グラフベースのコードインデックスでAIコーディングセッションコストを90％削減

Redditユーザーによると、Claude Codeのクエリごとに2〜6ドルを費やしていたのは、モデルがセッションごとに数十のファイルを再読み込みするためです。キャッシュを使用しても（トークンの70%がキャッシュから提供され、90%割引）、キャッシュはセッションごとにリセットされます。解決策は、コードベースをグラフデータベースにインデックス化するローカルサーバーで、Model Context Protocol（MCP）を介してクエリを実行し、生のファイル読み取りを回避します。

仕組み

• AST解析やベクトル埋め込みの代わりに、このツールはLLMを使用して各ファイルの目的、要約、ビジネスコンテキストを生成し、さらにその関数、クラス、インポートへのリンクを提供します。
• グラフはMCPサーバーを通じて公開されます。Claudeは、リポジトリ全体をコンテキストにダンプする代わりに、グラフにクエリを実行して対象を絞ったルックアップ（質問あたり2〜4ノード）を行います。
• セッションコストはドルからセントに削減されました。このアプローチは、DeepSeek-V4やKimi-2.6のようなオープンソースモデルでも同様に機能します。なぜなら、検索（モデルサイズではなく）が主要な処理を行うからです。

セットアップの詳細

すべてローカルで実行され、シングルテナントで、クラウド依存はありません。プロジェクトはGitHubでオープンソース化されています：github.com/ByteBell/bytebell-oss。ユーザーはAST解析やベクトルを使用していないと述べています。グラフはLLMが生成したファイル分析です。

対象読者

大規模なコードベースでClaude Code（またはトークンコストがかかるAIエージェント）を使用している開発者で、セッション間で構造的コンテキストをキャッシュすることでコストを削減したい方。