Coding‑Agents verbrauchen den größten Teil ihrer Tokens, indem sie Dateien lesen, die sie nicht benötigen — Claude Code, das beim Start 33 k Tokens verbraucht, war ein ganzes Diskussionsthema. code-review-graph, jetzt das #1‑AI‑Repo auf GitHub Trending mit 20 125 Sternen und +356 in einem Tag, greift dieses Problem direkt an. Es ist ein local-first-MCP-Server plus CLI: Tree-sitter parst dein Repository in einen persistenten Graphen — Funktionen, Klassen, Aufrufe, Vererbung — in lokalem SQLite. Anstatt ganze Dateien in den Kontext zu laden, fragt der Agent den Graphen nach dem „Blast‑Radius“ einer Änderung und liest nur diesen.
Die Zahlen
Über 6 reale Repos hinweg beträgt die mediane Token‑Reduktion etwa 82‑fach pro Frage, mit einem Höchstwert von 528‑fach im 1 122‑Dateien‑Code‑Base von FastAPI. Inkrementelle Updates schließen in weniger als 2 Sekunden ab. MIT‑lizenziert, über 20 Sprachen, alles bleibt auf deiner Maschine.
Integration in deinen Agent
pip install code-review-graph, dann konfiguriert ein install-Befehl automatisch Claude Code, Cursor, Codex, Windsurf, Zed und mehr. Es stellt 30 MCP‑Tools bereit — impact-radius-Analyse, semantische Suche, risikogewichtete Änderungs‑Erkennung. Typischer Anwendungsfall: Code‑Review in einem großen Monorepo, ohne dass der Agent 500 Dateien liest, um eine Frage zu beantworten.
Der Kontext ist derzeit das Kostenzentrum von Coding‑Agents. Das ist die Picks-and-Shovels-Antwort: eine Index‑Schicht für das gesamte MCP‑Ökosystem.