aovestdipaperino/tokensave

AI 코딩 에이전트를 위한 의미 코드 인텔리전스

토큰 수 감소 • 도구 호출 감소 • 100% 로컬

---

왜 토큰세이브?

AI 코딩 에이전트는 코드베이스를 탐색하는 데 토큰을 낭비합니다. grep, glob, 파일 읽기 하나 한 번에 비용이 듭니다. 복잡한 작업에서는 에이전트가 여러 개의 Explore 하위 에이전트를 생성해 수백 개의 파일을 스캔해 맥락을 만듭니다.

토큰세이브는 에이전트에게 사전 인덱스된 의미 지식 그래프를 제공합니다. 파일을 스캔하는 대신, 에이전트는 그래프를 쿼리하여 즉각적이고 구조화된 답변을 얻습니다 — 올바른 기호, 그 관계, 소스 코드를 한 번의 호출로 확인할 수 있습니다.

작동 방식

토큰세이브 없이: 에이전트는 파일을 스캔할 때 grep, glob, Read를 사용합니다 — 많은 API 호출과 높은 토큰 사용량이 있습니다.

tokensave를 사용하면: 에이전트는 MCP 도구를 통해 그래프를 쿼리합니다 — 즉각적인 결과, 로컬 처리, 적은 토큰 수 등.

---

주요 특징

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