MCP server codegraph
Commit 4 de nov. de 2026Analisa repositórios TypeScript, JavaScript e Python para gerar grafos de chamada, análise de impacto e arqueologia de código via análise estática.
Também conhecido como attnstack/codegraph
- Stars
- 1
- Ferramentas
- —
- Downloads, 30 dias
- —
- Versão mais recente
- 1.0.0
- Último commit
- 4 de nov. de 2026
- Licença
- MIT
O que é o MCP codegraph?
codegraph é um MCP server. Analisa repositórios TypeScript, JavaScript e Python para gerar grafos de chamada, análise de impacto e arqueologia de código via análise estática.
Resumo gerado a partir do README do projeto
Sobre o MCP server de codegraph
Analisar os efeitos cascata de mudanças de código em repositórios TypeScript, JavaScript ou Python é o que o codegraph permite aos desenvolvedores. Ao usar o tree-sitter para converter o código em um grafo de chamada abrangente, ele fornece respostas precisas sobre quem chama cada função, análise de impacto e linhagem de código. Esta ferramenta foi projetada para engenheiros que precisam de algo mais do que simples buscas de texto ou consultas de referência de um único nível ao refatorar ou depurar sistemas complexos.
Os usuários podem interagir com o sistema via interface de linha de comando ou conectá-lo a clientes de IA como Claude Code ou Cursor usando o protocolo MCP stdio. O servidor roda localmente e pode ser implantado via Docker para evitar a instalação do toolchain do Rust. Ele gerencia dados por meio de um banco de dados SQLite local e realiza atualizações incrementais para garantir que as consultas permaneçam rápidas mesmo conforme os arquivos mudam. Diferente de ferramentas baseadas em vetores, ele depende de análise estática determinística para fornecer resultados reproduzíveis, rotulando explicitamente chamadas dinâmicas que não podem ser resolvidas estaticamente.
O que você pode fazer com ele
- 1Avaliar impacto de refatoraçãoDetermine quais partes de uma base de código serão afetadas ao alterar uma função específica.
- 2Rastrear caminhos de execuçãoSiga o fluxo lógico de um ponto de entrada através de várias funções intermediárias até chamadas externas.
- 3Identificar código mortoLocalize funções órfãs que não estão mais sendo chamadas dentro do repositório.
- 4Realizar arqueologia de códigoInvestigue o histórico de um símbolo para ver quais commits e pull requests introduziram linhas específicas.
Escrito a partir do README do projeto. Cada caso de uso é verificado com uma citação dele.
Verificações automatizadas
Executado em 15 de nov. de 2026Relatório completo →Ainda não verificado. Um servidor precisa de uma pontuação de 80, nenhum problema grave e dados suficientes para verificarmos. Como as verificações funcionam · O que corrigir para ganhar mais pontos
- Repositório de origem vinculado e acessívelattnstack/codegraph is public and reachablegithub.com/attnstack/codegraph ↗Passou
- O pacote indica este repositório como sua origemNão verificado
- Proveniência da build (atestação Sigstore)Não verificado
- Licença de código aberto (OSI)MITspdx.org/licenses/MIT.html ↗Passou
- Commit ou release no último anoLast commit or release 2026-11-04github.com/attnstack/codegraph ↗Passou
- OpenSSF ScorecardNão verificado
- Nome do pacote não é próximo a um pacote popularNão verificado
- Nenhum aviso crítico no pacote ou em suas dependênciasNão verificado
- Sem instruções ocultas para o modelo0 tool descriptions and the README read; no override phrases, credential paths or hidden charactersPassou
- Ferramentas destrutivas estão rotuladasNão verificado
- O endpoint remoto responde ao handshake do MCPNão verificado
README
Ver no GitHubcodegraph
改一行代码,怎么知道会波及哪些地方?IDE 的"查找引用"只给一跳,全局搜索只会匹配文本。codegraph 用 tree-sitter 把整个 TypeScript/JavaScript(以及 Python)仓库解析成一张调用图(函数 / 类 / 文件 × 调用 / 继承 / 导入),然后直接回答:
- 谁调用了它 —— 每个调用点带源码位置
- 改它影响谁 —— 影响面按风险排序,每条附完整调用链
- 从入口到 DB/外部调用 中间经过了谁
所有结论来自静态解析,每条边都能点回源码。解析不了的地方(动态调用、同名歧义、被局部变量遮蔽)会明确标成 dynamic 列出来,而不是硬塞一个可能错的答案给你。不需要向量库,不需要上传代码,查询结果可复现。

快速上手
git clone https://github.com/attnstack/codegraph.git && cd codegraph
cargo build --release
# 对任意 TS/JS 仓库建图(仓库自带一个演示项目)
./target/release/codegraph index --root fixtures/demo-app
# 问它问题
./target/release/codegraph who-calls charge --root fixtures/demo-app
# 开发态:保存即自动增量重建(可另开一个终端挂着)
./target/release/codegraph watch --root fixtures/demo-app
./target/release/codegraph impact charge --root fixtures/demo-app
./target/release/codegraph trace Checkout.createOrder format --root fixtures/demo-app
./target/release/codegraph callees charge --root fixtures/demo-app # 它调用了谁
./target/release/codegraph dead-code --root fixtures/demo-app # 孤儿函数
./target/release/codegraph cycles --root fixtures/demo-py # import 循环(python 仓库)
./target/release/codegraph hotspots --root fixtures/demo-app
Python 仓库用法完全一样——试试 --root fixtures/demo-py。
impact 的输出长上面截图那样:按风险排序的受影响清单 + 每条的证据链。风险分的算法在架构文档里,一句话版本是"沿调用链每跳衰减 0.8,不同边类型不同权重"。
接入 Claude Code / Cursor
CLI 之外还有一个 MCP stdio 出口,Agent 可以直接调用同一套查询:
{
"mcpServers": {
"codegraph": {
"command": "/path/to/codegraph",
"args": ["mcp", "--root", "/path/to/your/repo"]
}
}
}
不想装 Rust 工具链的话,仓库带了 Dockerfile:
docker build -t codegraph .
docker run -i --rm -v /path/to/your/repo:/repo codegraph # 起 MCP stdio
docker run --rm -v /path/to/your/repo:/repo codegraph index --root /repo # 当 CLI 用
提供 9 个工具:who_calls / impact / trace / callees / dead_code / cycles / hotspots / search / archaeology。改完文件不用手动重建——每次工具调用前会做 mtime/size 预筛,发现漂移自动增量更新。协议实现是手写的最小 JSON-RPC 子集,用官方 TypeScript SDK 做了契约测试(这也是 CI 的一部分)。
archaeology 单独说一下:基于 git blame -C 做代码考古,输入一个符号,返回它每行是哪个 commit 引入的、谁写的、关联哪个 PR。接手别人的老模块时挺好用。
为什么不用向量库
语义相似不等于真有调用关系。改代码影响评估需要的是确定的边,不是"感觉相关的前 k 个"。代价也很实在:解析成本(靠增量更新摊薄)和语言覆盖(目前只有 TS/JS)。如果你要的是"帮我找实现某个业务概念的代码",这是另一类问题,embedding 检索更合适,两者不冲突。
工作原理
graph LR
A[文件发现<br>gitignore 感知] --> B[tree-sitter 解析<br>并行,仅变更文件]
B --> C[符号解析<br>全量视图重跑]
C --> D[(SQLite / WAL)]
D --> E[查询层<br>闭包 / 双向 BFS / PageRank]
E --> F[CLI]
E --> G[MCP stdio]
H[git blame] --> E
几个关键取舍(细节在 docs/ARCHITECTURE.md):
- 节点身份不含行号。span 只是属性,否则每编辑一次全部节点 id 洗牌,增量更新就没法做了。
- 每个调用点单独存一行(refs 表),边表只是聚合缓存。证据链、增量重解析的原材料,都是同一份 refs。
- 增量的正确性靠拆分:tree-sitter 解析(贵)只做变更文件;符号解析(便宜,全是哈希查找)每次对全量视图重跑。所以"增量结果 == 全量重建"能拿 fuzz 测试证明——随机改文件,两边各查一遍全部符号,逐字段断言相等。这个测试在 CI 里跑。
性能
我机器上(Ryzen 7 7735H,Windows 11,release 构建)跑合成语料(700 个文件、10.5 万行、1.5 万节点 / 3.3 万边):
| 操作 | 耗时 |
|---|---|
| 全量重建 | 0.77s |
| 单文件变更增量更新 | 0.87s |
| 各查询命令 | 0.19–0.21s |
查询那 0.2s 基本是进程启动和快照装载,算法本身毫秒级。同目录 grep -rn 一遍要 0.35s,而且它只能给你文本行。
说句实话:这个规模下全量重建本来就不慢,增量并不比它快。增量的价值在于正确性模型(上面说的 fuzz 等式)和更大的语料/更慢的磁盘。数字怎么测的、怎么复现,见 scripts/bench.sh。
已知不足
- JS 没有类型信息,
obj.method()这类调用很多解析不出来,进了 dynamic 桶。要彻底解决得接 tsc 的类型表,暂时没做。 - 装饰器路由、DI 容器、monkey-patch 这类运行时魔法,静态分析原则上无解,全部如实标 dynamic。
- 证据链是调用链,不含数据流。严格的影响面要程序切片(SDG),是后面想做的方向。
- 语言适配器覆盖 TS/JS 和 Python。加一门语言 = 一个 grammar 依赖 + 一份 queries 文件 + 在 parse.rs 注册(见 CONTRIBUTING);python 的 import 环检测也顺带做了,但 barrel 式 re-export 链目前只在 TS 侧支持。
- benchmark 用的是合成语料,真实大型 monorepo(workspace 协议、多层 tsconfig extends)没回归过。
更新日志
版本历史见 CHANGELOG.md。
License
Perguntas sobre o MCP codegraph
Quais linguagens de programação são suportadas?
A ferramenta suporta atualmente TypeScript, JavaScript e Python.
Como ela lida com chamadas dinâmicas ou referências ambíguas?
Chamadas não resolvíveis, como chamadas dinâmicas ou ambiguidades de nomes, são explicitamente rotuladas como 'dynamic' em vez de fornecer respostas potencialmente incorretas.
Posso usar com Claude Code ou Cursor?
Sim, ele fornece uma saída MCP stdio que permite que agentes de IA chamem o mesmo conjunto de consultas.
É necessário um banco de dados vetorial?
Não, ele depende de análise estática e não requer um banco de dados vetorial ou o upload de código para um serviço externo.