KI-Automatisierung

Kontextkontrolle: claude-context vs traditionelles RAG für großskalige Repository-Audits

claude-context vs LlamaIndex RAG Token-Kosten große Codebase 2026
Hinweis: KuzCloud veröffentlicht Mac-Hosting-Guides; claude-context und LlamaIndex sind Drittanbieter-Tools. Dieser Artikel ist technische Recherche, keine Produktempfehlung.
Kurzfassung: Wenn ein Monorepo ~500 k Zeilen überschreitet, sprengt das Stopfen von Ordnern in Claude oder Cursor das Kontextfenster und Ihre Token-Rechnung. claude-context (zilliztech/claude-context) ist ein MCP-Server, der Code mit AST-aware Chunks + hybrider BM25/Vektor-Suche indexiert und nur relevante Snippets zurückgibt. Traditionelles LlamaIndex RAG ist eine DIY-Python-Pipeline (laden → chunken → embedden → Vector Store → abfragen), die Sie vollständig kontrollieren. Faustregel: claude-context gewinnt bei Time-to-Value für Claude Code/Cursor-Nutzer; LlamaIndex gewinnt bei gemischten Daten (Docs + Tickets + Code) und air-gapped Stacks. Keines ersetzt das Lesen von Diffs — beide reduzieren, wie viele Tokens Sie pro Turn füttern.

Warum Token-Rechnungen bei großen Repos explodieren

Full-Stack-Einsteiger stoßen auf dieselbe Wand:

  1. „Einfach das ganze Repo lesen“ — 200 Dateien × 2 k Tokens ≈ 400 k Tokens, bevor das Modell antwortet (mehrere Dollar pro Frage auf Frontier-APIs)
  2. Grep-Spiralen — Agent öffnet jeden Treffer in voller Dateigröße; Kontext füllt sich mit irrelevanten Imports
  3. Amnesie-Refactors — Turn 3 vergisst Turn 1, weil der Host die History gekürzt hat

Symptome in Cursor oder Claude Code: „context full“, komprimierte Zusammenfassungen oder stilles Wegfallen von Dateiinhalten.

Die Lösung ist kein größeres Modell — es ist Retrieval: 8–20 kleine Chunks (je 200–600 Tokens) holen statt 8 ganzer Dateien (je 3 k+ Tokens). Das optimieren claude-context und LlamaIndex RAG, mit unterschiedlicher Ergonomie.

Zwei Ansätze in einer Tabelle

Dimension claude-context (MCP) Traditionelles LlamaIndex RAG
Was es istFertiger MCP + Indexer (@zilliz/claude-context-mcp)Python-Framework, das Sie zusammenbauen
ChunkingAST-aware + Merkle-InkrementindexIhre Wahl (SentenceSplitter, CodeSplitter, etc.)
SucheHybrid BM25 + dichte VektorenTypisch vektoriell; hybrid optional
Vector DBMilvus / Zilliz Cloud (oder kompatibel)Chroma, Qdrant, pgvector, LanceDB, …
Host-IntegrationClaude Code, Cursor via MCPIhr Script, LangChain-Agent, Custom-Bot
Time to first search~30–90 Min. (Index 100 k–500 k LOC)Stunden–Tage beim Pipeline-Tuning
Laufende KostenEmbedding-API + Vector-HostingGleich, aber Sie besitzen jede Zeile
Am besten fürIDE-natives „search my repo“Gemischte Korpora, on-prem only, Forschungs-Notebooks

Externe Referenzen: LlamaIndex-Dokumentation, claude-context GitHub.

Wie claude-context funktioniert (MCP-Pfad)

Ihr Repo ──► AST-Chunker + Embeddings ──► Milvus/Zilliz-Index
                                              │
Frage ──► Claude/Cursor ──► MCP search_code ──► top-K Chunks ──► Modellkontext

MCP-Tools (typisch): index_codebase, search_code, get_indexing_status, clear_index.

Warum hybride Suche für Code zählt: Reine Embeddings verpassen exakte Symbole (UserAuthService_v2). BM25 erwischt Identifier; Vektoren erwischen „wo validieren wir JWT-Ablauf?“

Inkrementelles Indexieren: Merkle-Baum-Change-Detection — re-embeddet nur geänderte Dateien — wichtig bei Agenten auf aktiven Branches.

claude mcp add claude-context \
  -e OPENAI_API_KEY=your_key \
  -e MILVUS_TOKEN=your_zilliz_token \
  -- npx @zilliz/claude-context-mcp@latest

Dann in der Session: einmal indexieren, in natürlicher Sprache abfragen. Kombinieren Sie mit Custom-MCP-Patterns, wenn Sie interne APIs im selben Host brauchen.

Wie traditionelles LlamaIndex RAG funktioniert (DIY-Pfad)

Dokumente ──► LlamaIndex-Loader ──► chunk ──► embed ──► VectorStoreIndex
                                                          │
Frage ──► query_engine.query() ──► abgerufene Nodes ──► LLM-Prompt
from llama_index.core import VectorStoreIndex, SimpleDirectoryReader, Settings
from llama_index.embeddings.openai import OpenAIEmbedding

Settings.embed_model = OpenAIEmbedding(model="text-embedding-3-small")

docs = SimpleDirectoryReader("~/my-monorepo", recursive=True).load_data()
index = VectorStoreIndex.from_documents(docs)  # one-time; persist to disk in prod
qe = index.as_query_engine(similarity_top_k=8)
print(qe.query("Where is rate limiting configured for the public API?"))

Sie müssen hinzufügen: Ignore-Regeln (.git, node_modules), sprachbewusstes Splitting, Metadata-Filter (path:packages/api/**) und einen Wrapper für MCP wie claude-context.

Stärke: Dieselbe Stack kann PDF-Runbooks + Jira-Exports + Code in einem Retriever indexieren — claude-context ist code-first.

Token-Rechnung: illustratives Audit-Szenario

Szenario: „Alle Auth-Middleware finden und auflisten, welche Routen CSRF überspringen.“ Monorepo ~1.200 Dateien, Antwort braucht ~6 relevante Funktionen über 4 Pfade.

StrategieTokens im Modell (Größenordnung)Notizen
src/-Baum + 10 Zufallsdateien einfügen120 k–250 kSchnellster Weg zum Ruin
Agent grep + volle Dateien lesen (5 Treffer)25 k–60 kViel Boilerplate pro Datei
claude-context search_code (top 8 Chunks)3 k–8 kChunks funktions-scoped
LlamaIndex top-8 Nodes (getunter Splitter)3 k–10 kÄhnlich bei Chunk ~512 Tokens
Idealer Mensch (2 Dateien öffnen)~2 kRAG strebt danach

Einsparband: Retrieval-first-Workflows landen oft 70–90 % unter naivem „alles lesen“ bei Discovery-Aufgaben — nicht bei Single-File-One-Linern, wo grep gratis ist.

Versteckte Kosten: Initialer Index-Build (Embedding 0,50–5 $ für 500 k LOC einmalig), Vector-DB-Hosting (0–25 $/Mo. auf Free Tiers), Re-Index nach großen Merges.

Wann welches wählen

Szenario A — Cursor / Claude Code Daily Driver, GitHub-Monorepo

Sie wollen ohne @ „den Billing-Webhook-Validator finden“ im Agent. claude-context liefert MCP-Verkabelung und hybride Suche. LlamaIndex ist Overkill, außer Sie betreiben bereits Python-Data-Jobs auf derselben Maschine.

Link: Claude Code Alternativen für Host-Wahl; claude-context als MCP-Layer obendrauf.

Szenario B — Compliance Air-Gap, kein Zilliz Cloud

LlamaIndex + LanceDB/Chroma auf Disk oder semantic-code-mcp (lokale sentence-transformers). claude-contexts Default-Pfad setzt externe Embedding-APIs und oft Milvus voraus — planen Sie offline Embeddings explizit, wenn nötig.

Szenario C — Agenten-Farm (OpenClaw, ECC) frisst Repos über Nacht

OpenClaw Multi-Agent Fan-out multipliziert Token-Nutzung. Ein Index pro Repo, den alle Worker abfragen, schlägt jeden Worker, der src/ neu liest. Beide Stacks funktionieren; LlamaIndex einfacher aus Python-Workern, claude-context einfacher aus MCP-nativen Hosts.

Szenario D — „Kontext setzt sich zurück“ in langen Threads

Retrieval lässt die Chat-History nicht wachsen — es schrumpft Injections pro Turn. Trotzdem: frische Session pro Task, nur abgerufene Chunks pinnen, nicht dieselbe 2 k-Zeilen-Datei erneut einfügen. Für Harness-Sprawl siehe ECC-Install-Guide.

Acht-Schritte-Runbook nebeneinander

Schritte 1–4 — Gemeinsame Vorbereitung

  1. Baseline messen — Provider-Dashboard-Ausgaben für eine Woche „grep + volle Datei“ notieren.
  2. Ein Pilot-Repo wählen — Ein Service, nicht das ganze Monorepo, für den ersten Index.
  3. Ignore-Regeln hinzufügen — node_modules, dist, .git, generierte Protobufs ausschließen.
  4. 3 Benchmark-Fragen definieren — z. B. Auth, Billing-Webhook, Feature-Flag — nach Indexierung erneut stellen.

Schritte 5–8 — Pfad A: claude-context

  1. MCP registrieren (Befehl oben); prüfen, dass claude mcp list claude-context zeigt.
  2. index_codebase auf Pilot-Repo-Root; warten bis get_indexing_status = complete.
  3. Claude Code fragen: „Use search_code: where is CSRF disabled for admin routes?“ — Zitate chunk-sized bestätigen.
  4. Tokens für diesen Turn vs. Baseline-Frage aus Schritt 1 loggen.

Schritte 5–8 — Pfad B: LlamaIndex

  1. pip install llama-index llama-index-embeddings-openai in venv auf derselben Maschine wie Code.
  2. Index persistieren: storage_context = StorageContext.from_defaults(persist_dir="./rag_index") nach erstem Build.
  3. query_engine in 20-Zeilen-CLI oder FastAPI-Endpoint wrappen, den Ihr IDE-Script aufruft.
  4. Dieselben 3 Benchmark-Fragen erneut; Antwortqualität und Embedding-Position auf Rechnung vergleichen.

Hinweis lokales Hosting (optional)

Indexieren ist CPU + Disk-intensiv, GPU nicht zwingend für API-Embeddings. Ein always-on Mac mit 16 GB RAM hält Milvus Lite/kleine Indizes für mid-size Repos; 24 GB, wenn Sie auch lokales Ollama für 0 $ Inference laufen lassen. Siehe M4-Speicher-Matrix zum Dimensionieren — ein Satz zum Hosting, kein Sales-Pitch.

Fehlerbehebung

MCP search_code liefert leer

Ursache: Falscher oder veralteter Index-Pfad. Fix: index_codebase mit absolutem Pfad erneut; prüfen, dass Ignore-Regeln src/ nicht übersprungen haben.

LlamaIndex antwortet mit falschem Package

Ursache: Chunks mischen Monorepo-Packages. Fix: Metadata-Filter MetadataFilter(key="file_path", value="packages/api") hinzufügen.

Kosten nach RAG noch hoch

Ursache: Agent liest nach Suche noch volle Dateien. Fix: System-Prompt: „Use retrieval chunks only; do not cat entire files unless chunk IDs insufficient.“

Node-24-Install schlägt bei claude-context fehl

Ursache: Upstream begrenzt Node <24. Fix: nvm use 22 vor npx @zilliz/claude-context-mcp.

Ihre SituationWählen
Claude Code / Cursor, schnellster Winclaude-context MCP
Docs + Code + Tickets in einem RetrieverLlamaIndex DIY
Null Cloud-Vector-DBLlamaIndex + LanceDB/Chroma lokal
Bereits MCP-Server gebautclaude-context als zweites MCP-Tool hinzufügen
Einzelne 200-Zeilen-Datei bearbeitenKeines — Datei direkt öffnen

Wenn X → Y: Spricht Ihr Host MCP und schmerzt Repo-Suche, starten Sie mit claude-context. Schmerzt Custom-Korpora, starten Sie mit LlamaIndex.

FAQ

Ist claude-context dasselbe wie Claudes eingebautes Projektwissen?

Nein. Projekt-Uploads werden vom Host verwaltet. claude-context ist ein separater Indexer mit hybrider Code-Suche und inkrementeller Sync — näher an einer dedizierten Code-Suchmaschine.

Ersetzt LlamaIndex claude-context?

Funktional überlappt es bei Code-Q&A. LlamaIndex ist breiter und self-hosted; claude-context schmaler und IDE-integriert. Teams können LlamaIndex in CI und claude-context in der IDE auf denselben Embeddings nutzen.

Behebt RAG falsche Edits?

Nein. Es verbessert Discovery. Sie brauchen weiterhin Tests, Review und kleine scoped Diffs. Schlechtes Retrieval kann irreführen — zitierte Pfade immer spot-checken.

Wie oft neu indexieren?

Nach großen Merges oder wöchentlich auf aktivem main. claude-contexts Inkrementindex reduziert Full-Rebuilds; LlamaIndex kann refresh_ref_docs-Muster nur auf geänderte Dateien anwenden.

Was ist mit Festland-Netzwerk und npm?

Entwickler in CN indexieren oft auf einer stabilen Remote-Dev-Box (SSH), damit npm/pip und Embedding-APIs konsistente Routen sehen — gleiches Muster wie OpenClaw Remote Setup, ohne vorgeschriebenen Vendor.

Verwandte Guides

Nach der RAG-Stack-Wahl ergänzen Sie MCP- und Mac-Hosting-Guides für einen always-on Index auf Apple Silicon.