trailhq/Graft

何を解決するか

AIコーディングエージェントは、タスクを開始する際に常に「目隠し状態」になり、コードベースの構造や論理を理解するために、多くのトークン、時間、ツール呼び出しを再び費やします。Graftは、エージェントがコードベースに一度オンボーディングすれば、各セッションで繰り返し行う必要がなくなる、永続的で再生成可能なコンテキスト層を提供します。

仕組み

Graftは、graft/フォルダ内にローカルに保存されたリンクされたMarkdownファイルのセットとして、コードベースのグラフを構築します。2段階プロセスを使用します：

1. 構造解析：LLMを必要とせず、tree-sitterを使用してシンボルと呼び出しエッジの決定論的コードグラフを作成します。
2. LLM要約：LLMが各ファイルを要約し、これらの要約をカスタマイズされたノード（サブシステム、概念、または重要なファイル）にグループ化し、型付きリンク（例：depends_on、implements）を付与します。

このグラフは、gitによって無視されるローカルキャッシュとして保存され、クエリの前に自動的に更新され、未コミットの編集を含む現在のワークツリーを反映します。

対象ユーザー

Claude Code、Cursor、Gemini、CopilotなどのAIコーディングエージェントを使用し、大規模なコードベースで遅延を低減し、APIコストを下げ、エージェント生成パッチの正確性を向上させたい開発者向けです。

特徴

• 効率性の向上：ベンチマークでは、"コールド"エージェントセッションと比較して、ツール呼び出しを最大46%削減、トークンを42%削減、遅延を60%削減しました。
• 正確性の向上：SWE-bench Verifiedの解決率が54%から66%に向上しました。
• ベンダー非依存：OpenAI、Anthropic、OpenRouterなど、APIキーによる任意のLLMプロバイダーに対応。ローカルモデルも利用可能。
• 広範な言語対応：22言語をサポート。TypeScript/JavaScript、Python、Go、Java、Rについては、完全な忠実度の抽出器を提供。
• シームレスな統合：graft initという1コマンドで、人気のあるコーディングエージェントのネイティブインストラクションファイルにツールを接続できます。