코드베이스(Codebase)가 커지면 AI 프로그래밍 어시스턴트(AI programming assistant)가 가장 시간을 낭비하는 부분은 파일을 반복해서 스캔하는 것입니다. 아키텍처(Architecture) 관련 문제 하나를 해결하기 위해 grep, find, read를 여러 차례 호출해야 할 수도 있습니다. CodeGraph의 아이디어는 먼저 코드베이스에 시맨틱 그래프(Semantic Graph)를 구축하는 것입니다.

GitHub: https://t.co/dQqEeWVtTc

이 도구는 프로젝트 내의 심볼 관계(Symbol relationship), 호출 그래프(Call graph), 코드 구조를 미리 인덱싱하여, Claude Code, Cursor, Codex, opencode, Hermes Agent와 같은 도구들이 먼저 그래프를 조회한 뒤 실제로 어떤 파일을 읽어야 할지 결정하게 합니다.

주요 특징:

• 코드베이스를 위한 사전 인덱싱된 지식 그래프(Knowledge Graph) 생성 (심볼 관계(Symbol relationship), 호출 그래프(Call graph), 코드 구조 포함)
• Claude Code, Cursor, Codex CLI, opencode, Hermes Agent 지원
• 설치 프로그램이 해당 에이전트(Agent)의 MCP 서버(MCP server), 명령어 및 권한을 자동으로 구성
• 자체 런타임(Runtime)을 포함하여 로컬 네이티브 빌드(Native build)가 필요 없음
• 공식 벤치마크(Benchmark) 결과, 여러 실제 오픈 소스 프로젝트에서 평균적으로 토큰(Token) 57% 감소, 시간 46% 감소, 도구 호출(Tool call) 71% 감소
• 대규모 저장소(Large repository)에서 이점이 더 뚜렷함. 에이전트가 처음부터 전체 저장소를 스캔하는 대신 인덱스를 통해 먼저 답변할 수 있기 때문

대규모 프로젝트의 리팩토링(Refactoring), 아키텍처 이해, 호출 체인(Call chain) 분석을 수행할 때, 이러한 "코드를 읽기 전에 지도를 먼저 보는" 방식은 수많은 무효한 탐색 시간을 줄여줄 것입니다.