别再让 Agent 一页页翻代码了：44 千星的代码知识图谱引擎

AI coding agent 干活时最烧 token 的环节，不是写代码，是"找代码"——一页页翻文件、一次次 grep，上下文窗口全填了这些中间过程。

今天登上 GitHub Trending 的 codebase-memory-mcp（44.7 千 stars，MIT）把这个问题做成了引擎：给 agent 配一个毫秒级检索的代码知识图谱。 arXiv 论文实测数据：回答质量 83%，token 消耗省 10 倍，工具调用少 2.1 倍。

它是怎么做的

纯 C 编写的原生可执行文件，不带任何语言运行时，下载跑一次 install 就完事，macOS、Linux、Windows 全平台覆盖。

索引能力是核心卖点：普通仓库毫秒级完成全量索引，Linux 内核这种 2800 万行、7.5 万个文件的目标也只要 3 分钟，之后结构化查询响应不到 1 毫秒。

解析分两层：tree-sitter AST 覆盖 162 种语言，13 种主流语言（Python、TypeScript、Go、Rust、Java、Kotlin 等）再用 Hybrid LSP 做语义增强，最终产出一个持久化的知识图谱——函数、类、调用链、HTTP 路由、跨服务调用关系全在里面。

以 MCP 服务器形态接入，带 17 个工具，官方标注支持 45 种客户端自动或条件接入。工程规范也堆满了：8050 个测试通过、SLSA 3、OpenSSF Scorecard、每个 release 过 VirusTotal 扫描，还有一个 arXiv 预印本（2603.27277）讲设计和基准。

快速上手

以 Claude Code 这类支持 MCP 的客户端为例，装好后把 server 注册进去即可，无 API key、无托管服务、无运行时依赖。具体到每个客户端的接入命令，仓库 README 按平台分得非常细，照抄即可。

接入之后 agent 的提问方式会从"帮我找一下处理支付的代码在哪"变成直接问"支付处理的调用链是什么"，返回的不再是文件路径列表，而是带调用关系的结构化答案。

适合谁用

• 重度使用 coding agent 的开发者：大仓库里干活的 token 账单立竿见影，论文口径是省 10 倍；
• 维护多服务大型代码库的团队：跨服务调用关系、HTTP 路由进知识图谱这点，比 grep 强出一个代际；
• 在意供应链安全的团队：SLSA 3 + VirusTotal + 开源可审计这套组合不多见。

一个定位提醒：它解决的是"agent 怎么高效读懂代码库"，不解决生成质量——前者是成本问题，后者是模型问题，两件事。另外 arXiv 还是预印本（未经同行评审）， benchmark 来自作者自测，但 8050 个测试和全开源的代码摆在那里，可信度有基础。

仓库地址：github.com/DeusData/codebase-memory-mcp（MIT）。