CodeGraphContext

把代码库变成关系图，让 AI 助手查得准、答得对

开源 unknown 开发框架

访问官网 ↗ GitHub ↗ 文档 ↗

GitHub 星标 ★ 4277

维护状态活跃

是否开源是

定价模式 unknown

项目预览

项目数据

分类开发框架

开发团队CodeGraphContext

所属国家

官网地址https://cgc.codes

GitHubhttps://github.com/CodeGraphContext/CodeGraphContext

定价模式unknown

价格说明定价信息待确认

访问状态

是否开源是

开源协议MIT

主要语言Python

技术栈/模型codegraph,codegraphcontext,hacktoberfest2025,social-winter-of-code

GitHub 星标★ 4277

30天Star增速

HF 下载量

上线时间2025-08-16 00:00:00

代码更新—

仓库体积—

本站数据更新—

维护状态活跃

中文支持

访问方式

移动端支持

综合评分

收录时间2026-10-16

浏览次数0

项目介绍

CodeGraphContext 是一个 MCP 服务器加命令行工具，它把本地代码库解析成图数据库中的节点与关系，从而为 AI 编程助手提供结构化上下文。传统做法是把代码文件切片后塞进向量库，检索时容易丢失调用链、继承关系和跨文件依赖；这个项目改用图模型，把函数、类、模块以及它们之间的调用、导入、继承等关系显式存起来。AI 助手通过 MCP 协议查询时，可以按符号、文件或关系路径拿到更精确的上下文，减少无关代码干扰。它支持本地索引、增量更新，并提供 CLI 用于初始化、查询和维护图数据，适合在已有 IDE 或 AI 客户端中接入。核心能力包括代码图构建、关系查询、MCP 上下文服务，以及面向 AI 助手的结构化检索接口。

Star 增长趋势

本站每日记录该项目 GitHub 星标变化，观测越久曲线越完整

正在加载星标数据…

技术标签

使用教程

—

难度：入门约 10 分钟部署方式：命令行工具 8 步

环境要求

已安装 Python 与 pip（用于 pip install codegraphcontext）
本地开发贡献需要 git 和 python venv 虚拟环境
默认使用内置图数据库，无需自行安装数据库服务
仅在改用外部 Neo4j 时需要可访问的 Neo4j 地址与账号
使用 Docker 方式运行则无需在宿主机安装 Python

安装与启动步骤

1安装工具包

用 pip 安装已发布的 CodeGraphContext 包，会自动带上所需依赖。
```
pip install codegraphcontext
```
2验证安装

运行帮助命令，能打印出可用 CLI 命令列表就说明装好了。
```
codegraphcontext --help
```

3修复命令找不到

如果提示 codegraphcontext 命令不存在，执行这行官方修复脚本。

curl -sSL https://raw.githubusercontent.com/CodeGraphContext/CodeGraphContext/main/scripts/post_install_fix.sh | bash

4确认运行环境

用 doctor 子命令自检环境与数据库后端是否正常。
```
cgc doctor
```
5建立代码图索引

在项目根目录执行，把代码解析成图数据库中的节点与关系。
```
cgc index .
```
6查询调用关系

以 main 为例查看调用者，验证图查询是否生效（换成自己的符号名）。
```
cgc analyze callers main
```
7配置 MCP 客户端

自动写入 IDE/CLI 的 MCP 配置；客户端不支持时可手动配置。
```
cgc mcp setup
```
8启动 MCP 服务器

启动后 AI 编程助手即可通过 MCP 协议查询代码图上下文。
```
cgc mcp start
```

关键配置

配置项	必填	说明	示例
`mcpServers.CodeGraphContext.command`	是	MCP 客户端启动服务器所用的可执行文件	`codegraphcontext`
`mcpServers.CodeGraphContext.args`	是	启动 MCP 服务器的参数	`["mcp", "start"]`
`NEO4J_URI`	否	改用外部 Neo4j 时填写的连接地址	`YOUR_NEO4J_URI`
`NEO4J_USERNAME`	否	外部 Neo4j 的用户名	`YOUR_NEO4J_USERNAME`
`NEO4J_PASSWORD`	否	外部 Neo4j 的密码	`YOUR_NEO4J_PASSWORD`

如何确认成功

执行 codegraphcontext --help 能看到 CLI 命令列表，或 cgc doctor 通过自检，即表示可用。

常见问题

Q：安装后提示 codegraphcontext: command not found 怎么办？

A：运行 README 给出的一行修复脚本：curl -sSL https://raw.githubusercontent.com/CodeGraphContext/CodeGraphContext/main/scripts/post_install_fix.sh | bash，它会修复命令路径问题。

Q：必须自己安装图数据库吗？

A：不需要。默认使用嵌入式数据库，FalkorDB Lite 为默认后端，KuzuDB 为跨平台嵌入式后端；只有想用外部服务器时才执行 codegraphcontext neo4j setup。

Q：用 pipx 安装时 MCP 配置怎么写？

A：把 command 改为 pipx，args 改为 ["run", "codegraphcontext", "mcp", "start"]，并在 env 中填入 NEO4J_URI、NEO4J_USERNAME、NEO4J_PASSWORD。

Q：想改代码贡献应该怎么装？

A：先 git clone 仓库，进入目录创建 venv 并激活，然后 pip install -e ".[dev]" 做可编辑安装；需要解析相关功能时加装 ".[dev,parsing]"。

注意事项

pip 安装已发布包即可满足使用需求，无需克隆仓库。
Docker 镜像标签有 latest、edge、0.4.19、0.4，进阶用法见 docs/DOCKER.md。
MCP 自动配置失败时，可手动把 mcpServers 配置写进客户端设置文件（如 settings.json 或 .claude.json）。
OpenCode 的 MCP 配置方式见官方 OpenCode MCP Guide。

核心亮点

用图数据库显式存储调用、导入、继承等关系，比纯向量检索更能保留跨文件依赖
同时提供 MCP 服务器和 CLI，既能接入 AI 客户端，也能手动查询和维护索引
Python 实现，本地索引代码，不依赖云端服务，适合私有代码场景

不足之处

项目较新，图 schema 和查询接口可能随版本变化，稳定性待观察
文档和社区生态仍在成长，复杂语言或大型仓库的索引效果需要更多验证

适用场景

在 Cursor、Claude Desktop 等支持 MCP 的 AI 助手中接入，让问答基于代码图而非片段
大型项目里快速查询某个函数的调用方或被调用方，辅助重构和影响分析
团队内部搭建私有代码知识库，为 AI 代码审查和补全提供结构化上下文

替代项目

Sourcegraph、Aider

上一篇：llama_ros

下一篇：awesome-adk-agents