🚨AI 에이전트를 위해 3분 만에 전체 Linux 커널(2,800만 줄의 코드)을 인덱싱하는 방법은?

에이전트가 파일을 하나씩 읽게 두는 것을 중단하십시오.

codebase-memory-mcp라는 매혹적인 새로운 오픈 소스(open-source) 릴리스가 있습니다.

이것은 전통적인 파일 검색을 고속 AST(Abstract Syntax Tree) 지식 그래프(knowledge graphs)로 교체하는 코드 인텔리전스 엔진입니다.

이 프로젝트를 돋보이게 만드는 것은 그 뒤에 숨겨진 연구입니다.

31개의 실제 저장소(repositories)를 대상으로 평가되었으며(arXiv:2603.27277에 상세 설명), 이러한 구조적 변화는 엄청난 효율성 향상을 가져옵니다:
→ 구조적 쿼리(structural queries)에 필요한 토큰(tokens) 99% 감소
→ 복잡한 작업 전반에서 83%의 답변 품질 달성
→ 필요한 도구 호출(tool calls) 2.1배 감소

이 엔진은 함수(functions), 클래스(classes), HTTP 경로(routes), 그리고 서비스 간 링크를 그래프로 매핑합니다. 에이전트가 컨텍스트(context)가 필요할 때, 그래프에 직접 쿼리합니다.

보안 또한 우선시됩니다. 모든 작업은 단일 정적 바이너리(static binary)를 통해 사용자의 기기에서 100% 로컬(locally)로 수행됩니다.

완전히 로컬에서 실행됩니다.

Docker, Ollama, API 키가 필요 없습니다.

바이너리를 다운로드하고 에이전트를 재시작하기만 하면 바로 작동합니다.

우리는 훌륭한 인덱스 하나로 AI 개발 비용을 제로로 만드는 데 한 걸음 다가선 것일까요?

논문 및 저장소 링크는 스레드에 있습니다 ↓
[IMG:https://pbs.twimg.com/media/HK4diwob0AEPhLR.jpg]