Tanyakan kepada coding agent Anda di mana sebuah fungsi dipanggil, lalu perhatikan apa yang terjadi. Ia akan menjalankan grep, membaca tiga berkas, grep lagi dengan pola berbeda, membaca empat berkas lagi, dan akhirnya menjawab dengan benar—setelah konteksnya penuh dengan kode sumber yang akan ia lupakan begitu sesi berakhir. Ajukan pertanyaan lanjutan, dan ia mengulangi semuanya dari awal.
codebase-memory-mcp menghapus perulangan itu. Dengan 41.536 bintang, berlisensi MIT, dan ditulis dalam C, ini adalah entri dalam gelombang perkakas agent tahun ini dengan hasil terbaik untuk perubahan paling kecil pada cara Anda bekerja. Ia memberi agent memori tentang kode Anda. Ia tidak memberi tim Anda memori tentang pekerjaannya, dan keduanya adalah masalah yang berbeda.
TL;DR
Ini adalah salah satu dari lima ulasan mendalam dari kumpulan alat open source yang memperluas kemampuan coding agent versi kami.
codebase-memory-mcp mengindeks repositori menjadi knowledge graph persisten berisi fungsi, kelas, rantai pemanggilan, dan route, lalu menjawab pertanyaan struktural dari graph tersebut alih-alih melakukan grep. Proyek ini mengukur lima kueri struktural memakan sekitar 3.400 token melalui graph, dibandingkan sekitar 412.000 token jika membaca berkas satu per satu. Bentuknya satu binary native, tidak memerlukan runtime atau API key, berjalan sepenuhnya secara lokal, dan kompatibel dengan klien MCP apa pun. Pasang dulu. Setelah itu, putuskan secara terpisah di mana catatan tentang apa yang dilakukan agent Anda akan disimpan.
Apa fungsinya
Parsing dijalankan melalui tree-sitter untuk lebih dari 160 bahasa, dengan resolusi tipe semantik berlapis untuk kelompok bahasa inti yang mencakup Python, keluarga TypeScript dan JavaScript, Go, Java, Rust, C#, dan C++. Hasilnya diekspos sebagai 15 tool MCP yang mencakup pencarian, penelusuran rantai pemanggilan, gambaran arsitektur, analisis dampak, deteksi dead code, kueri graph, dan penghubungan HTTP antar-layanan. Klien apa pun yang berbicara Model Context Protocol bisa memakainya, dan proyek ini mencantumkan 45 antarmuka agent yang didukung.
| Metrik | Dilaporkan |
|---|---|
| Lima kueri struktural | ~3.400 token vs ~412.000 jika per berkas |
| Perbandingan peer-review | Token 10x lebih sedikit, pemanggilan tool 2,1x lebih sedikit, kualitas jawaban 83% |
| Indeks kernel Linux | 28 juta baris, 75 ribu berkas, 3 menit |
| Latensi kueri struktural | Di bawah 1 ms |
Bacalah kedua angka token itu bersama-sama. Penurunan 99% itu berasal dari lima kueri struktural, yakni kasus terbaik bagi graph. Angka preprint pada 31 repositori adalah 10x. Rencanakan berdasarkan 10x dan anggap apa pun yang lebih baik sebagai bonus.
Memasangnya
curl -fsSL https://raw.githubusercontent.com/DeusData/codebase-memory-mcp/main/install.sh | bash
Windows punya installer PowerShell, dan proyek ini menyarankan Anda membacanya sebelum menjalankannya. Installer akan mendeteksi coding agent Anda dan menulis entri MCP-nya. Mulai ulang agent tersebut dan minta ia mengindeks proyek Anda.
Dua pengaturan yang layak diterapkan sejak hari pertama:
codebase-memory-mcp config set auto_index true
codebase-memory-mcp --ui=true --port=9749
Penampil graph sudah tertanam di dalam binary dan berguna sebagai pengecekan cepat bahwa indeks sudah mencakup apa yang Anda harapkan.
Ada dua catatan yang didokumentasikan sendiri oleh proyek ini, dan keduanya layak dibaca selama tiga puluh detik. Microsoft Defender bisa menandai binary rilis sebagai false positive; proyek ini mencatat bahwa biasanya 61 dari sekitar 62 engine menyatakan bersih dan keluarga deteksi yang sama juga mengenai GitHub CLI serta toolchain Go milik Microsoft sendiri. Dan tool ini membaca basis kode Anda serta menulis ke berkas konfigurasi agent Anda—memang itu tugasnya, dan dinyatakan secara gamblang. Bacalah skrip instalasi sebelum menyalurkannya ke shell.
Mengapa yang ini lebih dulu
Semua hal lain dalam gelombang perkakas saat ini meminta Anda mengubah cara bekerja. Pustaka role mengubah cara Anda menulis prompt. Worktree paralel mengubah cara Anda mengatur pekerjaan. Akses web mengubah apa yang Anda minta.
Yang ini tidak mengubah apa pun dan membuat setiap sesi lebih murah. Tidak ada kebiasaan baru yang harus dipelajari.
Efek pada kualitas adalah bagian yang kurang dihargai. Agent yang menghabiskan 400.000 token untuk membaca berkas punya jauh lebih sedikit ruang untuk bernalar tentang masalah Anda, dan ingatannya atas apa yang dibaca di awal akan menurun sepanjang sesi yang panjang. Menjawab dari graph membuat konteks tetap lega.
Pergeseran ini terlihat dari apa yang Anda tanyakan. Pertanyaan yang dulu Anda hindari karena memakan 50.000 token dan dua menit kini nyaris gratis. Analisis dampak sebelum mengubah signature mengubah "sepertinya aman" menjadi sebuah daftar. Penelusuran rantai pemanggilan pada repositori yang belum dikenal lebih baik daripada membaca ke atas melalui lima berkas sambil berharap menemukan titik masuknya.
Memori tentang kode bukan memori tentang pekerjaan
Inilah batasnya, dan batas itu tegas.
Graph dibangun dari kode Anda, jadi ia tahu apa isi kode Anda. Ia bisa memberi tahu bahwa helper retry memanggil klien pembayaran. Ia tidak bisa memberi tahu mengapa backoff diubah pada bulan Juli, siapa yang memutuskannya, apa alternatifnya, atau apakah ada yang meninjaunya. Sejarah itu ada di sebuah sesi terminal yang kini sudah hilang.
Tim merasakan ini sebagai asimetri yang janggal: agent memiliki daya ingat terhadap basis kode yang lebih baik daripada manusia mana pun di tim, namun sama sekali tidak mengingat keputusan yang menghasilkannya.
Indeksnya juga bersifat per mesin. Ia berada di direktori cache di bawah satu akun, dibagikan ke sesi lokal Anda melalui daemon koordinasi, dan berhenti di batas mesin tersebut.
Di mana catatan pekerjaan disimpan
Task adalah unit kerja utama di Sharkly. Ia membawa permintaan, konteks, eksekusi, hambatan, dan hasilnya dalam satu tempat bersama, bukan memecahnya ke dalam prompt pribadi dan sesi terminal.
Setiap bagian punya satu tugas. Agent menentukan bagaimana pekerjaan harus ditangani. Computer menyediakan host dan sumber daya lokal. Runtime menjalankan sesi agent yang sebenarnya, memakai tool coding yang sudah terpasang di sana. Task tetap menjadi catatan bersama.
Pemisahan itu membuat pasangannya jadi konkret. Indeks adalah sumber daya lokal di sebuah Computer, sehingga Computer yang menyimpan repositori terindeks adalah tempat graph yang sudah panas tersedia, bukan start dingin selama tiga menit. Agent adalah konfigurasi tersimpan, sehingga pengaturan di mana agent Anda memiliki indeks dan izin yang tepat bisa dipakai ulang, bukan dibangun ulang di tiap mesin. Dan eksekusi, hambatan, hasil, serta diskusi lanjutan kembali ke timeline task, yakni tempat penalaran di balik sebuah perubahan tetap hidup.
Sharkly bukan pengganti Claude Code, Codex, atau codebase-memory-mcp. Ia menambahkan lapisan task bersama, Computer, konteks, kontrol, dan review di sekelilingnya. Penggunaan model tetap berjalan melalui langganan atau API key yang dikonfigurasi di tool tersebut.
Memori kode plus memori pekerjaan adalah kombinasinya. Yang satu memberi agent ingatan tentang repositori. Yang lain memberi tim ingatan tentang apa yang dilakukan para agent di dalamnya.
Kapan Anda membutuhkan masing-masing
Pasang codebase-memory-mcp sekarang, apa pun ukuran tim Anda. Ia bersifat lokal, tidak menuntut perubahan alur kerja, dan pengurangan biayanya berlaku sama bagi satu developer maupun dua puluh developer.
Tambahkan sistem kerja bersama ketika penalarannya harus hidup lebih lama daripada sesinya: ketika review dilakukan sebelum rilis, ketika lebih dari satu orang menyentuh repositori yang sama, atau ketika seseorang akan bertanya tiga bulan kemudian mengapa sebuah perubahan dibuat. Graph akan menjawab apa yang dilakukan kode. Ia tidak akan pernah menjawab mengapa.
Agent meneliti, mengeksekusi, menguji, dan melaporkan. Manusia menetapkan arah, memberikan wewenang, dan menerima hasilnya.
Pertanyaan yang sering diajukan
Apakah ini bekerja dengan agent selain Claude Code? Ya. Ini adalah server MCP, jadi klien MCP apa pun bisa memakainya, dan proyek ini mencantumkan 45 antarmuka agent yang didukung, termasuk Cursor, Codex, Windsurf, OpenCode, dan Aider.
Apakah kode saya keluar dari mesin saya? Tidak. Pemrosesan sepenuhnya lokal, dan proyek ini menyatakan bahwa tool ini tidak melakukan permintaan jaringan atas namanya sendiri dan tidak memeriksa pembaruan di latar belakang. Kode sumbernya tersedia jika Anda ingin memverifikasi sendiri daripada sekadar percaya.
Apakah pengurangan token 99% itu realistis? Angka itu berasal dari lima kueri struktural, kasus terbaik. Angka peer-review pada 31 repositori adalah token 10x lebih sedikit dan pemanggilan tool 2,1x lebih sedikit. Rencanakan berdasarkan 10x.
Seberapa besar repositori yang bisa ditangani? Kasus batas yang disebutkan adalah kernel Linux dengan 28 juta baris dalam tiga menit. Repositori aplikasi biasa terindeks dalam hitungan milidetik.
Apakah ini membantu ketika beberapa agent berjalan bersamaan? Ya, dan lebih dari biasanya. Lima agent yang menggrep repositori yang sama berarti lima kali pemborosan. Setiap eksekusi Task tetap mendapat worktree terisolasi miliknya sendiri, sementara indeks struktural dibagi bersama di Computer.
Versi singkat
Ini adalah tool yang paling tidak terlihat dalam gelombang 2026 dan yang memberikan hasil terbaik. Satu binary native, tanpa perubahan alur kerja, dan pemangkasan token yang terukur hingga satu orde besaran untuk pertanyaan yang seharusnya tidak perlu digrep oleh agent. Pasang, indeks proyek Anda, dan buka penampil graph sekali untuk melihat apa yang dibangunnya.
Lalu pahami dengan jelas batasnya. Ia mengingat repositori, bukan pekerjaannya, dan keputusan di balik sebuah perubahan akan mati bersama sesinya kecuali ada sesuatu yang menyimpannya. Sharkly menyimpannya: Task adalah catatan bersama, eksekusi berjalan di Computer yang Anda hubungkan melalui runtime yang sudah Anda bayar, dan hasilnya kembali ke tempat yang bisa ditinjau serta disetujui oleh manusia.
