kunal12203/GrapeRoot

해결하는 문제

GrapeRoot는 AI 코딩 어시스턴트와 관련된 시간과 토큰 비용을 줄이기 위해 설계되었습니다. AI가 도구 호출(예: 심볼 검색 또는 경로 추적)을 사용해 코드베이스를 여러 번 탐색하게 하는 대신, GrapeRoot는 AI가 질문을 받기 전에 가장 관련성 높은 코드 컨텍스트를 프롬프트에 미리 로드합니다.

작동 방식

GrapeRoot는 사용자와 AI 어시스턴트 사이에 위치하는 런처로 작동합니다. 다음 프로세스를 통해 동작합니다:

1. 그래프 스캔: 파일, 함수, 클래스, 임포트 관계를 프로젝트 디렉터리에 로컬 세마틱 그래프로 추출합니다.
2. 컨텍스트 검색: 질문이 제기되면 그래프는 관련성이 높은 파일을 순위 매기고 자동으로 프롬프트에 포함합니다.
3. 세션 메모리: 시스템은 어떤 파일이 읽혔는지, 편집되었는지, 질의되었는지를 추적하여 이후 타임스텝에서 더 높은 가중치를 부여해 후속 상호작용을 더 효율적으로 만듭니다.
4. MCP 도구: 필요 시 더 깊은 탐색을 위해 AI가 사용할 수 있는 그래프 인식 도구(graph_read, graph_retrieve 등)를 제공합니다.

대상 사용자

대규모 코드베이스를 다루며, 지연 시간, 토큰 사용량, 작업 완료에 필요한 타임스텝 수를 줄이고자 하는 AI 코딩 어시스턴트(예: Claude Code, Cursor, GitHub Copilot, Gemini CLI 등)를 사용하는 개발자.

주요 특징

• 사전 로드된 컨텍스트: AI 어시스턴트가 일반적으로 코드를 찾기 위해 타임스텝을 소비하는 "탐색 단계"를 제거합니다.
• 광범위한 도구 호환성: Claude Code, Cursor, OpenAI Codex CLI 등 다양한 AI 도구와 호환됩니다.
• 로컬 처리: 모든 세마틱 그래프 처리는 로컬 머신에서 수행됩니다.
• 실증된 성능: 벤치마크 결과, 아키텍처 설계에서 최대 81%의 비용 절감과 작업당 평균 타임스텝 수가 11.7에서 3.5로 감소했습니다.