colbymchenry/codegraph

CodeGraph – AI 에이전트를 위한 의미론적 코드 인텔리전스

정의 – CodeGraph는 코드베이스의 모든 심볼, 호출 엣지 및 종속성에 대한 지식 그래프를 구축하는 로컬 실행 서비스(Rust로 작성)입니다. 그래프는 숨겨진 .codegraph/ 폴더에 저장되며 파일 변경에 따라 최신 상태로 유지됩니다.

LLM 기반 도구에 중요한 이유 – AI 어시스턴트(Claude Code, Cursor, GitHub Copilot 등)가 질문에 답하거나 변경을 수행해야 할 때 일반적으로 grep, 파일 읽기 및 호출 경로 연결을 통해 코드 구조를 발견해야 합니다. 이는 많은 도구 호출, 토큰 및 시간을 소비합니다. CodeGraph는 에이전트에게 요청과 관련된 정확한 심볼과 호출 체인을 포함하는 단일 사전 계산 페이로드를 제공하여 발견 작업을 크게 줄입니다.

주요 기능

• 풀스택 언어 지원 – 30개 이상의 언어(TS/JS, Python, Go, Rust, Java, C/C++, Swift 등)를 자동으로 파싱합니다. 언어별 구성이 필요 없습니다.
• 크로스 파일, 동적 디스패치 해석 – 그래프는 정적 grep이 놓치는 호출을 캡처하므로 에이전트는 실제 호출 그래프 컨텍스트를 얻습니다.
• 실시간 업데이트 – 파일 감시자가 그래프를 최신 상태로 유지합니다. 에이전트는 재인덱싱 없이 항상 최신 상태를 쿼리합니다.
• 제로 설치 런타임 – CLI는 자체 런타임을 번들하며 macOS, Linux 및 Windows에서 작동하며 npm(@colbymchenry/codegraph)으로도 설치할 수 있습니다.
• 에이전트 통합 – 단일 codegraph install 명령으로 MCP(멀티 클라이언트 프로토콜) 서버를 통해 지원되는 에이전트(Claude Code, Cursor, Codex, Gemini, GitHub Copilot 등)에 서비스를 연결합니다.
• CLI 워크플로 – codegraph init는 인덱스를 생성하고, codegraph upgrade는 도구를 업데이트하며, codegraph uninstall은 모든 에이전트 구성을 제거합니다.

성능 증거 – 7개의 실제 저장소(VS Code, Excalidraw, Django, Tokio, OkHttp, Gin, Alamofire)에 대한 벤치마크 결과:

• 평균 비용 44% 절감, 토큰 62% 절감.
• 도구 호출 88% 감소(종종 단일 codegraph_explore 호출로).
• 그래프가 있을 때 파일 읽기 0회, 없을 때 최대 43회.
• 쿼리당 1.4배에서 3.6배 속도 향상.

사용 방법

1. CLI 설치(curl 스크립트 또는 npm i -g @colbymchenry/codegraph).
2. codegraph install을 실행하여 AI 에이전트를 연결합니다.
3. 프로젝트 내에서 codegraph init을 실행합니다 – 그래프를 구축하고 .codegraph/를 생성합니다.
4. 에이전트는 이제 코드 관련 쿼리에 자동으로 그래프를 사용합니다.

더 알아보기 – 전체 문서, API 참조 및 웹사이트는 https://colbymchenry.github.io/codegraph/ 에서 호스팅됩니다. 호스팅 SaaS 버전의 대기자 명단은 https://getcodegraph.com 에서 이용할 수 있습니다.

---

TL;DR – CodeGraph는 Rust 기반의 언어에 구애받지 않는 코드 그래프 빌더로, 인기 있는 LLM 코딩 어시스턴트에 연결하여 단일 최신 지식 소스를 제공합니다. 이는 발견 오버헤드를 줄이고 토큰 사용량을 줄이며 답변 속도를 높여 AI 기반 코드 지원을 더 효율적이고 저렴하게 만듭니다.