GitNexus推出MCP原生代码图谱引擎 为Claude Code与Cursor提供全局结构感知
背景与意义
在 AI 辅助编码场景中，Claude Code、Cursor 等 agents 往往只能读取局部文件或依赖多轮 RAG 查询，导致对代码依赖结构缺乏全局认识，修改函数时常出现破坏性错误。GitNexus 以“代码神经系统”为定位，提供一套完整的代码知识图谱并通过 Model Context Protocol（MCP）向 agents 供给结构化上下文，彻底解决了“盲目改动”的痛点。
索引流水线
- 结构阶段：从仓库根目录遍历文件树，记录文件夹‑文件关系。
- 解析阶段：使用 Tree‑sitter AST 对每个函数、类、接口进行高精度解析，提取符号信息。
- 跨文件解析：解析 import、函数调用、类继承等，构建完整的依赖图。
- 社区检测：基于 Leiden 算法对调用图进行社区划分，为每个功能块生成凝聚度分数。
- 执行流追踪：从入口点沿调用链追踪，形成“进程”对象。
- 混合检索索引：结合 BM25、语义向量和 RRF 融合，构建高效检索层。
所有数据存储在 LadybugDB（前身 KuzuDB）中，完全本地运行，无需上传代码。
MCP 工具与 Prompt
GitNexus 在本地启动 MCP 服务器后，向 AI agents 暴露七个工具和两个引导 Prompt：
- impact：单一符号的上游调用列表及置信度，帮助评估改动波及范围。
- context：返回符号的全景信息（调用者、被调者、所属进程）。
- query：基于混合检索返回匹配符号及其执行流。
- detect_changes：Git‑diff 与图谱映射，提供改动风险等级。
- rename：多文件统一重命名，支持干运行预览。
- cypher：直接执行 Cypher 图查询，满足高级定制需求。
- list_repos：管理本地多仓库实例。
两条 Prompt 分别用于 detect_impact（提交前风险检查）和 generate_map（自动生成 Mermaid 架构图），可直接用于团队文档或新人 onboarding。
与 Claude Code 的深度集成
Claude Code 获得完整的 MCP 工具套件、四大 Agent Skill（探索、调试、影响分析、重构）以及 PreToolUse / PostToolUse Hook。开发者只需执行 npx gitnexus analyze，系统即自动生成 .claude/skills/generated/ 目录下的 SKILL.md，Claude 在每次编辑前都会自动查询图谱并在操作后重新索引，确保上下文始终同步。
对小模型的赋能
由于图谱在索引阶段已完成结构化，GPT‑4o‑mini 等轻量模型只需解析单条工具返回的 JSON，即可获得完整依赖视图，无需自行进行多轮链式推理。这大幅提升了小模型在大型代码库中的可用性，也让团队在成本上拥有更灵活的选择空间。
结语
GitNexus 将代码库转化为可查询的知识图谱，并通过 MCP 为 AI 编码助手提供“一次查询全局感知”。从根本上消除了传统文件‑上下文窗口的局限，为 Claude Code、Cursor 等产品注入结构化理解能力，也为轻量模型打开了高质量代码导航的大门。开发者若希望在本地安全、零泄露地使用，可直接访问其 GitHub 项目或浏览基于 WebAssembly 的可视化 UI。