풀러렌: 코딩 에이전트를 위한 오픈소스 지속 메모리 레이어, SWE-벤치에서 토큰 64% 절감

Fullerenes는 AI 코딩 에이전트를 위한 오픈소스 영구 메모리 레이어입니다. 매 세션마다 파일을 다시 읽는 대신 Tree-sitter를 사용해 저장소에서 로컬 지식 그래프를 구축하고 MCP(Model Context Protocol)를 통해 노출합니다. 에이전트는 원시 파일을 읽는 대신 그래프에서 함수, 클래스, 임포트, 호출 관계를 쿼리하여 토큰 소비를 획기적으로 줄입니다.

작동 방식

저장소에서 npx fullerenes init을 실행합니다. Tree-sitter로 코드베이스를 분석하여 모든 함수, 클래스, 임포트 및 호출 관계를 추출하고 로컬 SQLite 그래프에 저장합니다. 에이전트는 MCP를 통해 연결하여 대상 질문을 합니다.

디자인은 검색 연구에서 영감을 받았습니다: Repoformer(필요할 때만 검색), HippoRAG 및 G-Retriever(그래프가 평면 청크보다 우수), LLMLingua(공격적인 컨텍스트 압축). 목표는 더 많은 컨텍스트가 아닌 토큰당 더 나은 신호입니다.

고유한 MCP 도구

두 가지 뛰어난 도구:

• predict_impact({ functionName: "x" }) — 편집 전에 에이전트가 어떤 부분이 손상될지 질문합니다. 엣지 그래프를 탐색하여 직접 및 전이적 종속성을 위험 점수와 함께 반환합니다. 첫 키 입력 전에 폭발 반경을 알 수 있습니다.
• get_function({ name: "x", includeBody: true }) — 하나의 MCP 호출로 시그니처, 본문 및 호출자를 반환합니다. 추가 read_file이 필요 없습니다.

벤치마크 결과

• SWE-bench Verified (현재 1개 인스턴스): Codex 기준 91,949 토큰 → Fullerenes 사용 시 32,945 토큰. 64% 감소.
• 내부 (이 저장소에 대한 5개 질문): 원시 파일 평균 2,452 토큰 → Fullerenes 평균 137 토큰. 94.4% 감소.
• 외부 (Python 프로젝트의 Gemini CLI): 원시 파일 27,292 토큰 → Fullerenes AGENTS.md 919 토큰. 96.6% 감소.

제한 사항

Tree-sitter는 구조적이지 의미적이지 않습니다. 동적 디스패치와 메타프로그래밍은 엣지를 놓칠 수 있습니다. LSP 통합은 로드맵에 있습니다. SWE-bench 인스턴스 하나는 광범위한 결과가 아닙니다. 더 많은 인스턴스를 실행 중입니다.

로컬 및 오픈소스

모든 것이 로컬에서 실행됩니다: SQLite, 서버 불필요, API 키 불필요, 순수 npm(Python 불필요), 오프라인 작동, MIT 라이선스. Reddit 게시 전 40시간 동안 589 npm 다운로드. 14개의 별. 방금 출시되었습니다.

github.com/codebreaker77/Fullerenes
npmjs.com/package/fullerenes

작성자가 커뮤니티에 묻는 세 가지 질문: 그래프 기반 검색이 에이전트 워크플로우를 변경합니까, 아니면 긴 컨텍스트가 승리합니까? 현재 8개 외에 어떤 MCP 도구가 필요합니까? SWE-bench 방법론이 타당해 보입니까?