让编码智能体改一个中型仓库，容易出现一种浪费：它为了搞懂上下文，一个文件一个文件地读，token 飞快地烧，读到后面还把前面忘了。codebase-memory-mcp 想解决的就是这个：先把整个代码库索引进一张持久化的知识图谱，智能体要什么直接查，不用再整文件搬运。
是什么
codebase-memory-mcp 是 DeusData 开源的高性能代码智能 MCP 服务，MIT 协议、纯 C 写的。它把代码库索引成持久化知识图谱，官方给的数据是：普通仓库毫秒级索引完、查询在子毫秒级、token 用量能省掉 99%。目前 4.5 万多个 Star，最新版本 v0.11.0。它对外就是一个 MCP server，支持 MCP 的编码客户端（比如 Claude Code、Cursor）配上去，就多了一套「代码记忆」能力。
「纯 C」这三个字是关键。很多同类工具要么依赖某个语言的运行时，要么得先装一堆环境才能跑；它反过来，编译成单个静态二进制，零依赖，丢到 macOS、Linux、Windows 上就能用。README 里还标了 162 种语言、10 种语言的混合 LSP、45 个智能体集成面，以及 8050 个测试通过。
仓库首页。徽章把语言数、测试数、纯 C、跨平台这些信息直接摊开了
它到底好用在哪儿
第一是索引快得离谱。普通仓库毫秒级建完图谱，这意味着你几乎不用等它「预热」。对比那些需要跑几分钟甚至十几分钟才能建好索引的方案，日常开发里少了一大截停顿。
第二是查询是子毫秒级。图谱建好之后常驻，智能体问「这个函数谁调用了」「这个类型定义在哪」这类问题，答案几乎是即时出来的。查询快，智能体才能多问几轮，把上下文拼准。
第三是省 token 这件事被量化了。官方口径是省 99%，原理不复杂：与其让智能体把整段代码读进上下文，不如让它查图谱拿结论。对按 token 计费的模型，这是直接省钱；对上下文窗口有限的模型，这是能不能干大活的区别。
第四是部署门槛低到不像话。纯 C 编译出来的静态二进制，没有任何运行时依赖，也不用装语言环境。你把它往机器上一放，配好 MCP 指向仓库目录就行，跨平台还统一。对在公司内网、或者不想在开发机上装一堆东西的人，这点很实在。
官方文档站。安装、MCP 配置、能力清单都拆得很细，照着配就能跑起来
怎么用
先去 Releases 下对应平台的静态二进制，解压出来就是一个可执行文件。然后在你的编码助手里加一段 MCP 配置，把它的启动命令指过去，再告诉它要索引哪个仓库目录。索引建好后，智能体就能通过 MCP 调用查询能力，不用你手动喂文件。
它同时发布了 45 个智能体集成面，主流编码客户端的配置方式文档里都有现成的例子。配置这步不用自己推敲，抄文档就行。
不足也得说清楚
第一，它还在 0.x。当前 v0.11.0，没到 1.0，接口和索引格式都还有变动的空间。真用到关键流程里，最好把版本固定住，别让它自动升级把你搞懵。
第二，它只在 MCP 生态里发挥作用。如果你的编码工具不支持 MCP，它对你就是一堆用不上的二进制。想清楚你的工具链再上，别装完才发现接不进去。
第三，代码改了索引要跟着维护。它管的是「查询」，前提是图谱和代码是同步的。频繁大改的分支上，你得确保索引及时更新，否则查到的是旧结论——这类工具的通病，它也没绕开。
第四，纯 C 写的好处是性能，代价是二次开发门槛高。想给它提 PR、加个语言支持，读懂 C 实现的索引器不是轻松活，贡献者会比 TypeScript 项目少一些。
跟同类怎么比
一类对照是 Sourcegraph 那套基于 SCIP 的代码索引，能力强、生态成熟，但要跑服务、资源占用大，是给平台团队准备的。codebase-memory-mcp 走的是相反路线：单个二进制、本地即跑、开箱给智能体用，轻得多。
另一类对照是编码助手自带的文件检索。那些工具靠 grep 和读文件拼上下文，仓库一大会又慢又费 token。这个项目就是把这一步换成了「先建图谱再查」，专门治大仓库下的上下文荒。
我的判断：如果你天天用编码智能体啃中大型仓库，又被 token 和上下文折腾过，codebase-memory-mcp 是当下最省事的补法之一：纯 C 单文件、毫秒建图、4.5 万 Star。v0.11.0 虽然还年轻，但方向很清楚，值得试。
GitHub：https://github.com/DeusData/codebase-memory-mcp
官方网站：https://deusdata.github.io/codebase-memory-mcp/
标签：#codebase-memory-mcp #MCP #代码智能 #AI编程 #知识图谱 #纯C #开发工具
你让 AI 读大仓库的时候，最头疼的是它读得太慢，还是读着读着就把前面的上下文忘了？