Claude Codeは新しいプロジェクトを開くたびに、grep、glob、Readコマンドを使ってコードファイルの中をくまなく探ります。どの関数がどの関数を呼び出しているのか、プロジェクトのアーキテクチャがどうなっているのかは把握できず、ただ文字通り一字一句読み進めるしかありません。
これは非効率でコストもかかります。
CodeGraphが行うことは非常にシンプルです：まずコードベースをナレッジグラフとしてインデックス化し、AIエージェントがファイルを逐次スキャンする代わりに、このグラフを直接クエリできるようにします。
その結果はどうでしょうか？公式ベンチマークは7つの実際のオープンソースプロジェクトで実施され、Token消費が約35%削減、ツール呼び出しが約70%減少しました。さらに、処理は100%ローカルで完結するため、コードをサードパーティのサービスに送信する必要は一切ありません。
どのように動作するのか？
CodeGraphの核心理念は「セマンティック理解はブルートフォース検索に勝る」です。
プロジェクト内で codegraph init を実行すると、ローカルに以下の要素を含むナレッジグラフが構築されます：
- シンボル関係——どのクラスがどのクラスを継承しているか、どの関数がどこから呼び出されているか
- 呼び出しグラフ——関数間の呼び出しチェーン、依存ツリーの完全なトポロジー
- コード構造——モジュール分割、ファイル構成、フレームワークのルーティング
その後、Claude CodeのExplore Agentがコードを理解する必要がある際、数十回のgrepやRead呼び出しを発行する必要はなくなります。代わりにグラフを直接クエリし、シンボル間の関係をワンステップで取得できます。
例えば、エージェントに「このAPIルートはどのハンドラ関数に対応しているか？」と尋ねたとします。従来の方法では、ルートの定義をgrepし、ハンドラ名をgrepし、複数のファイルを読み込んで確認する必要がありました。CodeGraphがあれば、この関係はすでにグラフ内に存在するため、1回のクエリで答えが得られます。
驚くほど優れた互換性
このプロジェクトで最も驚かされたのは、その互換性の広さです。Claude Codeだけでなく、以下のツールも同時にサポートしています：
- Cursor
- Codex CLI
- OpenCode
- Hermes Agent
インストール方法も非常にシンプルです。1つのコマンドで対象OSのプリコンパイル済みバイナリを自動ダウンロードし、インタラクティブインストーラーが既にインストールされているエージェントを自動設定します。Node.jsは不要、コンパイルも不要で、すぐに使い始められます。
curl -fsSL https://raw.githubusercontent.com/colbymchenry/codegraph/main/install.sh | sh
すでにNode.js環境がある場合は、直接 npx @colbymchenry/codegraph を実行することも可能です。
アンインストールも同様にクリーンです。codegraph uninstall を実行すると、設定済みエージェントからCodeGraphのMCPサーバー設定、プロンプト、権限設定がすべて削除され、後腐れがありません。
307回のコミット、49件のイシュー、極めて高いプロジェクトのアクティビティ
このプロジェクトは2026年1月18日に作成され、5月22日時点で307回のコミットが蓄積されています。最新のコミットは2時間前に行われ、作者であるcolbymchenry本人がアンインストールドキュメントの説明を更新しました。
さらに注目すべきは、過去2週間でV8 WASMインデックス作成時のOOM問題（issues #298 および #293）を修正し、answer-directly最適化を追加したことです。これにより、MCP呼び出しコストが約35%削減され、ツール呼び出しが約70%減少しました。これは、チームがユーザーフィードバックに積極的に応え、パフォーマンスを継続的に最適化していることを示しています。
具体的な数値比較
500ファイルを含む中規模プロジェクトを想定してみましょう。Claude CodeのExplore Agentがこのプロジェクトのアーキテクチャを理解するには、通常以下が必要です：
- 20〜40回の
grep呼び出し - 15〜30回の
Read呼び出し - 5〜10回の
glob呼び出し
呼び出しのたびにTokenが消費されます。大規模プロジェクトの初期探索段階では、Token消費量が数十万に達する可能性があります。
CodeGraphはこれらの呼び出しを数回のグラフクエリに圧縮します。コード理解のプロセスをなくしたのではなく、理解作業をインデックス段階に前倒ししたのです。インデックス作成は一度きりのコストであり、その後のクエリは低コストで実行できます。
注意すべき限界点
もちろん、CodeGraphが万能というわけではありません。
第一に、インデックス作成には時間がかかります。 超大型プロジェクト（Linuxカーネルなど）の場合、初回インデックス作成に数分かかる可能性があります。ただし、これは一度きりのコストです。
第二に、動的言語のサポートには限界があります。 PythonやJavaScriptのシンボル解析は比較的正確ですが、ランタイム動作に強く依存するコード（動的インポートやリフレクションなど）は完全にインデックス化できない場合があります。
第三に、これは「既存のコードを理解する」問題を解決するものであり、「新しいコードを書く」問題を解決するものではありません。 エージェントにゼロから新機能を書かせる場合、CodeGraphの助けは限定的です。その真価は、エージェントが既存のコードベースを迅速に理解できるようにする点にあります。
なぜこのプロジェクトに注目すべきなのか？
AIプログラミングツールは「チャット形式のプログラミング」から「深いコード理解」へと移行しつつあります。ChatGPTの初期コードアシスタントは本質的にユーザーとの対話でした。ニーズを説明すればコードを生成してくれます。しかし、実際の企業開発シーンに入ると、核心的な課題は「コードを書くこと」ではなく、「巨大で、他人が書き、10年の歴史を持つプロジェクトを理解すること」です。
CodeGraphはあるトレンドを体現しています。AIエージェントのツールチェーンは「汎用対話」から「専門的なコードインテリジェンス」へ進化しているのです。エージェントをよりおしゃべりにするのではなく、あなたのコードをより深く理解させることを目指しています。
現在、このプロジェクトはnpmで安定版が公開されており、ライセンスはMITです。Claude CodeやCursorで大規模プロジェクトに取り組んでいるなら、5分かけてインストールして試す価値は十分にあります。