jgravelle/jcodemunch-mcp

解決する課題

AIエージェントは特定のコードを探すためにファイル全体を読み込むことが多く、トークンを浪費し、コストを増加させ、コンテキストウィンドウを消費してしまいます。jCodeMunchは、エージェントが必要な正確なコード（特定の関数、クラス、メソッドなど）のみをバイト単位の精度で取得できるようにし、トークン使用量を大幅に削減します。

仕組み

このプロジェクトは、tree-sitter AST解析を使用してコードベースを一度インデックス化し、構造化されたシンボルメタデータ（シグネチャ、種類、バイトオフセット）のローカルインデックスを作成します。エージェントはファイル全体を読み込む代わりに、このインデックスをクエリしてシンボルを見つけ、必要な特定のシンボルの実装のみをオンデマンドで取得できます。

対象ユーザー

AIエージェント（Claude Code、Cursor、Windsurf、Continueなど）を使用しており、大規模なリポジトリや不慣れなコードベースを扱い、AIコストを削減しエージェントの信頼性を向上させたい開発者。

主な特徴

• 極めて高いトークン効率: grep-and-readアプローチと比較してトークン使用量を28.3倍削減し、コストを86〜99%削減することを確認済みです。
• 構造化クエリ: grepでは不可能な複雑な分析（インポーターの検索、変更による「影響範囲」の計算、デッドコードの検出など）をエージェントが実行可能になります。
• 幅広い言語サポート: tree-sitterを通じて70以上の言語をサポートしています。
• ローカルファースト設計: インデックスはローカルに保存され、LLMにコードを送信する前に自動的に機密情報を秘匿化するシステムが含まれています。
• MCP互換: Model Context Protocol (MCP) サーバーとして動作し、さまざまなAI対応IDEやCLIツールと統合可能です。