Ich habe aufgehört, Grep zu benutzen, und mein Agent wurde 10-mal schneller
원제 · I Stopped Using Grep and My Agent Got 10x Faster
핵심 요약
Das MCP-Plugin 'Claude Context' verbessert die Detailtiefe und Geschwindigkeit bei der Analyse mittelgroßer Codebasen (20.000 bis 30.000 Zeilen) signifikant, indem es semantische Vektorsuche und BM25-Indexierung anstelle herkömmlicher grep-Befehle nutzt.
하이라이트
Das MCP-Plugin 'Claude Context' reduziert den Kontextverbrauch bei der Code-Analyse um bis zu 40 %.
Die Indizierung einer 1,5 Millionen Zeilen umfassenden Codebasis dauerte 50 Minuten und erzeugte 223.000 Einträge.
Der Einsatz von 'Claude Context' lieferte bei komplexen Anfragen nach dem Electron-Hauptprozess detailliertere Ergebnisse in 1 Minute und 47 Sekunden, während Standard-Methoden 5 Minuten benötigten.
Die Technologie kombiniert semantische Vektorsuche mit BM25-Stichwortsuche, um die Auffindbarkeit von Code-Abschnitten zu verbessern.
Die Indizierung und Suche basieren auf TreeSitter zur Code-Analyse und einem Merkle-DAG, um lediglich geänderte Dateien neu zu verarbeiten.
타임라인
Funktionsweise und technische Architektur
Das System indiziert Codebasen in einer Vektordatenbank, um die Abhängigkeit von einfachen Suchbefehlen wie grep oder glob zu eliminieren. Durch den Einsatz von TreeSitter wird der Code strukturiert analysiert, während der Merkle-DAG sicherstellt, dass nur modifizierte Abschnitte neu in die Datenbank aufgenommen werden.
- Das Tool nutzt TreeSitter für das Parsing in Funktionen und Klassen.
- Ein Merkle-DAG sorgt für inkrementelle Indizierung bei Code-Änderungen.
- Der Suchprozess führt Vektor- und BM25-Suchen simultan aus.
Praktische Implementierung und Ressourcenbedarf
Die Konfiguration erfolgt über eine JSON-Datei im Agent-Harness. Während kleine Codebasen mit wenigen Cent an Embedding-Kosten indiziert werden können, steigen die Kosten bei sehr großen Repositories wie VS-Code deutlich an. Die Nutzung einer dedizierten serverlosen Instanz löst dabei auftretende Timeout-Probleme der kostenlosen Stufe.
- Die Einrichtung erfordert ein Zilliz-Cloud-Konto und OpenAI-API-Keys für Embeddings.
- Die Indizierung der VS-Code-Codebasis (1,5 Mio. Zeilen) kostete etwa 1,06 $ an OpenAI-Gebühren.
- Serverlose Zilliz-Instanzen bieten eine stabilere Performance als kostenlose Varianten.
Leistungsvergleich und Analyseergebnisse
Vergleiche zeigen, dass für simple Dateisuchen klassische Werkzeuge ausreichen. Bei der Identifikation komplexer Zusammenhänge, etwa der Initialisierung von Electron-Prozessen, liefert Claude Context deutlich präzisere und strukturiertere Informationen. Die Effizienz des Tools entfaltet sich besonders bei mittelgroßen Projekten, während bei sehr umfangreichen Architekturen die Initialisierungsdauer ein limitierender Faktor bleibt.
- Bei einfachen Suchanfragen ist die Standardmethode ohne MCP-Plugin teilweise schneller.
- Claude Context bietet bei komplexen, kontextabhängigen Fragen eine wesentlich höhere Detailtiefe.
- Die Zeitersparnis bei der Extraktion tiefgehender Architektur-Informationen beträgt bis zu 70 %.
설명
Claude Context ist ein MCP-Server, der Ihre gesamte Codebasis mittels AST-Parsing, Merkle-DAG-Hashing sowie hybrider semantischer und BM25-Suche in eine Vektordatenbank indiziert. Dies ermöglicht Ihrem Coding-Agenten eine Reduzierung des Kontextbedarfs um bis zu 40 % im Vergleich zu einfachem Grep und Glob. Entwickelt von Zilliz auf Basis von Milvus, unterstützt es über 9 Programmiersprachen und funktioniert mit jedem MCP-kompatiblen Agenten. In diesem Video teste ich es an der 1,5 Millionen Zeilen umfassenden Codebasis von VSCode, um herauszufinden, ob sich der Einrichtungsaufwand und die Cloud-Kosten wirklich lohnen und ob eine intelligentere Suche die traditionelle Dateisuche tatsächlich schlägt, wenn Ihr Agent große, unbekannte Projekte verstehen muss. 🔗 Relevante Links Claude Context GitHub - [https://github.com/zilliztech/claude-context](https://github.com/zilliztech/claude-context) Claude Context MCP Evals - [https://github.com/zilliztech/claude-context/tree/master/evaluation](https://github.com/zilliztech/claude-context/tree/master/evaluation) Zilliz - [https://zilliz.com/](https://zilliz.com/) Milvus - [https://milvus.io/](https://milvus.io/) ❤️ Mehr über uns Radikal besserer Observability-Stack: [https://betterstack.com/](https://betterstack.com/) Schriftliche Tutorials: [https://betterstack.com/community/](https://betterstack.com/community/) Beispielprojekte: [https://github.com/BetterStackHQ](https://github.com/BetterStackHQ) 📱 Soziale Netzwerke Twitter: [https://twitter.com/betterstackhq](https://twitter.com/betterstackhq) Instagram: [https://www.instagram.com/betterstackhq/](https://www.instagram.com/betterstackhq/) TikTok: [https://www.tiktok.com/@betterstack](https://www.tiktok.com/@betterstack) LinkedIn: [https://www.linkedin.com/company/betterstack](https://www.linkedin.com/company/betterstack)