오픈소스 지식 그래프 스킬

Graphify — AI 코딩 어시스턴트를 위한 지식 그래프

Name: Graphify
Author: Safi Shamsi

Graphify는 코드, 문서, 논문, 다이어그램을 질의 가능한 지식 그래프로 구성해 AI 코딩 어시스턴트가 멀티모달 코드베이스를 이해하도록 돕는 오픈소스 스킬입니다.

Graphify란?

Graphify는 Claude Code, OpenAI Codex, OpenCode 같은 AI 코딩 어시스턴트를 위해 만든 멀티모달 지식 그래프 빌더입니다. Tree-sitter 정적 분석과 LLM 기반 의미 추출을 결합해 소스 코드, 문서, 연구 논문, 다이어그램을 포함한 저장소 전체를 인터랙티브 그래프로 변환하며, 코드가 무엇을 하는지와 왜 그렇게 설계됐는지까지 설명합니다. 프로젝트는 Safi Shamsi가 유지보수하며 MIT 라이선스로 배포됩니다.

3.7k+GitHub Stars

MIT라이선스

71.5×토큰 절감률

Python 3.10+런타임

핵심 기능

Graphify는 정적 분석, 의미 추출, 그래프 클러스터링을 하나의 스킬로 통합해 어떤 AI 코딩 어시스턴트에서도 호출할 수 있습니다.

멀티모달 추출

코드(.py, .js, .go, .java 등), Markdown, PDF, 이미지를 파싱합니다. Tree-sitter는 AST/호출 그래프/주석을 추출하고, LLM은 문서 개념을 추출하며, 비전 모델은 다이어그램을 읽습니다.

지식 그래프 구축

추출된 노드와 엣지를 NetworkX 그래프로 통합하고 Leiden 알고리즘으로 의미 커뮤니티를 탐지합니다. 벡터 임베딩이 필요 없습니다.

핵심 노드와 이상 연결

시스템 중심의 고차수 "god nodes"를 식별하고, 파일/도메인 간 예상 밖 연결을 표시해 조사 포인트를 제공합니다.

인터랙티브 출력

인터랙티브 graph.html, 질의 가능한 graph.json, 사람이 읽기 쉬운 GRAPH_REPORT.md 보고서를 내보냅니다.

어시스턴트 연동

/graphify, /graphify query, /graphify path, /graphify explain 명령을 제공합니다.

보안 기본값

입력 검증을 엄격히 적용합니다: http/https만 허용, 크기/타임아웃 제한, 경로 포함 검증, HTML 이스케이프 처리로 SSRF/주입/XSS 방어.

아키텍처 및 파이프라인

Graphify는 다단계 파이프라인 구조입니다. 각 단계가 독립 모듈이라 필요한 부분만 확장할 수 있습니다.

detect — 파일 수집 extract — AST + LLM 노드/엣지 build — NetworkX 그래프 구성 cluster — Leiden 커뮤니티 analyze — 핵심 노드/이상 연결 report — GRAPH_REPORT.md 생성 export — HTML / JSON / Obsidian

보조 모듈로는 URL 수집 ingest.py, 의미 캐시 cache.py, 입력 검증 security.py, 실시간 업데이트 watch.py, MCP 서비스 serve.py가 있습니다.

로컬 설치 및 실행

Python 3.12와 uv를 사용해 저장소에서 Graphify AI를 설치합니다. 패키지 이름은 private-context-mcp이며 CLI 명령은 private-context입니다.

# Python 3.12와 uv 필요; Graphify AI 저장소 루트에서 실행
uv sync --extra dev --extra cloud --no-editable \
  --reinstall-package private-context-mcp

# 로컬 설치 확인
uv run --no-sync private-context doctor

# 로컬 stdio MCP 서버 시작
uv run --no-sync private-context serve --transport stdio

이 명령은 Graphify AI의 잠긴 의존성과 로컬 런타임을 사용합니다. 로컬 설치가 필요 없다면 app.graaph.org의 호스팅 콘솔을 사용하세요.

실전 예제

저장소에는 소규모 라이브러리와 대규모 코드+논문 혼합 코퍼스에 대한 재현 가능한 예제가 포함됩니다.

httpx (소규모)

HTTP 전송 계층을 모델링한 6개 Python 파일. 결과: 노드 144개, 엣지 330개, 커뮤니티 6개. 핵심 노드: Client, AsyncClient, Response, Request. 이상 연결: DigestAuth → Response.

Karpathy 혼합 코퍼스

GPT 프레임워크 저장소 3개 + attention 논문 5편 + 다이어그램 4개(약 52개 파일, 9.2만 단어). 결과: 노드 285개, 엣지 340개, 커뮤니티 53개. 평균 질의 비용 약 1.7k 토큰으로, 단순 방식 123k 대비 71.5배 절감.

비교

코드 인텔리전스 인접 오픈소스와 Graphify의 차이점입니다.

프로젝트	초점	강점	Graphify 대비 한계
Sourcegraph	크로스 리포지토리 코드 검색	엔터프라이즈급 탐색	지식 그래프가 아니며 설계 의미 표현이 제한적
Code2Vec	함수 단위 임베딩	벡터 검색/분류	그래프 구조와 멀티모달 입력이 없음
Neo4j	범용 그래프 DB	강력한 Cypher 질의	코드에서 그래프를 자동 생성하지 않음

보안, 라이선스, 신뢰성

Graphify는 MIT 라이선스로 배포됩니다. 핵심 의존성 NetworkX(BSD), Tree-sitter(MIT)도 모두 허용적 라이선스입니다. 텔레메트리를 수집하지 않으며, 외부 네트워크 호출은 의미 추출 단계뿐입니다. 이때도 원본 소스 코드는 전송하지 않고 문서 의미 설명만 전송합니다. URL은 http/https로 제한되고, 다운로드 크기/시간 제한, 출력 경로 포함 검증, HTML 이스케이프를 적용해 SSRF/Cypher 주입/XSS를 방어합니다.