codebase-memory-mcp: Lokale Wissensgraphen für KI-Coding-Agenten

ArtikelRavi SaiveAnleitung

codebase-memory-mcp ist ein in C geschriebenes MCP-Backend, das Quellcode per Tree-sitter in einen SQLite-Wissensgraphen überführt. Dadurch können KI-Coding-Agenten wie Claude Code Codebasen strukturiert abfragen und den Token-Verbrauch drastisch senken.

Das Wichtigste

  1. Erstellt Wissensgraphen mit Funktionen, Klassen, Aufrufen und Routen via Tree-sitter in einer lokalen SQLite-Datenbank.
  2. Reduziert laut Projekt-Benchmark den Token-Verbrauch bei Strukturabfragen um rund 99 Prozent (3.400 statt 412.000 Tokens).
  3. Wird als statische C-Binärdatei ohne Laufzeitabhängigkeiten ausgeliefert und unterstützt 158 Programmiersprachen.
  4. Arbeitet vollständig lokal ohne Telemetrie und verbindet sich über das Model Context Protocol (MCP) mit Tools wie Claude Code oder Gemini CLI.
  5. Beinhaltet CLI-Befehle zum Indexieren, Suchen sowie Nachverfolgen von Aufrufen (trace_path) und bietet eine optionale 3D-Graph-Visualisierung.

Warum das relevant ist

KI-Agenten scannen bei strukturellen Fragen häufig Repositories wiederholt von Grund auf, was viel Zeit kostet und das Token-Budget belastet. Ein vorberechneter Wissensgraph entlastet das Kontextfenster und liefert schnellere, präzisere Antworten zu Beziehungen im Code.

Einordnung

Ravi Saive beschreibt die Einrichtung und den praktischen Nutzen des Tools für Entwickler unter Linux. Der Vorteil liegt in der Aufgabenteilung: Statt LLMs rohe Textdateien nach Funktionsaufrufen oder Klassenhierarchien durchsuchen zu lassen, übernimmt ein lokaler Parser die strukturelle Analyse deterministisch. Da keine Daten an externe Server übertragen werden und kein Docker- oder Python-Setup nötig ist, lässt sich der Server schnell in bestehende agentenbasierte Workflows integrieren.

Gefunden in

Zusammenfassung von KI erstellt (Gemini 3.8 Flash, 27. September 2026). Sie kann Fehler enthalten – maßgeblich ist die Originalquelle.

Inhaltlich ähnlich, ermittelt über die KI-Suche.

  • Repository:DeusData/codebase-memory-mcp

    codebase-memory-mcp: Wissensgraph-basierte Code-Intelligence über MCP

    codebase-memory-mcp ist ein in reinem C geschriebener Model Context Protocol (MCP) Server, der Quellcode in Wissensgraphen indiziert. Er ermöglicht KI-Coding-Assistenten wie Cursor oder Claude Code blitzschnelle Strukturabfragen bei drastisch reduziertem Token-Verbrauch.

    42.282SterneC

    KI & AI· Tool

  • Repository:MemPalace/mempalace

    MemPalace: Lokales Open-Source-Gedächtnissystem für KI-Agenten

    MemPalace ist ein lokales Speichersystem für KI-Konversationshistorien, das Daten wortwörtlich ohne Zusammenfassungen ablegt und über semantische Suche strukturiert abrufbar macht.

    58.848SternePython

    KI & AI· Tool

  • Repository:Graphify-Labs/graphify

    Graphify: Codebases und Dokumente in Wissensgraphen für KI-Coding-Assistenten transformieren

    Graphify wandelt Quellcode samt Dokumentation, SQL-Schemas, Konfigurationsdateien und PDFs in abfragbare Wissensgraphen um. Das Python-basierte Open-Source-Tool integriert sich als Skill in Assistenten wie Claude Code, Cursor, Codex und die Gemini CLI, nutzt deterministisches AST-Parsing und verzichtet auf Vektordatenbanken.

    114.888SternePython

    KI & AI· Tool

  • Link:graphify.net

    Graphify: Wissensgraphen für KI-Coding-Assistenten

    Graphify ist ein Open-Source-Skill und MCP-Server, der Wissensgraphen aus Quellcode, Dokumentationen, wissenschaftlichen Arbeiten und Diagrammen erstellt, um KI-Programmierassistenten ein besseres Verständnis komplexer Repositories zu ermöglichen.

    KI & AI· Tool

  • Repository:rohitg00/agentmemory

    agentmemory: Persistentes Gedächtnis für KI-Coding-Agenten

    agentmemory ist eine Open-Source-Lösung in TypeScript, die Coding-Agenten und MCP-Clients ein dauerhaftes Gedächtnis verleiht. Basierend auf der iii-Engine erweitert das Tool das LLM-Wiki-Muster von Andrej Karpathy um Wissensgraphen, Konfidenz-Scoring, Lebenszyklen und hybride Suche.

    28.038SterneTypeScript

    KI & AI· Tool

Lassen Sie uns über Ihr Projekt sprechen

Standorte

  • Mattersburg
    Johann Nepomuk Bergerstraße 7/2/14
    7210 Mattersburg, Austria
  • Wien
    Ungargasse 64-66/3/404
    1030 Wien, Austria

Dieser Inhalt wurde teilweise mithilfe von KI erstellt.