Третья часть серии.
В первой я разбирал сам движок graphlens — что он делает и как устроен внутри.
Во второй гонял бенчмарк на 936 прогонов и смотрел, где граф реально окупается, а где проще остаться с grep.

Здесь — про то, что осталось за кадром в обеих частях: движок это ещё не инструмент, и чтобы подключить его к агенту, поверх нужно дописать прилично кода.
Вот этот код я и собрал в отдельный продукт. graphlens-mcp ставится одной командой, дальше работает сам.
Он в alpha, бесплатный (MIT), и прогнать его на своём проекте можно минут за пять.

Репозиторий:
github.com/Neko1313/graphlens-mcp
Движок:
github.com/Neko1313/graphlens
Бенчмарк:
github.com/Neko1313/agent-context-bench

Пользуюсь вот этим
Regsorm/code-index-mcp: Rust-native code index MCP server with first-class 1C:Enterprise (BSL) support. Static binary, no runtime.
31 tools — 20 universal + 11 BSL-specific. Tree-sitter AST for 10 languages.
Federation across multiple repos. Built for production-scale monorepos.
вполне готовый продукт

Продукт, который вы скинули, использует тот же принцип, что и codegraph, и скорее является его полным аналогом и имеет те же проблемы.

То есть, по сути вы сделали тоже самое, что делает semble mcp?

И да и нет.
Semble - это семантический поиск: он по эмбеддингам находит код, похожий по смыслу на запрос.
У меня - структурный граф: реальные рёбра вызовов и типов.
Это разные вопросы.
"Найди код про аутентификацию" - это к semble.
А "кто конкретно вызывает этот метод и что сломается, если я поменяю сигнатуру" - похожесть тут не поможет, нужна именно структура.
Эмбеддинг не отличит реальный вызов функции от куска, который просто рядом по смыслу.