elara-labs/code-context-engine

解決する課題

Code Context Engine (CCE) は、AIコーディングアシスタントがファイル全体を再読み込みするのを防ぐことで、高コストとレイテンシを削減します。大量の生コードをLLMのコンテキストウィンドウに投入する代わりに、CCEはコードベースをローカルにインデックス化し、AIが最も関連性の高いスニペットのみを検索・取得できるようにすることで、入力トークンの使用量を大幅に削減します。

仕組み

1. インデックス作成: エンジンは Tree-sitter を使用してコードをセマンティックなチャンク（クラス、関数、モジュール）にパースし、sqlite-vec を使用してローカルにベクトル埋め込みとして保存します。
2. 検索: AIエージェントが context_search ツールを呼び出すと、CCEはハイブリッド検索（ベクトル類似性と BM25 キーワードマッチングの組み合わせ）を実行し、コードグラフを使用してインポートや呼び出しを介して関連ファイルを取り込みます。
3. 圧縮: 取得されたチャンクは、LLMに送信される前にシグネチャとdocstringに圧縮され、トークンをさらに節約します。
4. メモリ: ローカルの SQLite データベースを使用して、セッションをまたいで決定事項や作業中のコード領域を保持し、AIが以前のアーキテクチャの選択を想起できるようにします。
5. 統合: Model Context Protocol (MCP) を介して、さまざまなAIエディタやエージェント（Claude Code, Cursor, VS Code, Gemini CLI など）と統合されます。

対象ユーザー

APIコストを抑え、レスポンス速度を向上させ、コードベースのインデックス作成を完全にローカルかつプライベートに保ちたい、AIコーディングエージェント（Claude Code や Cursor など）を使用している開発者。

ハイライト

• 大幅なトークン節約: FastAPI などのプロジェクトで 94% の取得節約をベンチマークで実証。
• ローカルファースト: クラウドインデックスなし。すべてのデータはマシン内に保持されます。
• セッションをまたぐメモリ: 再起動をまたいでアーキテクチャの決定や特定のコード領域を記憶します。
• 幅広い互換性: MCP とポータブルな Agent Plugin 標準を通じて、複数のエディタとエージェントをサポートします。
• 組み込みの分析機能: プロバイダーの価格設定に基づいた実際のドル節約額を追跡するためのダッシュボードと CLI ツールが含まれています。
• デフォルトでセキュア: PII を自動的に削除し、.env や認証情報などの機密ファイルを無視します。