aovestdipaperino/tokensave

AIコーディングエージェントのためのセマンティックコードインテリジェンス

トークンの減少 • ツール呼び出しの減少 • 100%ローカル

---

なぜトークンセーブなの?

AIのコーディングエージェントはコードベース探索にトークンを無駄にします。grep、glob、ファイルの読み取り1つにつきお金がかかります。複雑なタスクでは、エージェントは複数のExploreサブエージェントを生成し、何百ものファイルをスキャンしてコンテキストを作成します。

トークンセーブはエージェントに事前にインデックスされた意味知識グラフを提供します。 ファイルをスキャンする代わりに、エージェントはグラフをクエリし、即座に構造化された回答――正しいシンボル、それらの関係性、ソースコード――を一回の呼び出しで得ます。

仕組み

**トークンセーブなし:**エージェントはファイルをスキャンするためにgrep、glob、Readを使用します。多くのAPI呼び出しと高いトークン使用率です。

tokensaveでは: エージェントはMCPツールを通じてグラフをクエリします――即時結果、ローカル処理、トークン数の減少。

---

主な特徴

Semantic Code Intelligence for AI Coding Agents

Fewer tokens • Fewer tool calls • 100% local

---

Why tokensave?

AI coding agents waste tokens exploring codebases. Every grep, glob, and file read costs money. On complex tasks, agents spawn multiple Explore sub-agents that scan hundreds of files just to build context.

tokensave gives agents a pre-indexed semantic knowledge graph. Instead of scanning files, the agent queries the graph and gets instant, structured answers – the right symbols, their relationships, and source code, in one call.

How It Works

flowchart TB
    subgraph agent["AI Coding Agent (Claude Code, Codex, Gemini, Cursor, ...)"]
        task["Implement user authentication"]
        first["Sub-agent"]
        second["Sub-agent"]
        task --> first
        task --> second
        first --- second
    end

    subgraph server["tokensave MCP Server"]
        search["Search: auth"]
        callers["Callers: login()"]
        context["Context for task"]
        db[("libSQL Graph DBInstant lookupsFTS5 search")]
        search --> db
        callers --> db
        context --> db
    end

    first --> search