w lokalnej bazie danych SQLite, konkretnie w ".codegraph/codegraph.db". Baza danych wykorzystuje pełnotekstowe wyszukiwanie FTS5 dla efektywnego pobierania danych. Kompatybilne klienty AI łączą się przez stdio dla lokalnych operacji lub HTTP dla zdalnych/wspólnych wdrożeń, z powiadomieniami SSE. Serwer obsługuje szereg klientów AI, w tym Claude Code, Cursor, Codex CLI, OpenCode, Hermes Agent, Gemini CLI, Antigravity IDE i Kiro.
Główne funkcje i narzędzia
Codegraph udostępnia kilka wywoływalnych narzędzi do interakcji z bazami kodu. Narzędzie index buduje wykres wiedzy podmiotów i relacji. list_file_entities zapewnia listę wszystkich podmiotów w określonym pliku, wymagając ciągu "path". list_entity_relationships szczegółowo opisuje relacje danego podmiotu, używając ciągów "path" i "name". Narzędzie codegraph_context mapuje konkretne obszary bazy kodu. Ponadto, codegraph_explore umożliwia badanie symboli i ich powiązań. Te narzędzia umożliwiają zarówno programistom, jak i agentom AI głębokie zrozumienie struktury kodu.
Dla kogo to jest?
Codegraph jest głównie przeznaczony dla agentów kodowania AI, takich jak Claude Code, Cursor i Gemini CLI, a także dla ludzkich programistów. Zwiększa możliwości agentów, zapewniając zrozumienie struktury bazy kodu, co redukuje liczbę rund eksploracyjnych i obniża zużycie tokenów. Programiści korzystają z jego zdolności do oceny wpływu zmian i efektywnego poruszania się po dużych bazach kodu. Lokalne działanie narzędzia bez zewnętrznych kluczy API sprawia, że jest ono odpowiednie dla środowisk, które priorytetowo traktują prywatność danych. Pomiń to, jeśli Twoją główną potrzebą jest rozwiązanie inteligencji kodu hostowane w chmurze z zarządzaną infrastrukturą.
Jak zacząć
Nie są wymagane żadne poświadczenia do podstawowej lokalnej funkcjonalności Codegraph. W przypadku zdalnych wdrożeń HTTP można używać tokenów uwierzytelniających, takich jak HARNESS_MCP_AUTH_TOKEN lub x-harness-api-key.
Przykłady użycia
- Nawigacja po dużej bazie kodu: Pomaga agentom AI szybko lokalizować punkty wejścia i łańcuchy wywołań, redukując potrzebę intensywnego skanowania plików.
- Ocena wpływu zmian: Umożliwia programistom i agentom śledzenie wywołujących, wywoływanych oraz pełnego zasięgu wpływu dowolnego symbolu przed wprowadzeniem zmian w kodzie.
- Przyspieszenie agentów AI i budowanie kontekstu: Zapewnia agentom AI strukturalne zrozumienie bazy kodu, aby zredukować rundy eksploracyjne i obniżyć zużycie tokenów.
Codegraph oferuje lokalne, oparte na grafach podejście do inteligencji kodu, służąc zarówno programistom, jak i agentom AI. Zwiększa zrozumienie kodu, przyspiesza przepływy pracy agentów i pomaga w analizie wpływu bez polegania na zewnętrznych usługach. Zdolność narzędzia do dostarczania precyzyjnego, istotnego kontekstu kodu może znacząco poprawić efektywność rozwoju.
