colbymchenry/codegraph

해결하는 문제

AI 에이전트는 일반적으로 파일을 반복적으로 읽고, grep을 사용하며, 호출 경로를 수동으로 재구축하여 코드 구조를 파악합니다. 이 프로세스는 느리고 토큰 소모가 많으며 비용이 많이 듭니다. CodeGraph는 코드베이스의 모든 심볼, 호출 엣지 및 의존성에 대한 사전 구축된 시맨틱 지식 그래프를 제공하여, 에이전트가 파일을 하나씩 크롤링하는 대신 단 한 번의 호출로 정밀한 컨텍스트를 검색할 수 있도록 함으로써 이 문제를 해결합니다.

작동 방식

CodeGraph는 Rust 기반 커널을 사용하여 다양한 프로그래밍 언어에 대해 전체 구조 추출 및 파일 간 해소를 수행합니다. 로컬 인덱스(.codegraph/에 저장)를 구축하고 AI 에이전트가 쿼리할 수 있는 MCP (Model Context Protocol) 서버를 제공합니다. 시스템에는 파일 변경을 감시하고 실시간으로 그래프를 업데이트하는 자동 동기화 기능이 포함되어 있어 인덱스가 최신 상태를 유지하도록 합니다.

대상 사용자

Claude Code, Cursor, GitHub Copilot, Gemini 등의 AI 코딩 에이전트를 사용하면서, 대규모 또는 복잡한 코드베이스를 작업할 때 도구 호출 횟수를 줄이고 토큰 비용을 낮추며 에이전트의 응답 속도를 높이고 싶은 개발자.

주요 특징

• 폭넓은 언어 지원: TypeScript, Python, Go, Rust, Java, C#, PHP, Ruby, C/C++, Swift, Kotlin 등을 포함한 방대한 언어를 지원합니다.
• 100% 로컬: 그래프는 사용자의 로컬 머신에 구축 및 저장됩니다.
• 성능 향상: 벤치마크 결과, 파일 읽기 방식의 에이전트와 비교하여 도구 호출 횟수는 최대 88% 감소하고 응답 속도는 최대 3.6배 빨라지는 것으로 나타났습니다.
• 정밀한 컨텍스트: 에이전트가 모든 파일을 순차적으로 읽을 필요 없이 호출 경로와 변경 영향 범위(blast radius)를 식별할 수 있게 합니다.
• 제로 설정 동기화: 파일이 수정, 추가 또는 삭제되면 인덱스가 자동으로 업데이트됩니다.