Codebase-Memory: Tree-Sitter-Based Knowledge Graphs for LLM Code Exploration via MCP
Dit paper introduceert Codebase-Memory, een open-source systeem dat via het Model Context Protocol (MCP) een persistente, Tree-Sitter-gebaseerde kennisgrafiek construeert om LLM-codeagenten te laten navigeren in codebases met aanzienlijk minder tokens en tool-aanroepen dan traditionele bestandsverkenning.
Oorspronkelijk artikel gelicentieerd onder CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/). Dit is een AI-gegenereerde uitleg van het onderstaande artikel. Het is niet geschreven of goedgekeurd door de auteurs. Raadpleeg het oorspronkelijke artikel voor technische nauwkeurigheid. Lees de volledige disclaimer
Stel je voor dat je een gigantische bibliotheek binnenstapt, maar in plaats van boeken, zitten er miljoenen losse bladzijden met computercode door elkaar. Je hebt een slimme assistent (een AI) die je moet helpen een specifiek antwoord vinden, bijvoorbeeld: "Wat gebeurt er met het hele gebouw als ik deze ene muur verwijder?"
De oude manier waarop AI's dit deden, is alsof de assistent elke losse bladzide één voor één moet lezen, zoeken naar de naam van die muur, en dan hopelijk de volgende bladzijde vinden die erover gaat. Dit kost enorm veel tijd, veel energie (in dit geval "tokens" of rekenkracht) en vaak raakt de assistent de draad kwijt omdat er te veel informatie is.
Codebase-Memory is een nieuwe, slimme oplossing die dit probleem oplost. Hier is hoe het werkt, vertaald naar alledaagse taal:
1. De "Google Maps" voor Code
In plaats van de assistent te laten bladeren door losse bladzijden, bouwt Codebase-Memory eerst een perfecte, interactieve kaart van de hele bibliotheek.
- De Analogie: Stel je voor dat je in plaats van een stapel ongeordende landkaarten, een GPS-systeem krijgt dat precies weet welke weg naar welke stad leidt, welke bruggen er zijn en welke wegen verbonden zijn.
- Hoe het werkt: Het systeem leest de code één keer in en maakt een visueel netwerk (een "kennisgraf") van alle onderdelen. Het weet precies welke functie welke andere functie aanroept, welke modules bij elkaar horen en welke delen van de code met elkaar verbonden zijn.
2. De "Super-Snelheid" (Tree-Sitter & MCP)
Het systeem gebruikt een slimme techniek genaamd Tree-Sitter.
- De Analogie: Stel je voor dat je een boek niet letter voor letter leest, maar direct de hoofdstukken, de personages en de verhaallijnen herkent. Tree-Sitter snapt de structuur van de taal, ongeacht of het Python, Java of C++ is (het ondersteunt 66 talen!).
- De "MCP" (Model Context Protocol): Dit is als een universele stekker. Het zorgt dat deze slimme kaart direct en veilig verbonden is met de AI-assistent. De AI hoeft niet meer te "gissen" of te zoeken; het kan gewoon vragen: "Toon me alle wegen die naar deze stad leiden," en krijgt direct het antwoord.
3. Waarom is dit zo veel beter?
De onderzoekers hebben dit getest tegen de oude methode (alleen maar bestanden lezen) in 31 verschillende programmeertalen.
- Snelheid: De nieuwe methode is 10 keer sneller en gebruikt 10 keer minder rekenkracht.
- Efficiëntie: De AI moet 2 keer minder vaak vragen stellen om hetzelfde antwoord te krijgen.
- Kwaliteit: Voor vragen over de structuur (zoals: "Wie gebruikt deze functie?") is de nieuwe methode net zo goed, en soms zelfs beter, dan het oude methodes.
4. Veiligheid: De "Kippenhok"
Omdat dit systeem als een los programmaatje draait dat toegang heeft tot je bestanden, is veiligheid cruciaal.
- De Analogie: Stel je voor dat je een nieuwe bewaker voor je huis huurt. Je wilt zeker weten dat hij geen dief is.
- De Oplossing: De makers hebben een extreem streng controlesysteem gebouwd. Elke versie van het programma wordt getest door meer dan 70 verschillende antivirusprogramma's, gecontroleerd op verdachte code, en getest op manipulatie voordat het überhaupt vrijgegeven wordt. Het is alsof je bewaker eerst door een leger van experts gecheckt wordt voordat hij de sleutels krijgt.
5. Wanneer werkt het wel, en wanneer niet?
Het systeem is niet perfect voor alles.
- Waar het uitmunt: Het is fantastisch voor het begrijpen van verbanden. "Als ik dit verander, wat breekt er dan?" of "Wie gebruikt deze knop?"
- Waar het minder goed is: Als je de exacte tekst van een regel code nodig hebt om te zien hoe een zinnetje geschreven is, moet de AI soms nog even naar het "boek" kijken. Maar voor de grote lijnen is de kaart veel beter.
Conclusie
Codebase-Memory verandert de manier waarop AI's met computercode omgaan. In plaats van blindelings door bergen papier te bladeren, geeft het de AI een strategische kaart in handen. Hierdoor wordt het sneller, goedkoper en slimmer om complexe software te begrijpen, te repareren en te verbeteren. Het is een stap van "blind zoeken" naar "slim navigeren".
Verdrinkt u in papers in uw vakgebied?
Ontvang dagelijkse digests van de nieuwste papers die bij uw onderzoekswoorden passen — met technische samenvattingen, in uw taal.