GlitterKill/sdl-mcp

Symbol Delta Ledger (SDL-MCP) is a policy-centered context budget layer for coding agents: Symbol-graph intelligence combined with precision tools. It turns sprawling codebases into compact, high-signal context that saves tokens, speeds up workflows, and improves agent output.

解決的問題

SDL-MCP 解決了 AI 編碼代理的「上下文預算」問題。它不將整個原始碼檔案輸入 LLM（這會消耗 token 並引入雜訊），而是為代理提供一種結構化方式，使其僅發現並檢索完成特定任務所需的程式碼與元資料。

工作原理

該系統將程式碼庫索引為符號圖。採用一種稱為「鳶尾花門梯」的分層檢索方法，允許代理從緊湊的元資料（符號卡片）逐步升級到骨架、熱路徑，最終取得有界原始碼視窗。它利用 tree-sitter 進行結構分析，並可整合 SCIP 或語言提供方的事實，實現精確的交叉引用。此專案實作了 Model Context Protocol (MCP)，透過 stdio 或 HTTP 與 AI 客戶端通訊。

適用對象

專為需要高效導航大型程式碼庫，但又不希望過度佔用模型上下文視窗的 AI 編碼代理開發者或使用者設計。

主要亮點

  • 符號卡片：每個符號的緊湊元資料，使代理無需開啟完整檔案即可開始探索。
  • 圖切片：基於程式碼庫關係與任務範圍檢索子圖，而非單純的目錄邊界。
  • 增量包：分析版本間變更，識別受影響的符號並計算 PR 審查的「影響範圍」。
  • 即時索引：透過即時覆蓋層支援草稿緩衝區更新，實現檔案儲存前的即時上下文更新。
  • 開發記憶：可選儲存與程式碼庫直接關聯的決策記錄與任務筆記。
  • 工具閘道：提供靈活的工具介面（Flat、Gateway 或 Code 模式），以優化向 AI 客戶端暴露的工具數量。

相關

  • 專案
    Context-Engine-AI/Context-Engine

    一個透過 MCP 提供 AI 編碼助手深層程式碼庫上下文、記憶與導航工具的語義程式碼搜尋與符號智慧系統。

  • 專案
    forloopcodes/contextplus

    一個透過 RAG、AST 解析與譜聚類技術，將大規模程式碼庫轉換為可搜尋的層級功能圖，從而提供高精度 AI 編碼上下文的 MCP 伺服器。

  • 專案
    CodeGraphContext/CodeGraphContext

    一個將本地程式碼倉儲索引至圖資料庫的工具包與MCP伺服器，為AI代理與開發者提供呼叫鏈與類別層次等結構上下文。

  • Dispatch
    使用 MCP 進行程式碼執行：打造更高效的 AI Agent

    Anthropic 推出了一種讓 AI Agent 透過程式碼執行而非直接工具呼叫來與 Model Context Protocol (MCP) 伺服器互動的方法，從而減少 Token 消耗並提高效率。

  • 專案
    trailhq/Graft

    Graft 是一個開源的 TypeScript/Node.js 工具，利用 tree-sitter 進行結構化解析，並可選地使用 LLM 摘要，建立本地、基於 Markdown 的程式碼庫知識圖譜（摘要、關鍵程式碼片段、類型化連結）。圖譜快取於 `graft/` 資料夾中，僅在檔案變更時刷新，並自動整合至 Claude Code、Cursor、Codex 和 Gemini 等編碼代理。基準測試顯示，最多減少 46% 的工具呼叫、42% 的 token 消耗、60% 的延遲，並在 SWE-bench 上實現 12 點準確率提升。整合透過單一 `graft init` 命令完成，產生代理專用的指示檔案；CLI 還提供搜尋、視覺化與遙測控制功能。專案採用 MIT 授權，目標是實現更快、更低成本的 AI 輔助開發。