codebase-memory-mcp: Code Intelligence cho AI Agent
/codebase-memory-mcp
Hãy chọn codebase-memory-mcp nếu agent AI của bạn tốn token grep một codebase lớn và bạn muốn nó truy vấn cấu trúc từ một graph cục bộ thay vì đọc file; một truy vấn graph có thể thay hàng chục vòng đọc/grep. Bỏ qua nếu repo đủ nhỏ để đọc file trực tiếp là ổn, hoặc bạn e ngại một README nặng tính tiếp thị với các con số tiêu đề (giảm 99% token, 158 ngôn ngữ) chưa được kiểm chứng độc lập. Nó chạy dưới dạng một binary tĩnh không phụ thuộc runtime, nên thử nó rất rẻ.
Agent đốt token vì cứ grep rồi đọc file
Agent AI khám phá code lạ theo cách chậm: đọc một file, grep một ký hiệu, đọc file khác, lặp lại. Trên một repo lớn, việc đó đốt hàng nghìn token mà vẫn bỏ sót các chuỗi gọi xuyên file. Agent không có mô hình bền vững về cách các phần code ghép lại, nên mỗi phiên lại tái khám phá cùng một cấu trúc từ đầu.
Knowledge graph có thể truy vấn, gói trong một binary
codebase-memory-mcp là một code intelligence MCP server mã nguồn mở (giấy phép MIT) biến codebase thành knowledge graph truy vấn được. Viết bằng C, đóng gói thành một binary tĩnh duy nhất, nó dùng tree-sitter phân tích code qua nhiều ngôn ngữ — README nói là 158 — cộng một lớp 'Hybrid LSP' giải kiểu cho khoảng một chục ngôn ngữ. Nó lưu graph trong SQLite và phơi 14 công cụ MCP cho tìm kiếm, trace lời gọi và phân tích tác động. Không có LLM tích hợp — MCP client của bạn là lớp thông minh.
14 công cụ MCP cho call graph và dead code
- ✓Knowledge graph bền vững: index hàm, class, chuỗi gọi, route HTTP và liên kết xuyên dịch vụ vào SQLite, tồn tại qua các phiên
- ✓14 công cụ MCP gồm trace chuỗi gọi, phát hiện dead code, phân tích tác động trên git diff, và truy vấn graph kiểu Cypher
- ✓Phân tích tree-sitter mà README ghi là 158 ngôn ngữ, cùng lớp Hybrid LSP giải kiểu cho khoảng 12 ngôn ngữ gồm Python, TypeScript, Go, Java và Rust
- ✓Tìm kiếm ngữ nghĩa trên graph qua embedding nomic-embed-code gói sẵn trong binary — không cần API key hay máy chủ mô hình ngoài
- ✓Một binary tĩnh cho macOS, Linux và Windows, không phụ thuộc runtime; một lệnh install tự cấu hình 11 coding agent
- ✓Graph artifact chia sẻ nhóm: file graph.db.zst nén zstd mà bạn có thể commit để đồng đội bỏ qua bước reindex đầy đủ
- ✓UI trực quan hóa graph 3D tùy chọn tại localhost:9749 trong một bản build riêng
Thuần C, embedding tích hợp sẵn, không cần Docker
Cho agent AI một cái nhìn cấu trúc rẻ về codebase đang là bài toán nóng, và dự án này giải nó bằng một stack khác thường: C thuần, grammar tree-sitter nhúng sẵn, SQLite trong bộ nhớ, và embedding gói sẵn biên dịch vào binary — không Docker, không API key, không Ollama. README ghép chuyện đó với một preprint arXiv và các con số benchmark mạnh, rồi tự cấu hình cho 11 coding agent chỉ từ một lệnh install, hạ thấp rào cản dùng thử.
Cài một dòng lệnh, tự cấu hình cho 11 agent
codebase-memory-mcp đóng gói thành một binary tĩnh duy nhất. Trên macOS hoặc Linux, lệnh cài một dòng theo README là `curl -fsSL https://raw.githubusercontent.com/DeusData/codebase-memory-mcp/main/install.sh | bash` (thêm `-s -- --ui` để có UI graph). Trên Windows bạn tải `install.ps1`, chạy `Unblock-File` rồi chạy nó. Nó cũng có trên npm, PyPI, Homebrew, Scoop, Winget, Chocolatey và AUR. Lệnh `install` tự phát hiện các coding agent và ghi cấu hình MCP cho chúng, nên sau khi khởi động lại bạn chỉ cần nói 'Index this project'.
Chỉ cần bảo agent 'Index this project'
Sau khi cài, khởi động lại agent và index repo — ví dụ trong README là bảo agent 'Index this project.' Từ đó agent gọi các công cụ MCP: `trace_path` để lần theo một chuỗi gọi, `search_graph` cho mẫu tên cấu trúc, `get_architecture` cho tổng quan, hoặc `detect_changes` để ánh xạ một git diff. Cũng có chế độ CLI, ví dụ `codebase-memory-mcp cli search_graph '{"project":"my-project","name_pattern":".*Handler.*"}'`, và tùy chọn `auto_index` để project mới được index ngay ở lần kết nối đầu.
Truy vết call chain trước khi sửa code
- •Để coding agent trace ai gọi một hàm xuyên các file trước khi bạn sửa nó
- •Tìm dead code — các hàm không có ai gọi — trên một repo lớn
- •Ánh xạ phạm vi ảnh hưởng của một git diff chưa commit tới các ký hiệu bị tác động
- •Cho agent một cái nhìn tổng quan kiến trúc (ngôn ngữ, điểm vào, route, hotspot) trong một lời gọi thay vì nhiều lần đọc file
- •Cắt chi phí token cho việc khám phá codebase lặp lại trong các phiên agent dài
Token được tiết kiệm từ đâu
- ✓Một binary tĩnh, không Docker, không API key, không phụ thuộc runtime — rào cản thiết lập thực sự thấp
- ✓Chạy 100% cục bộ và README khẳng định không thu thập telemetry, nên code không rời khỏi máy bạn
- ✓Thay nhiều vòng grep/đọc bằng một truy vấn graph duy nhất, đó là chỗ tiết kiệm token
- ✓Một lệnh install cấu hình MCP và hook cho 11 agent, nên bạn không phải sửa config bằng tay
- ✓Giấy phép MIT, và thiết kế được hậu thuẫn bởi một preprint arXiv mà README dẫn
Đọc số liệu benchmark với sự dè dặt
- △README nặng tính tiếp thị, và các con số tiêu đề (giảm 99% token, chất lượng trả lời 83%, 158 ngôn ngữ) lấy từ chính preprint của tác giả — hãy coi đó là benchmark của nhà cung cấp, không phải kết quả độc lập
- △Viết bằng C và phân phối dưới dạng binary dựng sẵn; trên Windows, SmartScreen báo nó chưa ký, nên bạn đang tin vào checksum đã ký và bản quét antivirus mà README dẫn
- △Không có LLM tích hợp theo thiết kế — nó chỉ tốt ngang MCP client điều khiển nó, và một agent yếu sẽ không hỏi đúng truy vấn graph
- △Nó ghi vào file cấu hình agent và pre-tool hook của bạn khi cài, xâm lấn hơn so với việc chỉ đăng ký một MCP server thường
- △Hybrid LSP chỉ giải kiểu cho khoảng 12 ngôn ngữ; hơn 140 ngôn ngữ còn lại chỉ dựa vào tree-sitter, nên giải quyết xuyên file yếu hơn ở đó
LightRAG, DesktopCommanderMCP, Sourcegraph, Serena
Ai thực sự cần một code graph
Lập trình viên chạy agent AI trên các repo lớn hoặc xa lạ và thấy chúng đốt token tái khám phá cùng một cấu trúc. Nếu bạn làm trong một monorepo hoặc một codebase đủ lớn để grep từng file là cực hình, một graph truy vấn được rất đáng. Nếu dự án của bạn nhỏ, hoặc bạn không muốn chạy một binary dựng sẵn có sửa config agent, lợi ích mỏng hơn.
Giải đáp thắc mắc về codebase-memory-mcp
codebase-memory-mcp là một code intelligence MCP server viết bằng C, index một codebase thành knowledge graph bền vững. Agent AI sau đó truy vấn graph đó — chuỗi gọi, dead code, kiến trúc — thay vì đọc từng file.
README khẳng định nó chạy 100% cục bộ và không thu thập telemetry, nên code, truy vấn và cách dùng của bạn ở lại trên máy. Graph được lưu trong SQLite dưới thư mục cache của bạn.
README ghi phân tích tree-sitter cho 158 ngôn ngữ, với lớp Hybrid LSP giải kiểu sâu hơn cho khoảng 12 — gồm Python, TypeScript/JavaScript, Go, C, C++, Java, Kotlin, Rust, PHP, C# và Perl.
Cho đọc file khiến agent grep và đọc lặp lại; README cho biết năm truy vấn graph cấu trúc tốn khoảng 3.400 token so với khoảng 412.000 cho tìm kiếm từng file. Graph còn giải các chuỗi gọi xuyên file mà grep bỏ sót.
Không. Nó không có LLM tích hợp và gói embedding vào binary, nên không có API key, Ollama hay Docker phải cấu hình — MCP client của bạn là lớp thông minh.
Repo liên quan
Vẫn đang phân vân về codebase-memory-mcp?
Một cú bấm sẽ gửi câu hỏi kèm trang này cho AI — xem AI nói gì về codebase-memory-mcp.