CodeGraphContext/CodeGraphContext

它解決的問題

CodeGraphContext (CGC) 解決了純文字搜尋與簡單 RAG（檢索增強生成）在分析大型程式碼庫時的限制。雖然 grep 或基於區塊的檢索可以找到字串，但通常會遺漏結構關係——例如呼叫鏈、類別層次結構和模組邊界——這些關係對於深入的整個倉儲推理至關重要。

它如何運作

CGC 使用 Tree-sitter 和可選的 SCIP 索引器解析原始碼，以提取符號、函數、類別及其關係。然後將這些資料儲存在圖資料庫中（支援 FalkorDB、KuzuDB 或 Neo4j 等後端）。此結構化知識圖可透過獨立的 CLI 工具包供開發者手動查詢，或透過 Model Context Protocol (MCP) 伺服器提供給 AI 助手，讓 AI 代理能理解程式碼的實際連接關係。

適用對象

專為需要執行複雜程式碼分析的開發者與 AI 代理創作者設計，例如跨檔案追蹤呼叫鏈、識別無用程式碼，或為 AI 助手提供倉儲的高精度結構上下文。

主要特色

• 雙模式運作： 既可作為手動分析的 CLI 工具包，也可作為 AI 代理的 MCP 伺服器。
• 多語言支援： 支援 23 種程式語言，包括 Python、JS/TS、Java、C++、Rust 和 Solidity。
• 彈性後端： 兼容多種圖資料庫，包含嵌入式選項，可零設定本地快速部署。
• 即時監控： 使用 cgc watch 功能，可自動在檔案變更時即時更新圖資料。
• 預先索引的套件： 可透過 .cgc 套件立即載入知名倉儲，無需重新索引。