그래피파이: 대규모 코드베이스 및 문서를 위한 쿼리 가능한 지식 그래프
graphify는 Graphify Labs에서 제공하며, 프로젝트 폴더를 AI 어시스턴트를 위한 쿼리 가능한 지식 그래프로 변환합니다. 코드 구조를 추출하고, 문서 및 멀티미디어를 수집하며, 원시 파일이 아닌 특정 서브그래프를 목표로 하는 의미론적 쿼리를 위한 MCP 서버와 CLI를 노출합니다. 주요 요소로는 결정론적 AST 파싱, 출처 레이블이 있는 엣지, 라이덴 클러스터링, SHA-256 증분 캐싱, HTML/JSON/Obsidian 내보내기가 포함됩니다. 대규모 리포지토리에서 더 정확한 컨텍스트 검색이 필요한 소프트웨어 엔지니어와 AI 연구원을 위해 설계되었습니다.
실제로 어떤 작업에 사용할 수 있나요?
이 도구는 AI 코딩 도우미가 목표 지향적인 의미 검색을 수행하고 프로젝트 내의 구조적 관계를 탐색할 수 있도록 하는 로컬 메모리 레이어 역할을 합니다. 이 도구는 코드, 문서, PDF, 이미지 및 전사에서 엔터티와 관계를 구조화된 그래프로 매핑하여 에이전트가 종속성, 기호가 정의된 위치 및 동일한 아키텍처 커뮤니티에 속하는 모듈에 대한 집중적인 쿼리에 답변할 수 있게 합니다. 예시 통합에는 Claude Code, Cursor 및 Codex가 포함됩니다.
그의 검색 결과는 얼마나 정확하고 감사할 수 있나요?
코드에 대한 추출은 결정론적입니다 이 도구는 추출 단계에서 LLM을 호출하지 않고 AST 기반 노드를 구축하기 위해 tree-sitter를 사용하기 때문입니다. 모든 그래프 엣지는 EXTRACTED, INFERRED 또는 AMBIGUOUS로 출처가 태그되어 있어 소비자가 관계를 신뢰하기 전에 출처를 감사할 수 있습니다. 이 프로젝트는 에이전트가 원시 파일 대신 서브그래프를 쿼리할 때 측정된 71.5배의 토큰 사용 감소를 보고하며, "reflect" 기능은 향후 검색 정확도를 개선하기 위해 피드백을 수집합니다.
어떤 파일 형식과 환경을 수용하나요?
입력 유연성은 다중 모드입니다: 이 도구는 소스 코드(40개 이상의 언어), PDF, SQL 스키마, 이미지, 다이어그램 및 로컬 전사 도구로 생성된 비디오 또는 오디오 전사를 인덱싱합니다. 이 도구는 Python 3.10+를 지원하는 모든 환경에서 실행되며, SHA-256 캐싱을 사용하여 그래프를 점진적으로 업데이트하므로 변경된 파일은 전체 재처리가 필요하지 않습니다. 내보내기 옵션에는 대화형 HTML 시각화, 프로그래밍적 사용을 위한 JSON 및 지식 관리를 위한 Obsidian 금고가 포함됩니다.
기존 AI 코딩 워크플로에 적합한가요?
통합은 MCP 설정 및 CLI 워크플로에 맞춰져 있습니다. 이 도구는 MCP 준수 호스트가 그래프를 직접 쿼리할 수 있도록 하는 MCP 서버를 구현하며, 독립형 명령줄 유틸리티로도 기능합니다. 개발자는 크로스 플랫폼 Python 지원 및 IDE 통합 경로를 언급합니다. 일부 사용자는 특정 MCP 클라이언트에 대한 초기 구성에서 JSON 경로의 수동 조정이 필요할 수 있다고 보고하며, 이는 실시간 쿼리 전에 설정 단계를 추가합니다.
검증 가능한 로컬 프로젝트 메모리가 필요한 팀을 위한 실용적인 선택
이 도구는 AI 지원 코딩을 위해 검증 가능하고 쿼리 가능한 프로젝트 메모리가 필요한 엔지니어와 연구자에게 실용적인 옵션입니다. 이 도구는 장치에서 구조화된 출처 태그가 있는 컨텍스트를 생성합니다. 특정 MCP 클라이언트를 연결할 때 짧은 구성 단계가 필요할 것으로 예상되며, 중요한 결정을 내리기 전에 INFERRED 관계를 검증할 계획을 세우십시오.
