AIコーディングエージェントは毎回セッションをゼロから開始し、あなたのコードベースを記憶していない
エージェントは「ファイルを1つずつ探して」実際にどこに何があるかを突き止めるだけで何千ものトークンを燃やし、その次のセッションでもまた同じことを繰り返す
あなたはこれらのトークンすべてにお金を払っていて、それが実際の作業ではない

Codebase Memory MCPは別のアプローチを取る
コードベースを1度だけ読み取り、そこに含まれる恒久的なマップを構築する。すべての関数、すべての接続、誰が誰を呼び、何が何に依存しているか
その後、エージェントは答えを探すためにファイルを読むのではなく、マップから引いてくる
「この関数を呼んでいるのは何か」「このファイルを変えると何が壊れるのか」といった質問は、20ファイル読み込みの代わりにマップから答えが返ってくる

同じ5つの質問で、これを使わない場合は412,000トークンかかっていたものが、マップを使うと3,400トークンだけで済む
このツールはLinuxカーネル全体をマップ化し、コード2,800万行を3分で行い、さらにそれについての質問にも1ミリ秒未満で答える

問題はリポジトリのサイズに比例して大きくなる。小規模プロジェクトならほとんど気にならない一方で、大規模コードベースはすぐに体感でき、フラッグシップモデルほどさらに悪化する
Claude Fableは、読み取るたびに100万トークンあたり$10、GPT 5.5はその半分だが、Fableではこれら5つの質問が$4以上、MCPで使うとおよそ3セントだ

これが、人々がプロジェクトの途中でより安いモデルにダウングレードする大きな理由の1つだ
コーディングエージェント向けのメモリツールは既に存在するが、このツールを分けているのは3つある：
- このカテゴリの多くのツールは、メモリを作って検索するために別のAIモデルを使い、そのために別のキーや別の請求が発生する。一方これは純粋なパースだけでマップを作り、実行コストはトークンがゼロ
- コードのAI要約を使うツールは、ファイルを編集した瞬間に古くなる。このツールは変わった部分だけを数秒で再構築するので、マップは常にコードと一致する
- すべてのMCPには「エージェントがそれを忘れて、また同じ非効率なやり方で検索し始める」という弱点がある。これもその検索を検知して、マップを結果に差し込むため、AIが無視していても機能する

マップ自体は単一のファイルで、どのチームも簡単にリポジトリへコミットでき、複製した全員がマップを最初から使い始められる
すべては「158のプログラミング言語」を理解する小さな1つのバイナリとして届き、他にインストールするものは何もない
Claude Code、Codex、Geminiを含む11のコーディングエージェントで動作し、すべてローカルで実行されるので、あなたのコードは一切あなたのマシンから外に出ない
作成者はさらにarXivの論文のために31の実コードベースでテストしており、エージェントは同じ仕事を半分のステップで完了した

このプロジェクトは5か月しか経っておらず、スター30,000、アップデート35回。今はGitHubの月間トレンドのトップに位置している

原文表示