abhigyanpatwari/GitNexus

GitNexus: The Zero-Server Code Intelligence Engine

ここに属するか？はい

これは本物の、実質的なソフトウェアプロジェクトです。リストやチュートリアル、デモではありません。AI コーディングエージェントがコードを理解する方法を改善するために設計された、ネイティブなコードインデックスパイプライン（Tree-sitter 解析、グラフストレージ、MCP サーバー、CLI、Web UI）を構築します。

何をするか（平易に言うと）

Cursor、Claude Code、Codex などの AI コーディングアシスタントはコードを書くのは得意ですが、大規模なコードベースの構造に対してはしばしば盲目です。ある関数を編集しても、他の 47 の関数がそれに依存していることを知らないため、「無害な」変更が日常的にビルドを壊します。

GitNexus は、コードベース全体の知識グラフを事前に構築することでこれを修正します。 AI に生のファイルを段階的に掘り下げさせる代わりに、すべてを事前にインデックスします：すべてのファイル、関数、依存関係、呼び出しチェーン、実行フロー。次に、このグラフを MCP（Model Context Protocol） を通じて AI エージェントに公開します。これは AI エージェントに追加ツールを提供する標準的な方法です。

使用方法

  • CLI + MCP（推奨）： リポジトリで npx gitnexus analyze を実行してインデックスします。npx gitnexus setup を実行してエディタ（Claude Code、Cursor、Codex など）を自動接続します。これを実行すると、設定が書き込まれ、エージェント用の「スキル」がインストールされ、グラフコンテキストを自動的に注入するフックが登録されます。
  • Web UI： ブラウザベースのグラフエクスプローラーとチャット。完全にブラウザ内（WASM 経由）または「ブリッジモード」で動作し、再アップロードせずにローカル CLI インデックスに接続します。

中核となるアイデア：事前計算されたリレーショナルインテリジェンス

従来の「グラフ RAG」は AI に生のグラフエッジを与え、それを 1 つずつクエリさせます（例：クエリ 1：呼び出し元を検索 -> クエリ 2：どのファイル？ -> ... 4 回のクエリ後）。GitNexus は答えを事前計算します。「UserService に依存するものは？」と AI に尋ねると、ツールは単一の呼び出しで 8 つの呼び出し元、3 つのクラスター、信頼スコアを返します。これにより、答えが信頼でき（トークンコストの高いマルチクエリチェーンをスキップ）、インデクサーが重い作業を行うため、より小さい/安価な LLM もより良く機能します。

主な機能（19 の MCP ツール + リソース）

  • impact：爆発半径分析——シンボルを変更した場合に壊れるすべてをリストします。
  • trace：2 つの関数間の最短パス。
  • detect_changes：Git 差分影響——変更された行を影響を受けるプロセスにマッピングします。
  • rename：セマンティックリネーム（安全なリファクタリング）、ドライラン付き。
  • explain / pdg_query：プログラム依存グラフ（PDG）分析によるステートメントレベルのフローと汚染/ソース-シンクパスのデバッグ。
  • さらに query（ハイブリッドセマンティック+キーワード検索）、route_map（API エンドポイント）、read_file / grep などのツール。

また、エージェントスキル（影響分析、デバッグ、リファクタリングなど）を生成し、Claude Code、Codex など用のフックをインストールして、エージェントが行動する前に検索がグラフコンテキストで自動的に強化されるようにします。

内部構造

  • 解析： Tree-sitter（CLI はネイティブ、Web は WASM）。多くの言語をサポート。一部（Kotlin、Dart、Proto、Swift）はベンダー提供のグラマーとプリビルドバイナリを使用。
  • ストレージ： LadybugDB（CLI 用の高速ネイティブグラフ DB、ブラウザ用 WASM）。
  • 埋め込み： HuggingFace Transformers/ONNX によるオプションのローカルセマンティック検索（オプトインインストール）。

対象読者

中規模から大規模なコードベースで AI コーディングアシスタントを使用し、「AI が幻覚で悪い編集をした」ことにうんざりし、ツールに深い構造的コンテキストを求めるエンジニアリングチームと個人開発者。

注意点と実用的なメモ

  • ライセンス： PolyForm 非商用（非商用利用は無料ですが、商用利用にはライセンスが必要です）。
  • セットアップの癖： 埋め込み機能には Node >= 22.15 が必要。npm 11 ユーザーはクラッシュする可能性があります。pnpm またはグローバルインストールを推奨。
  • デプロイ： Render へのワンクリックデプロイは月額約 $35（サーバー + Web インスタンス + ディスク）。
  • スケール： CLI は任意のサイズの完全なリポジトリを処理します。純粋なブラウザ内 Web UI は約 5k ファイルに制限されます（バックエンドブリッジを使用しない限り）。

関連

  • プロジェクト
    tirth8205/code-review-graph

    code‑review‑graphは、Tree‑sitterでリポジトリを解析し、ASTから得られたノード/エッジをSQLiteグラフに格納し、MCP互換のAIコーディングアシスタントに最小限のブレースト・レディウススライスを提供するPythonパッケージです。質問あたりのトークン使用量を約63倍削減し、30種類以上の言語（ノートブックを含む）をサポート、インクリメンタルな更新、PHP/LaravelおよびJava/Spring向けのフレームワーク対応エッジ、CI用GitHub Actionによるリスクスコア付きレビュー、オプションのセマンティック埋め込みを提供します。ベンチマークでは大きなトークン削減と、影響分析の平均F1が0.69を達成しています。このツールは、正確で低オーバーヘッドのコンテキストが必要なLLMベースのコードレビュアーを使用する開発者やチームを対象としています。

  • プロジェクト
    neo4j-labs/create-context-graph

    Create Context Graph は、Neo4j ナレッジグラフをバックエンドに持つフルスタック AI アプリケーションを scaffold する CLI ウィザードです。ドメイン（例: ヘルスケア）、LLM エージェントフレームワーク（Strands、PydanticAI、LangGraph など）、メモリバックエンド（ホスト型 NAMS またはセルフホスト型 Neo4j）を選択します。このツールは、FastAPI バックエンド、Next.js + Chakra UI フロントエンド、Neo4j スキーマ、オプションのデモデータ、SaaS ソース用コネクタを生成します。グラフ拡張エージェントをすばやくプロトタイプでき、フルCypherとGDSサポートが必要な場合は、オプションの本番グレードのセルフホストモードも利用できます。

  • プロジェクト
    jeffhajewski/latticedb

    LatticeDB は、埋め込み型の単一ファイルのプロパティグラフデータベースで、ネイティブの HNSW ベクトル類似度検索と BM25 全文インデックスも提供します。統一された Cypher スタイルのクエリ言語、ACID トランザクション、Python、TypeScript/Node、Go、Java 向けのバインディングを備えており、ローカルナレッジグラフアプリ、エージェントメモリ、RAG パイプラインに適しています。

  • プロジェクト
    zereight/gitlab-mcp

    GitLab MCP サーバーは、軽量で一度インストールするだけで、GitLab の API を 275 個の MCP 互換ツール（イシュー、マージリクエスト、パイプライン、Wiki、リリースなど）として AI エージェントに公開するバイナリです。PAT または OAuth 認証、複数のトランスポート（stdio、SSE、ストリーミング可能な HTTP）、きめ細かい権限モードをサポートし、ローカル、Docker、またはカスタム GitLab インスタンスで実行できます。Claude、Codex、Cursor、VS Code、Copilot などの MCP クライアント向けに設計されており、LLM 駆動のワークフローがカスタムコードを書かずに GitLab リソースを管理できます。

  • プロジェクト
    ahmedkhaleel2004/gitdiagram

    GitDiagramは、GitHubリポジトリのインタラクティブなアーキテクチャ図と解説動画を自動生成するAIツールであり、AIエージェントがコードベース構造をクエリするためのMCPサーバーを提供します。