Vous payez trop cher Claude Code : ce MCP peut réduire la facture de 45%
C'est devenu un combat de tous les jours. Les agents de code utilisés au quotidien consomment de mois en mois davantage de tokens. La faute à des modèles toujours plus puissants et donc gourmands en calcul. L'usage de sous-agents, notamment pour les phases de recherche et de compréhension, fait perdre chaque jour des millions de tokens d'usage aux agents de code. Pourtant, il est possible de mettre en place une solution assez simple : un knowledge graph, ou graphe de connaissances en français. Plutôt que de lire chaque fichier un à un, l'agent comprend l'ensemble de votre base de code en un appel d'outil.
Des avantages pour les grandes bases de code
Le principe du knowledge graph est assez simple. Au lieu de laisser Claude Code redécouvrir la structure du projet à chaque nouvelle tâche, le knowledge graph construit en amont une carte de la base de code. Il identifie les fichiers, fonctions, classes du code puis enregistre les liens qui les relient. Lorsqu'on lui demande d'expliquer une fonctionnalité ou de préparer une modification, l'agent peut alors interroger directement le graph pour savoir quels composants sont concernés. Il n'a plus besoin de parcourir toute la base de code et de multiplier les recherches avant de comprendre où regarder. C'est précisément ce qui permet d'économiser des tokens.
Dans une étude publiée en mars, les chercheurs derrière Codebase-Memory (un knowledge graph adapté pour le code) ont mesuré 2,1 fois moins d'appels d'outils qu'avec une exploration classique des fichiers. En résulte une consommation de tokens divisée par dix. Et par ailleurs, l'utilisation d'un graphe de connaissance permet un gain de temps réel. L'agent n'ayant plus à ouvrir manuellement chaque fichier pour comprendre la base de code. Le bénéfice est toutefois surtout visible sur les grandes bases de code, ou les projets comportant de nombreuses dépendances entre fichiers. Sur un petit projet de quelques dizaines de fichiers, le gain sera généralement beaucoup plus faible, Claude Code peut déjà explorer rapidement l'ensemble du dépôt.
Installer et configurer Codebase-Memory
Pour ce tutoriel, nous installons et configurons Codebase-Memory MCP. C'est, à l'heure d'écrire ces lines, l'un des knowledge graphs les plus populaires sur GitHub. Il est régulièment mis à jour, léger et spécialement conçu pour une utilisation avec les agents de code. Le knowledge graph est exposé à Claude Code via MCP. Ainsi, à chaque requête, l'agent peut interroger automatiquement cette cartographie du code grâce aux outils exposés dans le MCP.
Pour installer Codebase-Memory, rien n'est plus simple. Ouvrez un terminal, et entrez :
sur Mac / Linux :
curl -fsSL https://raw.githubusercontent.com/DeusData/codebase-memory-mcp/main/install.sh | bash -s -- --ui
Sur Windows, en mode PowerShell :
Invoke-WebRequest -Uri https://raw.githubusercontent.com/DeusData/codebase-memory-mcp/main/install.ps1 -OutFile install.ps1 notepad install.ps1 Unblock-File .\install.ps1 .\install.ps1
Une fois la commande entrée, Codebase-Memory est installé sur votre ordinateur. Redémarrez votre terminal, lancez votre agent de code (codex ou Claude Code). Nativement, l'installateur aura déjà configuré les outils MCP dans les fichiers de configuration de Claude ou Codex. Pour commencer l'indexation, préalable à l'usage de Codebase-Memory avec votre agent, rendez-vous dans le dossier cible de votre projet de code. Lancez ensuite le prompt suivant en langage naturel : Indexe ce projet.
En 24 secondes (projet très petit ici), l'agent indexe l'ensemble de notre base de code. L'indexation complète n'est à réaliser qu'une seule fois. Ensuite, Codebase-Memory MCP met automatiquement à jour le knowledge graph à mesure que les fichiers du projet évoluent.
Il est possible de visualiser directement votre graphe de connaissances. Vous comprendrez ainsi en un seul d'œil les différentes relations entre vos fichiers, classes, fonctions, modules…
Pour lancer le serveur, entrez la commande suivante dans votre terminal :
codebase-memory-mcp --ui=true --port=9749
Rendez-vous ensuite dans votre navigateur web à l'adresse :
L'interface graphique permet également de visualiser la charge processeur et mémoire de Codebase-Memory MCP.
Comparatif, avec et sans knowledge graph
Pour comparer concrètement, l'impact du graphe de connaissances, nous demandons à Claude d'analyser une base de code conséquente. Nous choisissons le projet open source wagtail (un CMS), qui correspond à une base de code de taille moyenne, couramment rencontrée en entreprise. Les mêmes requêtes ont été exécutées avec Codex (qui permet de mesurer le nombre de tokens utilisés sur une session), une première fois avec Codebase-Memory MCP activé, puis une seconde sans le knowledge graph. Le modèle, le niveau de raisonnement et le prompt sont restés identiques dans les deux configurations.
Nous demandons d'abord à l'agent d'analyser le fonctionnement complet d'un module. Sur ce type de demande très large, le knowledge graph n'a pas permis d'économiser des tokens. Il a même augmenté la consommation, car Codex interrogeait le graphe avant de relire une partie des fichiers pour vérifier ses conclusions (+13%).
Nous avons ensuite testé une requête beaucoup plus ciblée : demander à l'agent d'identifier tous les endroits du code qui utilisent une même méthode, ici get_rendition_model. Cette fois, Codebase-Memory a identifié les 11 usages en seulement deux appels au graphe, sans ouvrir directement les fichiers. Sans le MCP, Codex a dû effectuer plusieurs recherches et lectures pour parvenir au même résultat. Dans ce cas précis, le knowledge graph a réduit la consommation de tokens de 45,6 %.
Le knowledge graph est donc surtout efficace pour les questions précises sur les relations dans le code : retrouver où une fonction est utilisée, identifier les dépendances entre plusieurs composants ou mesurer l'impact potentiel d'une modification. Il est moins pertinent pour les demandes très larges. Pour éviter ce travers, il est conseillé d'ajouter des consignes dans AGENTS.md pour Codex ou CLAUDE.md pour Claude Code, pour guider le bon usage du MCP.
Exemple d'instructions à ajouter :
## Routage Codebase-Memory
Avant toute exploration, estime le coût attendu de chaque stratégie :
`C_graph = tokens des appels MCP + contexte retourné + vérifications nécessaires`
`C_files = tokens des recherches + contenu des fichiers lus`
Utilise Codebase-Memory uniquement si `C_graph < C_files`. Sinon, utilise directement les outils classiques.
Réévalue ce choix après chaque appel et abandonne le graphe si son coût marginal dépasse les lectures qu'il remplace.
Objectif : minimiser la consommation totale de tokens à qualité de réponse constante.
Un outil bientôt intégré dans Claude Code et Codex ?
En pratique, Codebase-Memory est un excellent add-on à Claude Code ou Codex, en particulier sur les bases de code importantes. Nos tests montrent toutefois qu'un knowledge graph n'est pas une solution miracle. Il apporte un réel gain lorsqu'il remplace l'exploration classique du code, mais peut au contraire augmenter la consommation de tokens s'il vient simplement s'y ajouter. D'où l'intérêt d'ajouter quelques instructions afin de guider l'agent.
Au vu du succès sur GitHub des différents projets, les graphes de connaissances devraient occuper une place croissante dans les agents de code. A mesure que ces derniers gagnent en autonomie, disposer d'une représentation structurée de la base de code devient un réel avantage. Il ne serait donc pas surprenant qu'un knowledge graph soit intégré nativement à Claude Code ou Codex dans les prochains mois.