Как подружить ИИ-агента с огромным легаси без потери контекста и денег

Знакомая ситуация: вы просите Claude или ChatGPT разобраться в логике старого проекта, а он начинает «галлюцинировать» или просто выедает весь лимит токенов, пытаясь прочитать сотни файлов через обычный grep. Даже современные агенты вроде Claude Code часто ведут себя как слепые котята, когда дело касается глубоких связей между сервисами или сложных цепочек вызовов.

На днях я наткнулся на репозиторий codebase-memory-mcp. Это сервер протокола MCP (Model Context Protocol), который превращает ваш код в структурированный граф знаний. Вместо того чтобы скармливать нейронке сырой текст, инструмент строит карту функций, классов и зависимостей, которую ИИ понимает с полуслова.

В чем проблема обычного поиска

Когда ИИ-агент пытается понять ваш код, он обычно делает это «в лоб». Он запускает поиск по строкам, открывает файлы один за другим и пытается удержать всё это в голове. Проблема в том, что контекстное окно не резиновое. Если проект большой, агент быстро забывает начало цепочки вызова или начинает путать похожие методы в разных модулях.

Разработчики проекта DeusData заявляют впечатляющие цифры: использование их графа сокращает потребление токенов в 120 раз. Там, где обычному агенту нужно прогнать через себя 400 тысяч токенов, с этим инструментом хватает трех-четырех тысяч. Это не просто экономия денег на API, это в первую очередь точность ответов.

Что умеет этот движок

Проект написан на «чистом» C и использует SQLite для хранения данных. Это дает дикую скорость. Индексация ядра Linux (а это 28 миллионов строк кода) занимает всего три минуты. Обычный проект на Django или React «проглатывается» за пару секунд.

Вот несколько вещей, которые меня зацепили:

• Понимание архитектуры. Инструмент видит не просто текст, а структуру. Он различает эндпоинты API, понимает, какая функция вызывает другую, и даже находит «мертвый» код, который никем не используется.
• Поддержка 66 языков. Благодаря tree-sitter, движок понимает почти всё — от Python и TypeScript до Rust и COBOL. Причем для C, C++ и Go он умеет выводить типы в стиле LSP.
• Визуализация. В комплекте идет (опционально) 3D-визуализатор графа. Можно буквально покрутить свой проект в браузере на localhost:9749 и увидеть, как модули связаны между собой.
• Интеграция с агентами. Одной командой install утилита прописывается в конфиги Claude Code, Zed, Aider и еще десятка популярных инструментов.

Тот самый 3D-граф, который можно покрутить в браузере

Как это работает под капотом

Интересно, что авторы решили не встраивать внутрь свою LLM для перевода запросов в команды к базе данных. Они рассудили здраво: раз вы уже общаетесь с умным агентом (например, Claude 3.5 Sonnet), пусть он и занимается трансляцией.

Вы спрашиваете: «Кто вызывает метод ProcessOrder?». Агент понимает намерение и вызывает инструмент trace_call_path. Движок за миллисекунды проходит по графу и возвращает структурированный ответ. В итоге ИИ видит четкую цепочку, а не пытается угадать её по косвенным признакам.

Для хранения используется SQLite в режиме WAL, а данные сжимаются алгоритмом LZ4. Это позволяет держать индекс даже очень больших проектов прямо в памяти во время работы, не нагружая диск.

Практическая польза для разработчика

Самый очевидный кейс — это онбординг в новый проект или рефакторинг старого. Вместо того чтобы вручную строить диаграммы в голове, вы даете агенту доступ к codebase-memory-mcp.

Например, можно попросить: «Найди все эндпоинты, которые принимают UserID, но не проверяют права доступа». Инструмент найдет связи между HTTP-роутами и методами валидации, которые обычный текстовый поиск пропустит.

Еще одна крутая фича — detect_changes. Она анализирует ваш текущий git diff и показывает «радиус поражения»: на какие функции и модули повлияют ваши правки. Это отличная подстраховка перед коммитом.

Как попробовать

Установка максимально простая, без Docker и лишних зависимостей. Для macOS и Linux достаточно одной команды в терминале:

curl -fsSL https://raw.githubusercontent.com/DeusData/codebase-memory-mcp/main/install.sh | bash

Если хотите сразу с визуализацией, добавьте флаг --ui. После установки достаточно перезапустить вашего ИИ-агента и сказать ему: «Index this project».

Стоит ли оно того

Проект выглядит очень бодро. Особенно радует, что это не очередной облачный сервис, а локальная утилита. Весь ваш код остается на вашей машине, никакие данные не улетают на чужие сервера для индексации.

Конечно, есть нюансы. Качество анализа для некоторых языков вроде Haskell пока ниже, чем для мейнстримных Python или Go. Но список поддерживаемых технологий и скорость работы перекрывают эти шероховатости.

Если вы активно используете ИИ в повседневной разработке и чувствуете, что он начинает «тупить» на сложных задачах, этот инструмент может стать тем самым недостающим звеном. По крайней мере, возможность увидеть свой проект в виде 3D-графа точно стоит десяти минут на установку.