面对一个陌生的百万行代码库，让 AI 助手回答“谁调用了这个函数”“这块有没有死代码”，往往因为缺乏结构上下文而答非所问。CodeGraphContext 的解法是：把本地代码索引成图数据库，作为 MCP 服务器 + CLI 工具，给 AI 助手和开发者提供可查询的代码结构上下文。

项目基本信息

信息项详情
项目名称CodeGraphContext
GitHub地址https://github.com/CodeGraphContext/CodeGraphContext
项目描述把本地代码索引成图数据库，以MCP与CLI形式为AI助手提供结构上下文
作者CodeGraphContext
开源协议MIT License
开源状态公开
LanguagesPython
支持平台Windows / macOS / Linux
最后更新2026-10-22

一、项目介绍

CodeGraphContext（简称 CGC）是一个 MCP 服务器加 CLI 工具包，它解析本地代码并构建组件知识图，让 AI 助手和开发者能像查数据库一样查询代码结构。当前版本 0.5.1，支持 23 种编程语言，提供 FalkorDB Lite、KuzuDB、LadybugDB、Neo4j 等多种图数据库后端。

二、核心优势

  • 代码索引：解析代码并构建组件知识图，捕捉调用、继承、依赖关系。
  • 关系分析：查询调用者、被调用者、类层次、调用链。
  • 预索引包（.cgc）：知名仓库可免索引直接加载。
  • 实时监视：cgc watch 自动更新图。
  • 双模式：独立 CLI 工具包 + MCP 服务器，供 AI 直接使用。
  • 多语言：完整支持 23 种编程语言。

三、适用场景

  • 让 AI 助手在大型代码库里做精准的代码问答与重构。
  • 快速理解第三方开源项目的结构。
  • 检测死代码、调用关系，辅助重构。
  • 团队内部沉淀可查询的代码知识。

四、安装教程

依赖：Python 3.10–3.14、pip、Git（可选）。

 pip install codegraphcontext

若命令未找到，修复 PATH：

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

开启 MCP 模式：

 codegraphcontext mcp setup
 codegraphcontext mcp start

常见报错：若默认嵌入式数据库启动失败，可改用外部 Neo4j（codegraphcontext neo4j setup）；Unix 默认 FalkorDB Lite，跨平台可换 KuzuDB。

五、使用示例

索引当前目录：

 codegraphcontext index .

分析谁调用了某函数：

 codegraphcontext analyze callers my_function

查找死代码：

 codegraphcontext analyze dead-code

输出：返回结构化关系与清单，可作为 MCP 上下文喂给 AI 助手。

六、常见问题

  • 支持哪些语言？当前完整支持 23 种，常见语言均覆盖。
  • 一定要 Neo4j 吗？不，默认有嵌入式后端，Neo4j 是可选外部方案。
  • 会读我的代码上传吗？默认在本地构建图，不上传源码。

七、总结

CodeGraphContext 把“代码理解”从纯文本检索升级成结构化图谱查询，让 AI 助手对大型仓库的回答更靠谱。MIT 协议，MCP + CLI 双形态，适合想给编程助手补上代码结构记忆的团队与个人。