Code Explorer

À qui ça sert

• Les équipes qui héritent d'un code volumineux

  Reprendre une base de plusieurs centaines de milliers de lignes sans son auteur : le graphe montre l'architecture réelle, pas celle de la documentation.

• Ceux qui font travailler des agents IA

  Claude Code, Codex, Cursor et tout client compatible MCP interrogent le graphe au lieu de remplir leur fenêtre de contexte de code brut.

• Les responsables techniques

  Chiffrer l'impact d'un changement avant de l'engager : appelants, appelés, tests concernés, portée transitive.

Ce que ça change concrètement

1. 1

   Répondre à « qu'est-ce que ça casse ? » en une requête

   Sur le dépôt d'Ollama, retrouver tout ce qui dépend d'une fonction demandait de lire 174 fichiers, soit environ 730 000 tokens. Avec le graphe, la même réponse tient dans environ 18 000 tokens et arrive en quelques dizaines de millisecondes.

2. 2

   Un graphe typé, pas une pile de fichiers

   Plus de 50 types de nœuds et 27 types de relations (appels, importations, héritage, propriété) : la question « qui appelle quoi, et par où » a une réponse exacte, pas une approximation textuelle.

3. 3

   14 langages avec le même outil

   JavaScript, TypeScript, Python, Java, C, C++, C#, Go, Rust, Ruby, PHP, Kotlin, Swift et Razor, analysés par tree-sitter. Un dépôt polyglotte donne un seul graphe.

4. 4

   Branché sur les agents que vous utilisez déjà

   30 outils exposés par le protocole MCP, en mode stdio ou HTTP, avec une commande d'installation par client : Claude Code, Codex, Cursor, VS Code, Claude Desktop.

5. 5

   Entièrement local

   Un binaire unique, l'index écrit dans votre projet, aucun code envoyé à un tiers. Les fonctions qui appellent un modèle de langage sont facultatives et utilisent votre propre clé.

Comment ça marche

Quatre étapes, une seule fois par dépôt, puis des requêtes instantanées tant que le code ne change pas.

Chiffres vérifiables

Chaque chiffre ci-dessous est daté et provient du dépôt ou d'une mesure publiée. Rien n'est extrapolé.

730 000 → 18 000

tokens pour savoir ce qui dépend d'une fonction, sur le dépôt d'Ollama (863 fichiers)

Source : README du dépôt. Les tokens sont estimés à quatre caractères par token, et le chiffre « sans » ne compte que les fichiers concernés : c'est une borne basse.

×36 en médiane

réduction du contexte mesurée sur 11 dépôts réels et 10 langages, jusqu'à ×164 sur Kubernetes

Source : README du dépôt, tableau de mesures par projet.

14 langages · 30 outils MCP

périmètre d'analyse et surface offerte aux agents

Source : README et CHANGELOG de la version 0.2.0 (9 septembre 2026).

1 007 tests

tests automatisés exécutés par cargo test sur l'ensemble du projet

Source : README du dépôt, commande cargo test --workspace.

Pour démarrer

Des binaires prêts à l'emploi sont publiés pour Linux, macOS et Windows sur la page des versions du dépôt. Pour compiler depuis les sources, il faut Rust 1.75 ou plus récent.

git clone https://github.com/phuetz/code-explorer.git
cd code-explorer
cargo build --release -p code-explorer-cli
# binaire : target/release/code-explorer

cd /chemin/vers/votre/projet
code-explorer analyze .

code-explorer context  handleLogin
code-explorer impact   PaymentService
code-explorer query    "où vérifie-t-on l'authentification"
code-explorer cypher   "MATCH (n:Function) RETURN n.name LIMIT 10"

code-explorer mcp-install --client claude --scope project
code-explorer mcp-install --client codex  --scope global
code-explorer mcp-install --client cursor --scope project

claude plugin marketplace add phuetz/code-explorer
claude plugin install code-explorer@code-explorer

Nous installons et paramétrons l'outil sur vos dépôts dans le cadre de la prestation « reprendre la maîtrise d'un patrimoine logiciel », y compris sur du code que vous ne pouvez pas sortir de chez vous.

Ce qui n'est pas encore prêt

Nous préférons l'écrire noir sur blanc plutôt que de le faire découvrir après la signature.

• —Le gain de contexte dépend de la densité des liens autour du symbole interrogé : ×164 sur Kubernetes, ×6 sur Jellyfin.
• —Indexer un très gros dépôt prend du temps : environ 38 minutes pour les 3,6 millions de lignes de Kubernetes sur une machine à 24 cœurs, contre 3 secondes pour un dépôt de 863 fichiers.
• —Les fonctions qui font appel à un modèle de langage restent facultatives et supposent votre propre clé d'API.