Automatisation IA

Contrôle du contexte : claude-context vs RAG traditionnel pour l'audit de grands dépôts

claude-context vs LlamaIndex RAG réduire coût tokens grande codebase 2026
Divulgation : KuzCloud publie des guides d'hébergement Mac ; claude-context et LlamaIndex sont des outils tiers. Cet article est une recherche technique, pas une recommandation produit.
Résumé rapide : Quand un monorepo dépasse ~500 k lignes, remplir le contexte de Claude ou Cursor fait exploser la fenêtre et votre facture tokens. claude-context (zilliztech/claude-context) est un serveur MCP qui indexe le code avec des chunks AST + recherche hybride BM25/vecteurs, ne renvoyant que les extraits pertinents. Le RAG LlamaIndex traditionnel est un pipeline Python DIY (charger → découper → embedder → vector store → requête) que vous contrôlez entièrement. Règle empirique : claude-context gagne en time-to-value pour les utilisateurs Claude Code/Cursor ; LlamaIndex gagne pour les corpus mixtes (docs + tickets + code) et les stacks air-gapped. Aucun ne remplace la lecture des diffs — les deux réduisent le nombre de tokens injectés par tour.

Pourquoi les factures tokens explosent sur les gros dépôts

Les débutants full-stack butent sur le même mur :

  1. « Lire tout le repo » — 200 fichiers × 2 k tokens ≈ 400 k tokens avant que le modèle réponde (plusieurs dollars par question sur les API frontier)
  2. Spirales grep — L'agent ouvre chaque correspondance en taille fichier complète ; le contexte se remplit d'imports irrelevant
  3. Refactors amnésiques — Le tour 3 oublie le tour 1 parce que l'hôte a tronqué l'historique

Symptômes dans Cursor ou Claude Code : « context full », résumés compressés, ou disparition silencieuse du contenu des fichiers.

La solution n'est pas un modèle plus grand — c'est la récupération : récupérer 8–20 petits chunks (200–600 tokens chacun) au lieu de 8 fichiers entiers (3 k+ tokens chacun). C'est ce que claude-context et LlamaIndex RAG optimisent, avec des ergonomies différentes.

Deux approches en un tableau

Dimension claude-context (MCP) RAG LlamaIndex traditionnel
Ce que c'estMCP + indexeur pré-construit (@zilliz/claude-context-mcp)Framework Python que vous assemblez
ChunkingAST-aware + index incrémental MerkleVotre choix (SentenceSplitter, CodeSplitter, etc.)
RechercheHybride BM25 + vecteurs densesTypiquement vectoriel ; hybride optionnel
Vector DBMilvus / Zilliz Cloud (ou compatible)Chroma, Qdrant, pgvector, LanceDB, …
Intégration hôteClaude Code, Cursor via MCPVotre script, agent LangChain, bot custom
Time to first search~30–90 min (index 100 k–500 k LOC)Heures–jours si vous tunez les pipelines
Coût récurrentAPI embedding + hébergement vectorielIdem, mais vous possédez chaque ligne
Idéal pour« Search my repo » natif IDECorpus mixtes, on-prem only, notebooks recherche

Références externes : documentation LlamaIndex, claude-context GitHub.

Comment fonctionne claude-context (voie MCP)

Votre repo ──► chunker AST + embeddings ──► index Milvus/Zilliz
                                              │
Question ──► Claude/Cursor ──► MCP search_code ──► top-K chunks ──► contexte modèle

Outils MCP (typiques) : index_codebase, search_code, get_indexing_status, clear_index.

Pourquoi la recherche hybride compte pour le code : Les embeddings purs ratent les symboles exacts (UserAuthService_v2). BM25 attrape les identifiants ; les vecteurs attrapent « où valide-t-on l'expiration JWT ? »

Indexation incrémentale : Détection de changements style arbre de Merkle — ne ré-embed que les fichiers touchés — important quand vous relancez des agents sur des branches actives.

Esquisse d'installation (Claude Code, Node 20–23 selon README upstream) :

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

Puis en session : indexer une fois, interroger en langage naturel. Associez avec les patterns MCP custom si vous avez aussi besoin d'APIs internes dans le même hôte.

Comment fonctionne le RAG LlamaIndex traditionnel (voie DIY)

Documents ──► loaders LlamaIndex ──► chunk ──► embed ──► VectorStoreIndex
                                                          │
Question ──► query_engine.query() ──► nœuds récupérés ──► prompt LLM

Squelette Python minimal pour un RAG code-only :

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?"))

Vous devez ajouter : règles d'ignore (.git, node_modules), découpage language-aware, filtres metadata (path:packages/api/**), et un wrapper si vous voulez du MCP comme claude-context.

Force : La même stack peut indexer runbooks PDF + exports Jira + code dans un retriever — claude-context est code-first.

Calcul tokens : scénario d'audit illustratif

Scénario : « Trouver tout le middleware auth et lister quelles routes ignorent CSRF. » Monorepo ~1 200 fichiers, la réponse nécessite ~6 fonctions pertinentes sur 4 chemins.

StratégieTokens chargés (ordre de grandeur)Notes
Coller l'arborescence src/ + 10 fichiers aléatoires120 k–250 kLe chemin le plus rapide vers la faillite
Agent grep + lire fichiers entiers (5 hits)25 k–60 kBeaucoup de boilerplate par fichier
claude-context search_code (top 8 chunks)3 k–8 kChunks scoped fonction
LlamaIndex top-8 nœuds (splitter tuné)3 k–10 kSimilaire si chunk ~512 tokens
Humain idéal (vous ouvrez 2 fichiers)~2 kLe RAG aspire à cela

Bande d'économies : Les workflows retrieval-first atterrissent souvent 70–90 % en dessous du « tout lire » naïf pour les tâches de découverte — pas pour les one-liners sur un seul fichier où grep est gratuit.

Coûts cachés : Construction d'index initiale (embedding 0,50–5 $ pour 500 k LOC une fois), hébergement vector DB (0–25 $/mois sur free tiers), re-index après grosses fusions.

Quand choisir lequel

Scénario A — Cursor / Claude Code au quotidien, monorepo GitHub

Vous voulez « trouver le validateur webhook billing » sans @ dans l'agent. claude-context livre le câblage MCP et la recherche hybride. LlamaIndex est overkill sauf si vous faites déjà des jobs Python data sur la même machine.

Lien : alternatives Claude Code pour le choix d'hôte ; ajoutez claude-context comme couche MCP par-dessus.

Scénario B — Conformité air-gap, pas de cloud Zilliz

Exécutez LlamaIndex + LanceDB/Chroma sur disque ou semantic-code-mcp (sentence-transformers locaux). Le chemin par défaut de claude-context suppose des APIs d'embedding externes et souvent Milvus — planifiez explicitement des embeddings offline si requis.

Scénario C — Ferme d'agents (OpenClaw, ECC) qui mâchent les repos la nuit

L'OpenClaw multi-agent fan-out multiplie l'usage tokens. Un index unique par repo que tous les workers interrogent bat chaque worker relisant src/. Les deux stacks fonctionnent ; LlamaIndex plus simple depuis des workers Python, claude-context plus simple depuis des hôtes MCP-native.

Scénario D — « Le contexte se réinitialise » dans les longs fils

La récupération ne fait pas grossir l'historique chat — elle réduit les injections par tour. Quand même : démarrez une session fraîche par tâche, épinglez uniquement les chunks récupérés, évitez de re-coller le même fichier de 2 k lignes. Pour le sprawl de harness voir le guide ECC.

Runbook côte à côte en huit étapes

Étapes 1–4 — Préparation commune

  1. Mesurer la baseline — Notez la dépense dashboard provider sur une semaine de coding « grep + fichier entier ».
  2. Choisir un repo pilote — Un seul service, pas tout le monorepo, pour le premier index.
  3. Ajouter des règles d'ignore — Exclure node_modules, dist, .git, protobufs générés.
  4. Définir 3 questions benchmark — ex. auth, webhook billing, feature flag — vous les re-poserez après indexation.

Étapes 5–8 — Voie A : claude-context

  1. Enregistrer MCP (commande ci-dessus) ; vérifier que claude mcp list montre claude-context.
  2. Lancer index_codebase sur la racine du repo pilote ; attendre get_indexing_status = complete.
  3. Demander à Claude Code : « Use search_code: where is CSRF disabled for admin routes? » — confirmer que les citations sont chunk-sized.
  4. Logger les tokens de ce tour vs votre question baseline de l'étape 1.

Étapes 5–8 — Voie B : LlamaIndex

  1. pip install llama-index llama-index-embeddings-openai dans un venv sur la même machine que le code.
  2. Persister l'index : storage_context = StorageContext.from_defaults(persist_dir="./rag_index") après le premier build.
  3. Envelopper query_engine dans un CLI 20 lignes ou endpoint FastAPI que votre script IDE appelle.
  4. Re-lancer les 3 questions benchmark ; comparer qualité de réponse et ligne embedding sur la facture.

Note hébergement local (optionnel)

L'indexation est CPU + disque intensive, GPU non obligatoire pour les embeddings API. Un Mac always-on avec 16 Go RAM tient Milvus Lite/petits index pour des repos mid-size ; 24 Go si vous lancez aussi Ollama local pour une inférence à 0 $. Voir la matrice mémoire M4 pour le dimensionnement — une phrase sur l'hébergement, pas un pitch commercial.

Dépannage

MCP search_code renvoie vide

Cause : Chemin d'index incorrect ou périmé. Fix : Re-lancer index_codebase avec chemin absolu ; vérifier que les règles d'ignore n'ont pas sauté src/.

LlamaIndex répond avec le mauvais package

Cause : Chunks mélangent les packages monorepo. Fix : Ajouter filtres metadata MetadataFilter(key="file_path", value="packages/api").

Coûts toujours élevés après RAG

Cause : L'agent lit encore les fichiers entiers après recherche. Fix : Prompt système : « Use retrieval chunks only; do not cat entire files unless chunk IDs insufficient. »

Install Node 24 échoue sur claude-context

Cause : Upstream limite Node <24. Fix : nvm use 22 avant npx @zilliz/claude-context-mcp.

Votre situationChoisir
Claude Code / Cursor, victoire la plus rapideclaude-context MCP
Docs + code + tickets dans un retrieverLlamaIndex DIY
Zéro vector DB cloudLlamaIndex + LanceDB/Chroma local
Déjà des serveurs MCP construitsAjouter claude-context comme second outil MCP
Édition d'un seul fichier 200 lignesNeither — ouvrir le fichier

Si X → Y : Si votre hôte parle MCP et votre douleur est la recherche repo, commencez par claude-context. Si votre douleur est les corpus custom, commencez par LlamaIndex.

FAQ

claude-context est-il la même chose que la connaissance de projet intégrée à Claude ?

Non. Les uploads de projet sont gérés par l'hôte. claude-context est un indexeur séparé avec recherche hybride de code et sync incrémentale — plus proche d'un moteur de recherche de code dédié.

LlamaIndex remplace-t-il claude-context ?

Chevauchement fonctionnel pour les Q&R code. LlamaIndex est plus large et auto-hébergé ; claude-context est plus étroit et intégré IDE. Les équipes peuvent utiliser LlamaIndex en CI et claude-context dans l'IDE sur les mêmes embeddings avec du glue code.

Le RAG corrige-t-il les mauvaises modifications ?

Non. Il améliore la découverte. Vous avez toujours besoin de tests, revue et diffs ciblés. Une mauvaise récupération peut induire en erreur — vérifiez toujours les chemins cités.

À quelle fréquence ré-indexer ?

Après de grosses fusions ou chaque semaine sur main active. L'index incrémental claude-context réduit les rebuilds complets ; LlamaIndex peut utiliser des patterns refresh_ref_docs sur les fichiers modifiés uniquement.

Et le réseau continental et npm ?

Les développeurs en CN indexent souvent sur une box de dev distante stable (SSH) pour que npm/pip et les APIs d'embedding voient des routes cohérentes — même schéma que la config OpenClaw remote, sans vendor imposé.

Guides connexes

Après avoir choisi votre stack RAG, complétez avec les guides MCP et hébergement Mac pour un index always-on sur Apple Silicon.