CodeGraphContext (CGC)

是什么

CodeGraphContext (CGC) 是一个基于 Python 的工具，可将本地代码库转换为一个 图数据库，包含符号、调用、导入、继承及其他关系。该图可通过命令行查询，或通过 MCP（模型-控制-协议）提供，使 AI 助手（如基于聊天的代码辅助工具）能够获取精确的符号级上下文，而非仅进行文本搜索。

核心功能

功能	你将获得
代码索引	使用 tree-sitter（可选 SCIP 索引器）解析源文件，并构建知识图谱。
多语言支持	内置支持 23 种语言（Python、JS/TS、Java、C/C++、Go、Rust、Solidity 等）。
CLI 工具集	提供 cgc index、cgc analyze callers <sym>、cgc watch、cgc list 等命令，用于本地交互式分析。
MCP 服务器模式	运行基于 FastAPI 的服务器（cgc mcp start），响应 AI IDE 扩展的自然语言查询。
数据库后端	嵌入式 FalkorDB Lite（Unix 默认）、KuzuDB、LadybugDB 或外部 Neo4j/Nornic – 可通过 cgc config db 选择。
实时更新	cgc watch 监控目录，文件变更时自动更新图谱。
预索引包	提供热门仓库的预构建 .cgc 包，可跳过索引步骤。
Docker 支持	提供官方 Docker 镜像和 Compose 配置，实现快速、语言无关的执行。
可视化（高级功能）	Web UI 可渲染代码库的交互式力导向图。

工作原理（高层次工作流）

1. 解析 – Tree-sitter（可选 SCIP）提取符号、调用、导入等信息。
2. 构建图谱 – 提取的数据转换为节点/边，并存储在选定的图数据库中。
3. 查询 – CLI 或 MCP 服务器对图谱运行类似 Cypher 的查询。
4. 消费 – AI 代理或开发者接收结构化结果，如调用链、类层次结构、未使用代码列表等。

典型使用场景

• 跨文件和包追踪调用链。
• 理解类层次结构和模块边界。
• 检测未使用代码、热点区域或意外依赖。
• 为 AI 助手提供人类维护者所用的相同结构化上下文。
• 生成可视化图谱用于项目文档或入职引导。

快速入门

# 安装包
pip install codegraphcontext

# 索引当前仓库

cgc index .

# 执行简单查询，例如函数的调用者

cgc analyze callers my_function

# 启动 MCP 服务器以集成 AI IDE

cgc mcp setup   # 一次性配置

cgc mcp start   # 启动 FastAPI 服务器

Docker 用户：

docker pull codegraphcontext/codegraphcontext:latest

docker run --rm -v "$(pwd):/workspace" codegraphcontext/codegraphcontext cgc index .

谁在维护

由 Shashank Shekhar Singh（MIT 许可证）创建并维护。项目为开源，拥有 CI 状态徽章、Discord 社区和公开网站。

---

以上所有信息均直接来自仓库的 README；未添加任何外部假设。