Graft: coding agent-এর জন্য codebase map
Graft tree-sitter দিয়ে repository parse করে MCP-তে queryযোগ্য codebase map বানায়। প্রতিটি session-এ একই কাঠামো আবার খোঁজার বদলে agent স্থায়ী index থেকে তথ্য পায়।
কোডিং এজেন্টের জন্য codebase map কী
কোডিং এজেন্টের জন্য codebase map হলো আপনার repository-এর একটি স্থায়ী index। নতুন প্রতিটি session-এ agent শূন্য থেকে grep করে অনুসন্ধান না করে এই index থেকে প্রয়োজনীয় তথ্য খুঁজে নেয়। Graft এই ধারণার একটি implementation। এটি tree-sitter ব্যবহার করে আপনার code parse করে, পরস্পর-সংযুক্ত markdown node-এর একটি folder এবং প্রতিটি symbol-এর wiring graph তৈরি করে, আর MCP (model context protocol, coding agent-গুলোর বাইরের tool কল করার standard interface)-এর মাধ্যমে retrieval tool সরবরাহ করে।
Graft proxy নয় এবং gateway-ও নয়। আপনার agent ও model API-এর মধ্যে কোনো মধ্যবর্তী স্তর থাকে না। Map হলো disk-এর একটি folder, যেটি agent পড়ে। এই পার্থক্যটি নির্ধারণ করে আপনি কোন সমস্যার সমাধান করছেন: self-hosted token gateway আপনার ইতিমধ্যে পাঠানো request-এর পরিমাণ হিসাব করে এবং সেগুলোর routing নিয়ন্ত্রণ করে, আর map নির্ধারণ করে মোট কতগুলো request পাঠাতে হবে।
এই কৌশলটি এই tool-এর চেয়ে পুরোনো এবং tool-টি আর না থাকলেও কৌশলটি ব্যবহার করা যাবে। প্রথমে কৌশলটি শিখুন, তারপর এর প্রয়োগপদ্ধতি শিখুন।
কোডিং agent-গুলো কেন structure নতুন করে খুঁজতে context নষ্ট করে
একটি agent-কে এমন একটি repository-তে কাজ শুরু করতে দেখুন, যেটি সে ইতিমধ্যে পঞ্চাশবার দেখেছে। সে directory-এর তালিকা করে। কোনো symbol খুঁজতে grep চালায়। কোন file-এ function-টি সংজ্ঞায়িত হয়েছে তা জানতে তিনটি file খোলে, তারপর কে function-টি call করে তা জানতে চতুর্থ file খোলে। এর কোনোটিই আসল task নয়। এগুলো orientation, এবং প্রতিটি session-এ এর জন্য input token খরচ হয়।
কারণটি সহজ। একটি model-এর session-এর মধ্যে memory থাকে না। আপনার layout সম্পর্কে agent যা শিখেছিল, সবই এমন একটি context window-তে ছিল যা session শেষ হওয়ার সঙ্গে সঙ্গে বাতিল হয়ে গেছে। তাই একই discovery আবার শূন্য থেকে শুরু হয়, এবং এর জন্য আবার খরচ হয়। Prompt caching কেবল গত পাঁচ মিনিটের মধ্যে দেখা অভিন্ন prompt prefix-এ discount দেয়, অথবা অতিরিক্ত খরচে গত এক ঘণ্টার prefix-এ discount দেয়। তাই এটি গতকালের exploration আজকের session-এ ধরে রাখতে পারে না। বড় repository-তে orientation phase-এর খরচ edit-এর চেয়ে বেশি হয়: code খুঁজে পেতে দশটি tool call, পরিবর্তন করতে একটি। এই খরচের অর্ধেক orientation এবং অন্য অর্ধেক edit। তাই agent-কে কাজ করা পরিবর্তনের মধ্যে সবচেয়ে ছোট পরিবর্তনে সীমাবদ্ধ রাখে এমন skill-এর সঙ্গে একটি map ব্যবহার করা ভালো; তাদের মধ্যে একটি বেছে নেওয়ার দরকার নেই।
একটি map discovery-এর কাজ model থেকে সরিয়ে disk-এ নিয়ে এই পুনরাবৃত্তি বন্ধ করে। একটি parser একবার repository পরিদর্শন করে, কোন symbol কোথায় সংজ্ঞায়িত এবং কোন symbol কোনটিকে call করে তা record করে, তারপর code পরিবর্তিত হলে সেই record আপডেট রাখে। agent একটি প্রশ্ন করে এবং file ও line-সহ উত্তর পায়। বারবার exploration করা একটি সস্তা lookup-এ পরিণত হয়।
আপনি ইতিমধ্যে এর একটি দুর্বল সংস্করণ ব্যবহার করেন। আপনার convention নির্দিষ্ট করা একটি AGENTS.md agent-কে প্রতিবার আপনার convention নতুন করে নির্ধারণ করা থেকে বিরত রাখে। একটি generated map তাকে আপনার structure নতুন করে নির্ধারণ করা থেকে বিরত রাখে। পার্থক্য হলো এটি কে লেখে। আপনি instruction file হাতে লেখেন, তাই এটি ছোট থাকে। একটি parser map তৈরি করে, তাই এটি দশ হাজার file অন্তর্ভুক্ত করতে পারে। একটি session-এর মধ্যে budget আসলে কোথায় খরচ হয়, তার হিসাবের জন্য Claude Code কীভাবে তার context window ব্যবহার করে দেখুন।
Graft আসলে যা তৈরি করে
Repository root-এর একটি graft/ folder-এর অধীনে থাকা 2টি artefact।
প্রথমটি linked markdown হিসেবে লেখা একটি node graph; প্রতিটি node-এর জন্য একটি file থাকে। প্রতিটি node-এ plain-English summary, source থেকে নেওয়া গুরুত্বপূর্ণ logic line-গুলোর একটি "crux", content hash-সহ exact source file, অন্য node-এর typed wikilink (depends_on, part_of, uses, implements), এবং একটি notes section থাকে। Regeneration-এর পরেও notes section-টি থেকে যায়, তাই parser যে context নির্ণয় করতে পারে না, তা আপনি এখানে লিখে রাখতে পারেন।
দ্বিতীয়টি হলো graft/.graph/wiring.json, অর্থাৎ tree-sitter যে per-symbol structural graph extract করে। এতে definition, reference এবং symbol-গুলোর মধ্যকার call edge থাকে।
এই বিভাজন গুরুত্বপূর্ণ, কারণ দুটি অংশের মধ্যে শুধু একটির জন্য model দরকার। graft build সম্পূর্ণরূপে tree-sitter-নির্ভর এবং কখনও LLM (large language model) কল করে না। তাই এটি deterministic এবং এর কোনো খরচ নেই। graft build --deep লিখিত summary ও per-symbol crux যোগ করে, আর এগুলোর জন্য model call-এর খরচ দিতে হয়।
Language support tier-ভিত্তিক, এবং tier দেখে বোঝা যায় call graph-কে কতটা নির্ভরযোগ্য হিসেবে গ্রহণ করবেন। TypeScript, JavaScript, Python, Go, Java, Kotlin, PHP, Swift এবং R scope-aware cross-file resolution পায়। Rust, C, C++, C#, Ruby, Scala, Elixir, Solidity, OCaml, Zig, Dart, Clojure, Nix এবং Lua symbol ও generic call edge পায়। এর অর্থ, কোনো edge resolved reference-এর পরিবর্তে name match-ও হতে পারে। Compiler-grade edge পেতে --lsp এবং rust-analyzer বা gopls-এর মতো একটি language server opt-in করতে হবে।
Graft ইনস্টল করুন এবং version pin করুন
Graft-এর জন্য Node.js 20 বা পরের version প্রয়োজন এবং এটি MIT licensed। 17 October 2026 অনুযায়ী current release হলো 0.23.0, যা 15 October 2026-এ প্রকাশিত হয়েছে। প্রথম published version 0.1.0-এর তারিখ July 2026। এটিকে নতুন software হিসেবে বিবেচনা করুন। 14 October 2026-এ প্রকাশিত 0.22.0 release-এ project-এর নাম Trail-code করা হয়: একই code এখন @trailhq/trail-code হিসেবেও ship হয়, যেখানে trail command রয়েছে। অন্যদিকে @nanonets/graft-এ graft command অপরিবর্তিত থাকে।
এই guide-এ 0.21.1 pin করা হয়েছে। এটি 29 September 2026-এ প্রকাশিত এবং rename-এর আগের শেষ release। কারণ 0.22 ও 0.23 এমন command পরিবর্তন করেছে, যেগুলোর ওপর এই guide নির্ভর করে। 0.22 থেকে graft check আপনার branch-এর diff-কে repo-র team learnings-এর সঙ্গে তুলনা করে এবং conflict হলে 1 exit code দেয়। Drift detection graft build --check-এ সরানো হয়েছে। MCP tools-এর নাম এখন trail_*; তবে server এখনও পুরনো graft_* নামের উত্তর দেয়। 0.23.0 changelog-এ আরও বলা হয়েছে, trail দিয়ে setup করা repo-তে map .trail/cache/-এ চলে যায় এবং Claude Code আর MCP server পায় না। অথচ README এখনও graft/ ও .mcp.json বর্ণনা করে। Pin পরিবর্তনের আগে changelog পড়ুন এবং --dry-run চালান।
npm install -g @nanonets/graft@0.21.1
npm ls -g @nanonets/graftnpm ls -g-এর output হিসেবে @nanonets/graft@0.21.1 দেখানো উচিত। ইচ্ছাকৃতভাবে এই version pin করুন। শুধু npm install -g @nanonets/graft ব্যবহার করলে command চালানোর সময় latest tag resolve হয়। প্রতি মাসে একাধিক minor release প্রকাশিত হলে এর ফলে মঙ্গলবার আপনার ব্যবহৃত tool এবং সোমবার আপনার সহকর্মীর install করা tool আলাদা হতে পারে। Pinned version সবার জন্য CLI flag এবং graph format একই রাখে। তাই upgrade কখন করবেন, সেই সিদ্ধান্ত আপনার নিয়ন্ত্রণে থাকে।
এরপর আপনার মালিকানাধীন একটি repository-তে এটি যুক্ত করুন:
cd /path/to/your/repo
graft init --dry-run
graft initgraft init আপনাকে জিজ্ঞেস করে কোন coding agent-এ wiring যুক্ত করবেন, তারপর graph তৈরি করে। প্রথমে --dry-run চালিয়ে এটি যেসব file পরিবর্তন করার পরিকল্পনা করছে, সেগুলোর তালিকা পড়ুন। কারণ কিছু file repository-র বাইরেও থাকতে পারে। graft init idempotent এবং existing config overwrite করে না। তাই দ্বিতীয়বার চালানো নিরাপদ। পরিবর্তন প্রত্যাহার করতে graft uninstall চালান। -y না দেওয়া পর্যন্ত এটি dry run হিসেবে কাজ করে এবং Graft-এর লেখা প্রতিটি file ও config entry সরিয়ে দেয়।
একই prompt-এ telemetry checkbox-ও থাকে। 0.12.0 release থেকে Graft default হিসেবে একটি anonymous usage ping পাঠায়: এতে bucket করা count এবং fixed label থাকে, কিন্তু আপনার code, file path বা repository name থাকে না। দিনে সর্বাধিক একবার event পাঠানো হয়। একমাত্র ব্যতিক্রম install event, যা npm-এর postinstall hook background sender-এর কাছে সঙ্গে সঙ্গে পাঠায়। graft init চলাকালে checkbox untick করুন, graft telemetry disable চালান, অথবা এটি বন্ধ করতে DO_NOT_TRACK=1 set করুন; CI-তে এটি নিজে থেকেই বন্ধ হয়ে যায়। কী batch পাঠানো হতো তা দেখাতে, কিন্তু না পাঠাতে, graft telemetry debug চালান।
0.21.1-এ wiring Claude Code, Cursor, Codex, GitHub Copilot, Google Gemini, Kiro, Windsurf, Grok (xAI), AdaL, Hermes Agent এবং Google Antigravity কভার করে। 0.13.0 release থেকে Hermes Agent একটি first-class graft init host। Pinned version-এ graft init --agents hermes ও graft init --agents antigravity অন্য যেকোনো host-এর মতো এই দুই host নির্বাচন করে। 0.13.0 release-এ Grok যুক্ত হয়েছে এবং এটি graft init --agents grok দিয়ে নির্বাচন করা হয়। Claude Code সবচেয়ে গভীর integration পায়: একটি MCP server entry, graph-এর size ও staleness দেখানো statusline, graph rebuild করার post-edit hook এবং .claude/-এর অধীনে একটি skill file। অন্যগুলো agent-কে tools বিদ্যমান বলে জানানোর জন্য একটি instruction বা rule file পায়। Hermes Agent এবং Antigravity উভয়ই AGENTS.md section পড়ে। Grok নিজের config-এ একটি MCP block-ও পায়। তাই “Supported” বলতে বোঝায় Graft wiring লিখে দেয়। কোনো agent নিজের rules file উপেক্ষা করলে map-ও উপেক্ষা করবে। এটিই সাধারণত আপনার লেখা নির্দেশনা agent-গুলো উপেক্ষা করে-র কারণ, এবং এখানেও একই বিষয় প্রযোজ্য।
আপনার repository-তে কী যুক্ত হয়, আর git-এর বাইরে কী থাকে
graft init-এর পরে এগুলো থাকবে:
graft/: markdown node graph এবংgraft/.graph/wiring.json। এটি আপনার জন্য.gitignore-তে যোগ করা হয়।.mcp.json: graft MCP server নিবন্ধন করে, যাতে Claude Code এটি চালু করতে পারে।.claude/settings.json: একই জায়গায় merge করা হয় এবং statusline ও post-edit hook যোগ করে।AGENTS.md,GEMINI.md,.github/copilot-instructions.md,.cursor/rules/graft.mdc,.kiro/steering/graft.md,.windsurf/rules/graft.md,.grok/skills/graft/SKILL.mdএবং.adal/skills/graft/SKILL.md: marker-fenced section, যেগুলো আপনার নির্বাচিত agent-এর সঙ্গে মেলা ফাইলে যুক্ত হয়।.grok/config.toml: repository-level[mcp_servers.graft]block, শুধু Grok নির্বাচন করলে লেখা হয়।~/.codex/config.toml,~/.codex/hooks.jsonএবং~/.codex/hooks/graft/graft-hooks.cjs: machine-wide configuration, শুধু Codex নির্বাচন করলে এবং~/.codex/আগে থেকেই থাকলে লেখা হয়।graft init --no-globalএগুলো বাদ দেয়, আরgraft init --no-hooksএকাই hook shim বাদ দেয়।
Graph হলো node_modules-এর মতো একটি cache। এটি commit করবেন না। Code থেকে এটি কয়েক সেকেন্ডে আবার তৈরি হয়, প্রায় প্রতিটি edit-এর পর পরিবর্তিত হয়, এবং এটি commit করলে একটি এক-লাইনের fix কয়েক-শ ফাইলের diff-এ পরিণত হয়, যা কোনো reviewer পড়বেন না। এর বদলে wiring commit করুন, যার মধ্যে AGENTS.md এবং .mcp.json-ও রয়েছে। কোনো teammate repository clone করে graft build চালালে নিজের local graph পেয়ে যাবে।
প্রথম commit-এর আগে ignore rule যোগ হয়েছে কি না যাচাই করুন:
grep -n graft .gitignore
git status --shortgrep-এর output-এ graft/ থাকা একটি line দেখা উচিত, এবং git status --short-এর output-এ graft/-এর অধীনে কিছুই তালিকাভুক্ত থাকা উচিত নয়। ওই output-এ graft/-এর অধীনে কোনো file দেখা গেলে বুঝবেন ignore entry অনুপস্থিত অথবা অন্য কোথাও override করা হয়েছে। Commit করার আগে এটি ঠিক করুন, কারণ কোনো file একবার যোগ হলে git সেটিকে tracking-এর অধীনে রাখে, এবং পরে .gitignore edit করলেও সেটিকে tracking থেকে সরানো হবে না।
আপনি যদি MCP server নিজে হাতে নিবন্ধন করতে চান, অথবা এটি যে version install করেছেন ঠিক সেই version-এ pin করতে চান, তাহলে entry-টি ছোট:
{
"mcpServers": {
"graft": {
"command": "npx",
"args": ["-y", "@nanonets/graft@0.21.1", "mcp"]
}
}
}grep-এর পরিবর্তে আপনার agent যে retrieval tool ব্যবহার করে
Graft MCP-এর মাধ্যমে ছয়টি tool প্রকাশ করে। graft_find_code কোনো task description-এর জন্য file ও line-সহ ranking অনুযায়ী node ফেরত দেয়। graft_file_api কোনো file-এর body ছাড়া প্রতিটি signature ফেরত দেয়। graft_trace_calls একাধিক level জুড়ে caller বা callee অনুসরণ করে। graft_find_all symbol অনুযায়ী group করা regex hit ফেরত দেয়। graft_repo_map অপরিচিত repository সম্পর্কে প্রাথমিক ধারণা দেয়। graft_check_freshness graph এখনও code-এর সঙ্গে মিলে আছে কি না তা জানায়।
প্রতিটির একটি CLI twin আছে। আপনার agent আসলে কী পাচ্ছে, তা যাচাই করার এটাই উপায়:
graft map .
graft ask "where do we validate the refresh token"
graft skeleton src/auth/session.ts
graft callers validateRefreshToken
graft callers validateRefreshToken --direction out
graft grep "refresh_token" --jsongraft ask-এর output-এ file contents-এর বদলে file:line reference-সহ ranking অনুযায়ী node দেখানো উচিত। পুরো প্রক্রিয়াটি এটাই: agent একটি pointer পায় এবং সঠিকটি খুঁজতে দশটি file পড়ার বদলে একটি file খোলে। নিজে graph দেখতে চাইলে graft viz localhost-এ একটি interactive viewer খোলে। graft ask কোনো প্রশ্নের জন্য কার্যকর ফল না দিলে, অথচ যার উত্তর আপনি ত্রিশ সেকেন্ডে দিতে পারেন, সেটি নতুন করে লিখে আবার জিজ্ঞেস করবেন না। Ranked retrieval ফল বাদ দিতে পারে, আর project-এর নিজস্ব skill file-এ বলা আছে যে দুর্বল hit পেলে graft grep, graft skeleton অথবা graft callers-এ যেতে হবে। সেগুলোও যথেষ্ট না হলে drift পরীক্ষা করুন (pinned 0.21.1-এ graft check ., 0.22 থেকে graft build --check) এবং আপনার language কোন tier-এ আছে তা নিশ্চিত করুন। কারণ stale graph বা broad-tier edge আপনার agent-কে একইভাবে ব্যর্থ করাবে।
একটি খরচ সহজেই চোখ এড়িয়ে যায়। পুরো session জুড়ে প্রতিটি request-এর system prompt-এ ছয়টি tool definition যুক্ত হয়। agent map ব্যবহার করুক বা না করুক, এই খরচ আপনাকে দিতে হয়। Repository এত ছোট হলে যে তা context-এ স্থান পায়, exploration থেকে সাশ্রয়ের চেয়ে এই fixed charge বেশি হতে পারে।
কোড পরিবর্তন হলে গ্রাফে কী ঘটে
Structural refresh স্বয়ংক্রিয়ভাবে এবং দ্রুত হয়। Graft git-এর পরিবর্তে আপনার working tree পড়ে। তাই commit না করা edit এবং staged edit—উভয়ই Graft-এর কাছে সমানভাবে দৃশ্যমান। প্রতিটি query প্রথমে working tree-এর stat পরীক্ষা করে এবং শুধু পরিবর্তিত file-গুলো আবার parse করে। 0.21.1 docs অনুযায়ী, কিছু পরিবর্তন না থাকলে এই পরীক্ষা প্রায় 3 ms সময় নেয়। বর্তমান README-তে কয়েক দশক মিলিসেকেন্ড বলা হয়েছে; প্রকল্পের নিজস্ব repository-তে সময়টি প্রায় 50 ms। turn-end rebuild-এ শুধু যেসব file-এ code পরিবর্তিত হয়েছে, সেগুলোই প্রক্রিয়াকরণ করা হয়। GRAFT_NO_REFRESH=1 সেট করুন অথবা --no-refresh pass করুন, যাতে disk-এ থাকা graph থেকে উত্তর দেওয়া হয় এবং পুনরায় parse না করা হয়। সবকিছু cold re-parse করতে --no-reuse pass করুন। Graft নিজে upgrade করার পরে এটাই ব্যবহার করা উচিত।
Model দিয়ে লেখা অংশটি ভিন্নভাবে কাজ করে। সমস্যাও সাধারণত এখানেই নীরবে তৈরি হয়। Summary এবং crux cache করা থাকে। প্রতিটি node তার source-এর content hash সংরক্ষণ করে। তাই কোনো source file পরিবর্তিত হলে node-টি current হিসেবে দেখানোর বদলে stale হিসেবে চিহ্নিত হয়। তবে কেউ stale flag-এর ওপর ব্যবস্থা নিলেই কেবল এটি উপকারী। graft build --deep দিয়ে refresh করুন; এতে আবার model token খরচ হয়।
Staleness দৃশ্যমান করুন:
graft check .
echo $?Pinned 0.21.1-এ exit status 0 বোঝায় graph code-এর সঙ্গে মিলে আছে, আর exit status 1 বোঝায় drift আছে। 0.22 থেকে graft check team learning-এর সঙ্গে conflict হলে exit status 1 দেয়। Drift gate হলো graft build --check। তাই pin পরিবর্তন করলে command-টিও পরিবর্তন করুন। এটি pre-push hook থেকে চালান। তাহলে ছয় মাস পুরোনো map মার্চে পুনর্লিখিত code সম্পর্কে আত্মবিশ্বাসের সঙ্গে উত্তর দিতে পারবে না। 0.21.1 README-তে graft check-কে local freshness signal হিসেবে বর্ণনা করা হয়েছে। বর্তমান README-তে CI-এর জন্য build --check দেওয়া আছে। যেভাবেই হোক, graft/ git-ignored। তাই job graph তৈরি না করলে নতুন CI checkout graph ছাড়াই শুরু হয়।
প্রকাশিত benchmark সংখ্যাগুলো সতর্কভাবে পড়ুন
0.21.1 README-তে শুরুতেই লেখা ছিল: “up to 4x cheaper and 3x faster, with better or no loss of correctness”। বর্তমান README-তে এই লাইনটি নেই। সেখানে ছোট সংখ্যাগুলো দিয়ে শুরু করা হয়েছে: “Across 162 runs of the same agent on the same tasks: 32% lower cost, 42% fewer uncached input tokens, 60% less time, and the same share of correct answers.” এই সংখ্যাগুলো প্রকল্পটির নিজস্ব benchmark থেকে নেওয়া, যা README-তে প্রকাশিত হয়েছে। নিচে প্রতিবেদনটিতে দেওয়া দুটি run-এর সম্পূর্ণ বিবরণ রয়েছে।
এই চার্টের পেছনের ডেটা
[
{
"label": "Controlled sweep",
"run_count": 162,
"token_saving_pct": 42,
"tool_call_saving_pct": 46,
"correctness_pct": 93,
"baseline_correctness_pct": 93
},
{
"label": "SWE-bench Verified",
"run_count": 50,
"token_saving_pct": 23,
"tool_call_saving_pct": 25,
"correctness_pct": 66,
"baseline_correctness_pct": 54
}
]নিয়ন্ত্রিত sweep-এ দুটি repository-জুড়ে 162টি run রয়েছে। এর একটি হলো Graft নিজেই। প্রতিটি task-এর জন্য তিনটি trial চালানো হয়েছে। এতে 42% কম uncached input token এবং 46% কম tool call ব্যবহারের কথা বলা হয়েছে। SWE-bench Verified run-এ 50টি instance রয়েছে। উভয় arm-এ একই model ব্যবহার করা হয়েছে। সেখানে সাশ্রয় কম: 23% token এবং 25% tool call। 15টি PocketBase task-এর তৃতীয় run-এ মোট 11.02 US dollar খরচ হয়েছে। Baseline-এর খরচ ছিল 13.91 US dollar। এই run-এ দশটি developer question এবং পুনরুৎপাদিত পাঁচটি merged pull request ছিল।
সবকিছুকেই vendor benchmark হিসেবে বিবেচনা করুন। এটি কী জানাতে পারে, তা দুটি বিষয় সীমিত করে। নিয়ন্ত্রিত sweep-এ Graft-এর নিজস্ব repository অন্তর্ভুক্ত রয়েছে। এটি সেই codebase, যার ওপর এর লেখকেরা tuning করেছেন। SWE-bench Verified হলো পরিচিত open-source Python project-এর issue নিয়ে তৈরি একটি public dataset। Tool-গুলো সাধারণত public dataset-এর জন্য optimised হয়, কেউ ইচ্ছাকৃতভাবে করুক বা না করুক। কোনোটিই আপনার private monorepo সম্পর্কে কোনো বক্তব্য নয়। আপনার monorepo-র naming habit এবং dead code আলাদা।
Correctness বিষয়টি দ্বিতীয়বার যাচাই করা দরকার। নিয়ন্ত্রিত sweep-এ এটি বদলায়নি: map-সহ 93%, map ছাড়া 93%। 54% থেকে 66%-এ বৃদ্ধি শুধু SWE-bench Verified-এ দেখা যায়। কোনো tool আপনার token bill কমিয়ে quality অপরিবর্তিত রাখলে সেটি এখনও ভালো বিনিময়। তবে SWE-bench-এর correctness result-কে sweep-এর token result-এর সঙ্গে মিলিয়ে একটি দাবি হিসেবে উদ্ধৃত করবেন না।
বিশ্বাস করার আগে নিজস্ব token delta পরিমাপ করুন
গুরুত্বপূর্ণ একমাত্র সংখ্যাটি আপনার repository থেকে পাওয়া সংখ্যা। এই পদ্ধতিতে একটি বিকেল সময় লাগবে।
এমন একটি কাজ বেছে নিন, যা হুবহু পুনরাবৃত্তি করা যায়। প্রশ্ন edit-এর চেয়ে ভালো, কারণ edit করলে repository পরিবর্তিত হয় এবং দ্বিতীয়বার চালানো আর একই পরীক্ষা থাকে না। “login route-এ rate limit কোন module প্রয়োগ করে” — প্রশ্নটি এই ধরনের হওয়া উচিত।
telemetry চালু করুন এবং নিজের terminal-এ পাঠান:
export CLAUDE_CODE_ENABLE_TELEMETRY=1
export OTEL_METRICS_EXPORTER=console
claudeConsole exporter metric record সংগ্রহের সঙ্গে সঙ্গে দেখায়। আপনার প্রয়োজন claude_code.token.usage, যেখানে type attribute-এর মান input, output, cacheRead অথবা cacheCreation। Orientation input এবং cacheRead-এ দেখা যায়, কারণ file content সেখানেই থাকে। এই দুটির যোগফল নিন।
Map সংযুক্ত রেখে, প্রতিবার নতুন session-এ কাজটি তিনবার চালান। এরপর .mcp.json থেকে graft entry সরিয়ে আবার তিনবার চালান। একক run-এর বদলে median তুলনা করুন, কারণ agent run-এর ফলাফলে বড় পার্থক্য হতে পারে এবং একটি দুর্ভাগ্যজনক run আপনাকে প্রকৃত ফলের বিপরীত ধারণা দিতে পারে। Tool-call count-ও লিখে রাখুন: tool call হলো প্রক্রিয়া, আর token হলো ফলাফল। তাই tool call না কমে token কমলে অন্য কোনো পরিবর্তন ঘটেছে।
এরপর benchmark-এ দেখানো হয় না এমন খরচ বাদ দিন। প্রতিটি full refresh-এ graft build --deep model token ব্যবহার করে। প্রতিটি request-এর সঙ্গে ছয়টি tool schema পাঠানো হয়। আপনার agent যদি ভাড়া করা server-এ চলে, agent খরচের সর্বোচ্চ সীমা নির্ধারণ করলে এটি অপ্রত্যাশিত ব্যয়ের বদলে বাজেটে পরিণত হয়। Exporter চালু করার পর machine থেকে আসলে কী বাইরে যায়, তা coding agent-এর telemetry আসলে কী report করে অংশে ব্যাখ্যা করা হয়েছে।
কোডবেস ম্যাপ কখন আর সহায়ক থাকে না?
- রিপোজিটরি ইতিমধ্যেই context-এ ধরে যায়। একটি ছোট একক service-এর জন্য ম্যাপের প্রয়োজন নেই, অথচ প্রতিটি request-এ আপনাকে ছয়টি tool schema-এর খরচ বহন করতে হয়। আপনার agent যদি আজ এক বা দুটি tool call-এই যেকোনো file খুঁজে পায়, তাহলে এটি বাদ দিন।
- আপনার language broad tier-এ রয়েছে। Generic call edge-এর কারণে
graft callersকোনো caller বাদ দিতে পারে, অথবা একই নামের সংঘর্ষের কারণে ভুল caller তৈরি করতে পারে। Blast radius-এর ওপর আস্থা রাখার আগেgraft grepদিয়ে নিশ্চিত হন। - Graph পুরোনো হয়ে গেছে এবং কেউ তা বুঝতে পারেনি। 0.21.1-এ drift হলে
graft checkexit code 1 দিয়ে শেষ হয়; 0.22 থেকেgraft build --checkএকই কাজ করে। তবে এটি কেবল তখনই কার্যকর, যখন কোনো কিছু এটি চালায়। অভ্যাসের ওপর নির্ভর না করে pre-push hook ব্যবহার করুন। - Monorepo-টির scope নির্ধারণ করা দরকার। একটি single-git monorepo ভাগ করা হয় না। তবে
graft buildpnpm-workspace.yaml,package.jsonworkspaces অথবা প্রতি-packagego.mod,pyproject.tomlবাCargo.tomlথেকে sub-project শনাক্ত করে এবং সেগুলোকে ranking scope হিসেবে ব্যবহার করে।graft ask "..." --in services/billing/একটি query-কে একটি sub-project-এর মধ্যে সীমিত করে। প্রতি package-এ nested AGENTS.md file রাখার যে যুক্তি, ম্যাপের ক্ষেত্রেও একই যুক্তি প্রযোজ্য। - Agent wiring উপেক্ষা করছে। ম্যাপ ব্যবহার করা হচ্ছে কি না, সে সিদ্ধান্তে পৌঁছানোর আগে একটি বাস্তব session-এ tool call-গুলো পর্যবেক্ষণ করুন। কোনো agent এখনও
grepচালিয়ে গেলে বুঝতে হবে, এটি rules file পড়েনি।
FAQ
graft/ ফোল্ডারটি কি git-এ commit করা উচিত?
না। graft build স্বয়ংক্রিয়ভাবে আপনার .gitignore-এ graft/ যোগ করে, কারণ graph-টি node_modules-এর মতো পুনরায় তৈরি করা যায় এমন cache। প্রায় প্রতিটি edit-এর পর এটি পরিবর্তিত হয়। তাই এটি commit করলে শত শত generated file-এর মধ্যে প্রকৃত diff খুঁজে পাওয়া কঠিন হয়। map বিদ্যমান—এ কথা agents-কে জানানো wiring, যার মধ্যে AGENTS.md এবং .mcp.json রয়েছে, commit করুন। এরপর প্রতিটি teammate-কে নিজের পরিবেশে graft build চালাতে দিন। প্রথম commit-এর আগে grep -n graft .gitignore এবং git status --short দিয়ে যাচাই করুন। কোনো file একবার যোগ করা হলে git সেটির tracking বজায় রাখে। পরে .gitignore edit করলেও tracking বন্ধ হয় না।
Graft চালাতে কি অর্থ খরচ হয়?
এর structural অংশের জন্য নয়। graft build, graft ask, graft check এবং ছয়টি MCP retrieval tool হলো tree-sitter operation। এগুলো কখনও model call করে না। graft build --deep হলো paid অংশ। এটি LLM-এর মাধ্যমে plain-English summary এবং প্রতি symbol-এর crux লেখে। GRAFT_PROVIDER, GRAFT_API_KEY এবং GRAFT_MODEL দিয়ে এটি configure করা হয়। OpenAI-compatible endpoint ব্যবহার করলে GRAFT_BASE_URL-ও প্রয়োজন। আপনি শুধু structure নিয়ে Graft চালাতে পারেন। এতে graph তৈরির জন্য কোনো token খরচ হবে না।
আমার repository-তে codebase map আসলে কতটা সাশ্রয় করবে?
পরিমাপ না করে কেউ তা বলতে পারবে না। প্রকল্পের প্রতিবেদনে দেখা যায়, নিজস্ব 162-run sweep-এ uncached input token 42% কমেছে। SWE-bench Verified-এ token 23% কমেছে। উভয় ফলই map ছাড়া baseline-এর সঙ্গে তুলনা করা হয়েছে। এগুলো vendor benchmark। এর একটিতে Graft-এর নিজস্ব repository আংশিকভাবে ব্যবহার করা হয়েছে। কোনোটিই আপনার private code সম্পর্কে ফল দেয় না। একটি পুনরাবৃত্তিযোগ্য প্রশ্ন map সহ 3 বার এবং map ছাড়া 3 বার চালান। এ সময় CLAUDE_CODE_ENABLE_TELEMETRY=1 এবং OTEL_METRICS_EXPORTER=console সেট করুন। তারপর input এবং cacheRead ধরনের ক্ষেত্রে claude_code.token.usage-এর median তুলনা করুন।
আমি refactor করলে graph-এর কী হয়?
Structure নিজে পুনরায় parse হয়। Graft working tree-এর অবস্থা পরীক্ষা করে এবং শুধু পরিবর্তিত file-গুলো পুনরায় parse করে। তাই পরের query-তেই rename ধরা পড়ে। কিছু সরানো না হলে এই check-এর খরচ 0.21.1-এ প্রায় 3 ms এবং বর্তমান release-এ কয়েক দশ ms। git history নয়, file পড়ে কাজ করায় uncommitted work-ও এটি দেখতে পায়। model-লিখিত summary-গুলোই stale হয়ে যায়। প্রতিটি node তার source-এর content hash সংরক্ষণ করে। source পরিবর্তিত হলে node-কে stale হিসেবে চিহ্নিত করা হয়, rewrite করা হয় না। drift পরীক্ষা করুন—0.21.1-এ graft check . এবং 0.22 থেকে graft build --check। এরপর লিখিত অংশ refresh করতে graft build --deep চালান।
বর্তমানে কোন coding agent Graft ব্যবহার করতে পারে?
Pinned 0.21.1-এ graft init Claude Code, Cursor, Codex, GitHub Copilot, Google Gemini, Kiro, Windsurf, Grok (xAI), AdaL, Hermes Agent এবং Google Antigravity configure করে। মোট এগারোটি host। Changelog-এ 0.13.0 থেকে Hermes Agent-কে first-class host হিসেবে তালিকাভুক্ত করা হয়েছে। Pinned release-এ hermes এবং antigravity সাধারণ --agents id। Claude Code সবচেয়ে বেশি integration পায়: .mcp.json-এ একটি MCP server entry, একটি statusline, post-edit hook এবং .claude/-এর অধীনে একটি skill file। Codex একটি AGENTS.md section এবং ~/.codex/-এর অধীনে machine-wide entry পায়। graft init --no-global এগুলো বাদ দেয়। Grok একটি skill file এবং .grok/config.toml-এ একটি MCP block পায়। Hermes Agent এবং Antigravity AGENTS.md section পড়ে। অন্যগুলো rules বা steering file পায়। অন্য যেকোনো MCP client npx -y @nanonets/graft@0.21.1 mcp command নিবন্ধন করে সরাসরি server ব্যবহার করতে পারে।