Agents / MCP / Skills
codebase-memory-mcp vs graphify：省 token 不是 KPI，答對率才是 codebase graph 工具的本體
Threads 作者實測 codebase-memory-mcp 與 graphify：graphify 帳面 token 省更多，但在字串/prompt 類問題上漏答；codebase-memory-mcp 因有全文檢索搭配 graph，6 題全對。本文查核 GitHub metadata 並整理導入評估框架。
2026年7月26日1 分鐘閱讀👁 5
Code Intelligence / MCP / Token Economy
codebase graph 工具不能只看「省多少 token」。真正 KPI 是：AI 少讀一點，還能答對。如果圖裡沒有答案，省下的 token 會在回頭翻檔時一次還回去。
來源與查核
- Threads：Day 207 兩套省 token code 工具實測
- Dawson Wang 完整測法與數據
- DeusData/codebase-memory-mcp：MIT；查核時 35,497 stars；README claim 83% answer quality、10× fewer tokens、2.1× fewer tool calls；也聲明讀 codebase 並寫 agent config。
- Graphify-Labs/graphify：Apache-2.0；查核時 96,197 stars；AST graph / docs / PDFs / images / videos，no vector store。
- 驗證標記：codebase-memory-mcp graphify token accuracy code graph
實測重點
| 工具 | 帳面 token | 答對狀況 | 關鍵原因 |
|---|---|---|---|
| codebase-memory-mcp | 作者實測省 91.3% | 6 題全對 | graph + 全文檢索，能處理「字串/prompt 裡寫了什麼」這類非符號問題。 |
| graphify | 作者實測省 96.3% | 2 對、2 部分對、2 錯 | 偏符號與關聯圖；若問題答案存在字串、prompt、註解或非結構化文字，圖可能沒有節點。 |
導入框架
- 把問題分型：call graph / import / route / schema / prompt string / config / README / test behavior。
- 每個工具都要跑「token + correctness + fallback cost」，不是只看 tokens saved。
- 若工具會寫
~/.claude、~/.codex或 MCP config，先用 sandbox profile。 - 對 Athena/minutes-engine 這類專案，先用只讀 indexing，禁止自動修改 agent 全域 config。
Kate 判斷
Graph 類工具適合回答結構問題；全文檢索仍不可丟。最實用的組合是 graph + search + file read 的分層，而不是幻想一張圖取代所有 context。