OpenCode + CodeGraph：让 AI 代理不再浪费 Token 猜代码

为 OpenCode 配置 CodeGraph MCP，用预构建的知识图谱替代 grep+Read 探索，实测降低 35% 成本、减少 57% Token 消耗

2026年5月28日 AI 1 分钟阅读

用 OpenCode 写代码时，AI 代理面对一个大代码库最常见的行为是什么？疯狂 grep、glob、Read。

它要先找到相关文件，再读进去，再找调用关系，再读另一个文件……每一步都在消耗 Token。对于”这个函数怎么工作的？“这类结构化问题，传统方式的探索路径往往需要几十次工具调用，而其中大部分花在了定位文件上，而不是理解代码。

CodeGraph 改变了这个模式：它预先用 tree-sitter 解析整个代码库，构建一个包含所有符号、调用关系、依赖结构的本地知识图谱，存储在 SQLite 数据库中。AI 代理不需要再扫描文件，直接查图就能拿到答案——通常零次文件读取。

在 7 个真实开源项目上的基准测试（Claude Code，median of 4 runs）：

指标	平均提升
成本降低	35%
Token 减少	57%
速度提升	46%
工具调用减少	71%

部分项目的极端对比：

项目	语言	文件数	Token 减少	工具调用
VS Code	TypeScript	~10k	78%	85%
Excalidraw	TypeScript	~640	90%	96%
Tokio	Rust	~790	86%	92%

代码库越大，收益越明显。 在大型项目中，AI 代理可以通过几次 CodeGraph 查询直接拿到答案，而不需要像没有索引时那样展开十几个 grep/Read 探索。

100% 本地运行 — 数据不离开你的机器，无 API 密钥，无外部服务
确定性提取 — 基于 AST 解析，不是 LLM 摘要，结果准确可靠
自动同步 — 文件变更后自动增量更新索引，无需手动干预
MCP 协议 — 与 OpenCode 等 AI 助手无缝集成

npx @colbymchenry/codegraph

安装程序会自动检测已安装的 AI 助手（包括 OpenCode），写入 MCP 配置和指令文件。

如果自动安装未检测到 OpenCode，可以手动添加配置。

配置文件位置：

Windows: %APPDATA%/opencode/opencode.jsonc 或 opencode.json
Linux/macOS: ~/.config/opencode/opencode.jsonc 或 opencode.json

OpenCode 会优先使用 opencode.jsonc，如果已存在 opencode.json 则继续使用它。

添加以下内容到配置文件：

{
  "$schema": "https://opencode.ai/config.json",
  "mcp": {
    "codegraph": {
      "type": "local",
      "command": ["codegraph", "serve", "--mcp"],
      "enabled": true
    }
  }
}

cd your-project
codegraph init -i

这会创建 .codegraph/ 目录并索引项目代码。

OpenCode 会自动调用 CodeGraph 的 MCP 工具：

问题	工具
”X 函数在哪里定义？“	`codegraph_search`
”谁调用了这个函数？“	`codegraph_callers`
”这个函数调用了什么？“	`codegraph_callees`
”X 是如何到达 Y 的？“	`codegraph_trace`
”改了这个会影响到哪些代码？“	`codegraph_impact`
”给我看 Y 的源代码”	`codegraph_node`
”我需要处理 XX 功能，相关代码有哪些？“	`codegraph_context`

codegraph status      # 查看索引状态
codegraph sync       # 增量更新索引
codegraph query xxx   # 搜索符号
codegraph callers xxx # 查找调用者
codegraph callees xxx # 查找被调用者

Q: 提示 “not initialized” A: 运行 codegraph init -i

Q: 符号找不到 A: 等待几秒自动同步，或手动运行 codegraph sync

相关：CodeGraph 官方文档 · Benchmark 详细数据

评论