kunal12203/GrapeRoot

解決する課題

GrapeRootは、AIコーディングアシスタントに関連する時間とトークンコストを削減することを目的としています。AIがツール呼び出し（シンボルの検索やルートの追跡など）を使ってコードベースを複数ターンにわたって探索する必要を強いるのではなく、GrapeRootはAIが質問を受け取る前に、最も関連性の高いコードコンテキストをプロンプトに事前に読み込みます。

動作方法

GrapeRootはユーザーとAIアシスタントの間に位置するランチャーとして機能します。以下のプロセスで動作します：

1. グラフスキャン：プロジェクトディレクトリにローカルなセマンティックグラフとして、ファイル、関数、クラス、インポート関係を抽出します。
2. コンテキスト取得：質問が投げられた際、グラフは関連性の高いファイルをランク付けし、自動的にプロンプトにパッケージ化します。
3. セッションメモリ：システムはどのファイルが読み込まれたり編集されたり、クエリされたかを追跡し、将来のターンでそれらをより高い重みで扱うことで、以降の相互作用をより効率的にします。
4. MCPツール：必要に応じてAIが深く探索できるように、グラフに意識的なツール（例：graph_read と graph_retrieve）を提供します。

対象ユーザー

大規模なコードベースで作業し、レイテンシーやトークン使用量、タスク完了に必要なターン数を削減したい、AIコーディングアシスタント（Claude Code、Cursor、GitHub Copilot、Gemini CLIなど）を利用する開発者。

特徴

• 事前読み込みコンテキスト：AIアシスタントが通常、コードを探すためにターンを費やす「探索フェーズ」を排除します。
• 広範なツール互換性：Claude Code、Cursor、OpenAI Codex CLIなど、幅広いAIツールと互換性があります。
• ローカル処理：すべてのセマンティックグラフ処理はマシン上でローカルに実行されます。
• 実証されたパフォーマンス：ベンチマークでは、アーキテクチャ設計において最大81%のコスト削減が確認され、タスクあたりの平均ターン数が11.7から3.5に減少しました。