Как скормить Claude весь проект и не разориться на токенах

Знакомая история: вы пытаетесь объяснить ИИ-ассистенту, как устроена логика в вашем проекте, но он постоянно «забывает» контекст или галлюцинирует, потому что не видит связей между файлами. Можно, конечно, копировать код вручную или закидывать в контекстное окно целые папки, но тогда счет за API вырастет быстрее, чем вы успеете дописать фичу.

Недавно наткнулся на репозиторий claude-context от команды Zilliz. Ребята решили проблему элегантно: они объединили семантический поиск и протокол MCP (Model Context Protocol). Теперь Claude может сам «ходить» по вашему коду, находить нужные куски и подтягивать их в контекст только тогда, когда это реально нужно.

В чем суть проблемы с контекстом

Обычно у нас два пути. Первый — давать ИИ минимум информации, но тогда он выдает общие советы, которые не учитывают специфику вашей архитектуры. Второй — запихнуть в контекст вообще всё. Но у контекстных окон есть лимит, а за каждый лишний токен приходится платить.

Claude Context работает иначе. Он индексирует ваш проект, превращает код в векторы и сохраняет их в базе данных. Когда вы задаете вопрос, инструмент ищет наиболее подходящие фрагменты кода и отдает их Claude. Это экономит до 40% токенов, при этом качество ответов не падает, потому что модель видит именно ту часть кодовой базы, о которой идет речь.

Что умеет этот инструмент

Проект представляет собой MCP-сервер. Это значит, что его можно подключить к Claude Desktop, Cursor или командной строке Claude Code.

Семантический поиск вместо обычного Grep

Вы можете спросить: «Найди функции, которые отвечают за авторизацию пользователей». Инструмент не просто ищет слово "auth", а понимает смысл запроса. Он найдет middleware, методы в контроллерах и даже логику валидации токенов, если они семантически связаны с темой.

Умное разбиение кода

Инструмент не просто режет файлы на куски по 500 символов. Он использует AST (Abstract Syntax Tree) парсеры, чтобы понимать структуру кода. Если вы пишете на TypeScript, Python или Go, Claude Context выделит функции и классы как логические единицы. Это помогает избежать ситуаций, когда поиск выдает середину функции без начала и конца.

Инкрементальная индексация

Если вы изменили пару файлов, вам не нужно переиндексировать весь проект. Благодаря использованию деревьев Меркли (Merkle trees), система видит, какие именно файлы обновились, и точечно обновляет только их. Для больших монорепозиториев это критично.

Архитектура решения

Внутри все устроено довольно серьезно. Код индексируется ядром (@zilliz/claude-context-core), которое умеет работать с разными провайдерами эмбеддингов (OpenAI, VoyageAI, Ollama) и векторными базами данных (Milvus или Zilliz Cloud).

Интересно, что разработчики внедрили гибридный поиск: сочетание классического полнотекстового поиска BM25 и векторного поиска. Это помогает находить точные совпадения по именам переменных и одновременно понимать общий смысл запроса.

Как запустить у себя

Для работы понадобится Node.js версии от 20 до 23 (на 24-й версии пока есть проблемы с совместимостью). Также нужны ключи от OpenAI для создания эмбеддингов и API-ключ Zilliz Cloud (есть бесплатный тариф).

Если вы пользуетесь Claude Code, установка сводится к одной команде:

claude mcp add claude-context \
  -e OPENAI_API_KEY=sk-your-key \
  -e MILVUS_TOKEN=your-zilliz-key \
  -- npx @zilliz/claude-context-mcp@latest

После этого в чате с Claude достаточно написать: Index this codebase. Инструмент просканирует директорию, и теперь ИИ будет «знать» ваш проект.

Практические кейсы

Я вижу несколько ситуаций, где это реально спасает:

1. Онбординг в новый проект. Вместо того чтобы три дня читать документацию, можно просто спрашивать у Claude: «Как здесь устроена обработка ошибок в API?» или «Где лежат конфиги базы данных?».
2. Рефакторинг. Когда нужно изменить интерфейс функции, которая используется в двадцати разных местах. Claude найдет все вхождения и предложит правки с учетом контекста каждого вызова.
3. Поиск багов. Можно описать симптомы ошибки, и семантический поиск выведет на подозрительные участки кода, даже если вы не знаете точных названий методов.

Кому это пригодится

Проект точно зайдет тем, кто уже плотно сидит на ИИ-ассистентах и устал от ограничений контекстного окна. Особенно полезно это будет для работы с легаси-кодом или крупными проектами, где физически невозможно держать всю структуру в голове.

Из минусов — зависимость от внешних сервисов (OpenAI и Zilliz), хотя поддержка Ollama намекает на возможность полностью локального запуска в будущем. Документация местами лаконична, но базовых инструкций хватает, чтобы завести все за пять минут.

Если вы используете Cursor или Claude Desktop, попробуйте подключить этот MCP-сервер. Это один из тех инструментов, которые незаметно, но ощутимо меняют ежедневный воркфлоу.