Intensif Gratuit 21–22/11Intensif gratuit de 2 jours en Vibecoding (21–22 nov, 16h00 MSK) · Cohorte 3 le 23/11S'inscrire gratuitement →Cohorte 3 (23/11)
SortieAnalyse · Sur le radarHabr AI→ original

graphlens-mcp construit un graphe de code en une commande et réduit la consommation de tokens de 10 à 23 fois

graphlens-mcp est un serveur MCP qui construit un graphe structurel de code Python, TypeScript, Go, Rust et PHP en une seule commande et se branche directement sur un agent IA. Lors de 936 tests sur apache/superset (400k lignes), l'analyse d'impact a devancé grep de 10 à 23 fois en coût de tokens. Le graphe voit aussi les chaînes inter-langages (Python → TypeScript) ; grep, non. Le produit est en phase alpha, sous licence MIT et gratuit.

Traité par IA depuis Habr AI ; édité par Hamidun News
graphlens-mcp construit un graphe de code en une commande et réduit la consommation de tokens de 10 à 23 fois
Source : Habr AI. Collage: Hamidun News.
Écouter l'article
Fiche synthèse et chiffres clés
ParamètreDonnées
Source primaireHabr AI ↗
Rédacteur en chef
Analyse d'impact (impact analysis)le graphe coûte de 10 à 23 fois moins cher que grep en tokens
Chiffre clé #2Requêtes ponctuelles (« trouve la définition », « montre les appels d'une méthode ») : l'écart est minime
Chiffre clé #3Chaînes inter-langages (Python → TypeScript) : grep ne les trouve pas du tout, le graphe construit le chemin complet

graphlens-mcp est un nouveau serveur MCP construit sur le moteur graphlens. Il génère un graphe structurel du code en une seule commande et le met aussitôt à disposition d'un agent IA, sans code d'intégration manuel.

Ce que fait le moteur

Le moteur graphlens prend du code source en Python, TypeScript, Go, Rust et PHP et le normalise en un graphe typé unique. Les nœuds sont des symboles : fonctions, classes, variables, méthodes. Les arêtes décrivent les relations : CALLS (appel), HAS_TYPE (type), INHERITS_FROM (héritage). Chaque nœud reçoit un ID SHA-256 déterministe, de sorte que le résultat est reproductible d'une exécution à l'autre et convient aux pipelines d'agents avec cache.

La différence de fond avec grep tient à la compréhension de la sémantique. Grep cherche du texte ligne par ligne : il ne sait pas si la ligne trouvée est un nom de fonction, un argument ou un commentaire. Le graphe manipule des symboles et leurs relations. Si un backend Python appelle un client TypeScript, l'arête CALLS franchit la frontière entre langages et reste dans le graphe. Pour les monorepos et les projets fullstack, c'est crucial : les dépendances entre couches deviennent des objets explicites, et non des chaînes de texte à suivre à la main.

Ce qu'a montré la mesure sur du code réel

L'auteur a lancé 936 tests sur apache/superset, un projet open source d'environ 400 mille lignes de code en Python et TypeScript. La limite du test : les points d'entrée /api/v1/.... Chaque test devait répondre à des questions du type « que change-t-il si je touche à cette fonction ? ». 936 exécutions suffisent pour tirer des conclusions statistiquement significatives.

Résultats :

  • Analyse d'impact (impact analysis) : le graphe coûte de 10 à 23 fois moins cher que grep en tokens
  • Requêtes ponctuelles (« trouve la définition », « montre les appels d'une méthode ») : l'écart est minime
  • Chaînes inter-langages (Python → TypeScript) : grep ne les trouve pas du tout, le graphe construit le chemin complet
  • Stabilité : les ID SHA-256 donnent des résultats reproductibles lors d'exécutions répétées de l'agent

Quand il faut comprendre ce qui va casser après la modification d'une fonction ou d'une classe, le graphe l'emporte largement. Quand il suffit de trouver une chaîne par motif, l'écart est négligeable. L'économie de tokens se remarque surtout sur les grandes bases de code très couplées entre modules.

Du moteur au produit fini

Les articles précédents décrivaient le moteur graphlens lui-même, la mécanique interne de construction du graphe. Mais un moteur n'est pas un produit. Pour le brancher à un agent IA, il fallait installer soi-même les dépendances, configurer l'API et écrire une couche pour un protocole d'interaction précis. Pour la plupart des développeurs, c'est un obstacle sérieux.

« Un moteur n'est pas un produit.

Pour vraiment connecter graphlens à un agent, pip install et une API ne suffisent pas. Il faut écrire un tas de code d'intégration », reconnaît l'auteur.

graphlens-mcp comble ce manque. En dessous, c'est le même moteur, mais au-dessus se trouve un serveur MCP prêt à l'emploi, qui accepte les requêtes de l'agent dans un format standardisé dès l'installation.

MCP (Model Context Protocol) est devenu le standard de fait pour intégrer des outils externes aux modèles de langage ; il est pris en charge par Claude, GPT et la plupart des frameworks IA modernes. graphlens-mcp est compatible avec tout agent qui prend en charge ce protocole, sans configuration supplémentaire.

L'installation tient en une commande. Selon l'auteur, il s'écoule cinq minutes entre cette commande et le premier résultat réel sur son propre projet. Le produit est en phase alpha, sous licence MIT, et distribué gratuitement.

Ce que cela signifie

Un graphe structurel de code comme outil pour agents IA n'est pas de la théorie, mais une pratique mesurable, avec des chiffres concrets sur du code réel. graphlens-mcp abaisse la barrière d'entrée pour les équipes qui construisent des agents de revue de code, de refactorisation ou d'analyse de dépendances : au lieu d'assembler l'intégration elles-mêmes, elles disposent d'un outil prêt avec une efficacité documentée. Le code ouvert et la licence gratuite permettent de l'essayer sans aucun engagement commercial.

Dossier

Questions clés sur cet article

Que sait-on sur Ce que fait le moteur ?

Le moteur graphlens prend du code source en Python, TypeScript, Go, Rust et PHP et le normalise en un graphe typé unique. Les nœuds sont des symboles : fonctions, classes, variables, méthodes. Les arêtes décrivent les relations : CALLS (appel), HAS_TYPE (type), INHERITS_FROM (héritage). Chaque nœud reçoit un ID SHA-256 déterministe, de sorte que le résultat est reproductible d'une exécution à l'autre et convient aux pipelines d'agents avec cache.

Que sait-on sur Ce qu'a montré la mesure sur du code réel ?

L'auteur a lancé 936 tests sur apache/superset, un projet open source d'environ 400 mille lignes de code en Python et TypeScript. La limite du test : les points d'entrée /api/v1/.... Chaque test devait répondre à des questions du type « que change-t-il si je touche à cette fonction ? ». 936 exécutions suffisent pour tirer des conclusions statistiquement significatives.

Que sait-on sur Du moteur au produit fini ?

Les articles précédents décrivaient le moteur graphlens lui-même, la mécanique interne de construction du graphe. Mais un moteur n'est pas un produit. Pour le brancher à un agent IA, il fallait installer soi-même les dépendances, configurer l'API et écrire une couche pour un protocole d'interaction précis. Pour la plupart des développeurs, c'est un obstacle sérieux. « Un moteur n'est pas un produit. Pour vraiment connecter graphlens à un agent, pip install et une API ne suffisent pas.

ZK
Zhemal Khamidun — CPO d'Alpina Digital, product manager d'AlpinaGPT. Conçoit des produits IA depuis 2019. Hamidun News est un projet personnel devenu un agrégateur en production avec plus de 6 000 lecteurs.
✦ Hands-On AI Engineering · Hamidun Academy

Build & Ship Production AI Agents Without Boilerplate Code

Start your free 72-hour trial at Hamidun Academy (academy.hamidun.com) — interactive lessons on Claude Code & Cursor, live Tech Radar, and production agent templates.

Start 72h Free Trial →Vibe-Coding Intensive
Qu'en pensez-vous ?
Chargement des commentaires…