Graft:Claude Codeフックがgrepトークンを42%削減

✍️ OpenClawRadar📅 公開日: August 16, 2026🔗 Source
Graft:Claude Codeフックがgrepトークンを42%削減
Ad

Graft (github.com/NanoNets/Graft) は、Claude Code、Cursor、Codex、Geminiなどのコーディングエージェント向けに永続的なナレッジグラフを構築するCLIツールです。コードベースのコンテキストを事前計算することで、エージェントが反復的なgrepやファイル探索のループを省略できます。

ベンチマークによる具体的な成果

  • トークン削減42%(特にgrepトークン)
  • ツール呼び出し削減46%
  • 時間削減60%
  • SWE-bench Verifiedで正解率が54%から66%に向上

管理されたベンチマークでは、同じエージェントとファイルツールを使用して162回の試行を実施し、コンテキストのみを変更しました。SWE-benchの結果は公式ハーネスで評価されました。

なぜ機能するのか

コーディングエージェントはタスクごとにリポジトリをゼロから探索し直します。Graftは一度理解を構築し、それをリンクされたマークダウンファイルのフォルダとしてリポジトリに書き込みます。各ノードはシステム、API、または概念に対応します。これらはシンボルリストではなく、実際の説明です。埋め込み、類似性検索、デーモンは不要です。

Ad

クイックスタート

npm install -g @nanonets/graft
# CLIをインストール(一度だけ)
graft init
# グラフを構築し、Claude Codeに組み込む

graft initは、どのエージェントに組み込むかを尋ね、コードからgraft/を構築し、ステータスラインとフックを.claude/に配置します。グラフは単なるファイルです。コミットすれば、チームメイトはgit経由で取得できます。graft init --dry-runで変更をプレビューできます。

コミットするのは.claude/配線です。各チームメイトはgraft buildを実行して自分のグラフを生成します。グラフはデフォルトでgitignoreされ、ローカルキャッシュとして扱われます。

追加機能

  • エージェント統合のためのMCPサーバー
  • Claude Codeとの深い統合(ステータスライン+フック)
  • 検索とオリエンテーションのためのgraft grepおよびgraft map
  • モノレポおよびマルチリポジトリ対応
  • グラフを閲覧するためのgraft viz
  • Cursor、Codex、Geminiなどに対応

対象ユーザー: 大規模なコードベースでAIコーディングエージェントを使用し、すでに探索したコンテキストのトークンにコストをかけることに疲れているチーム。

📖 ソース全文を読む: HN AI Agents

Ad

👀 See Also

7つのスラッシュコマンド、0.45ドル/記事:このClaude CodeパイプラインがSEOコンテンツ運用全体を実行
Tools

7つのスラッシュコマンド、0.45ドル/記事:このClaude CodeパイプラインがSEOコンテンツ運用全体を実行

ある開発者が、SEO調査、ライティング、最適化、公開を処理する7コマンドのClaude Codeパイプラインをオープンソース化しました。コストは1投稿あたり0.45ドル(Perplexity API)、1日15分で実行可能。結果:12ヵ月で月間インプレッション数が18倍に。

OpenClawRadar
cortex-engine MCPサーバーは、永続メモリとマルチエージェントサポートを追加します
Tools

cortex-engine MCPサーバーは、永続メモリとマルチエージェントサポートを追加します

cortex-engine v0.4.0は、AIエージェントに永続的な長期記憶を提供するオープンソースのMCPサーバーです。observe()、query()、believe()、dream()などのツールを備えており、複数のエージェントを分離されたメモリ名前空間でサポートするようになりました。

OpenClawRadar
コードブック ロスレス LLM 圧縮:ビット単位パッキングによる10〜25%のRAM削減
Tools

コードブック ロスレス LLM 圧縮:ビット単位パッキングによる10〜25%のRAM削減

開発者が公開したロスレスLLM圧縮の概念実証コードは、インデックス化された重みのビット単位の汎用パッキングにより、メモリ使用量を10〜25%削減します。この技術は、一部の推論速度を犠牲にしてモデルサイズを小さくすることで、VRAMが限られたハードウェアでより大きなモデルを実行可能にします。

OpenClawRadar
抽出を超えた永続的インデックス:YouTube MCPサーバーのアーキテクチャ
Tools

抽出を超えた永続的インデックス:YouTube MCPサーバーのアーキテクチャ

開発者が、一般的な「抽出して忘れる」パターンとは対照的に、永続的なローカルインデックスを実装したYouTube MCPサーバーの構築に関する詳細なアーキテクチャノートを共有しました。主要な決定事項には、3段階のフォールバックシステム、ベクトルストレージ用のSQLite + sqlite-vec、埋め込みプロバイダーの抽象化、および独立した視覚検索インデックスが含まれます。

OpenClawRadar