Contrôle du contexte : claude-context vs RAG traditionnel pour l'audit de grands dépôts
Pourquoi les factures tokens explosent sur les gros dépôts
Les débutants full-stack butent sur le même mur :
- « 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)
- Spirales grep — L'agent ouvre chaque correspondance en taille fichier complète ; le contexte se remplit d'imports irrelevant
- 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'est | MCP + indexeur pré-construit (@zilliz/claude-context-mcp) | Framework Python que vous assemblez |
| Chunking | AST-aware + index incrémental Merkle | Votre choix (SentenceSplitter, CodeSplitter, etc.) |
| Recherche | Hybride BM25 + vecteurs denses | Typiquement vectoriel ; hybride optionnel |
| Vector DB | Milvus / Zilliz Cloud (ou compatible) | Chroma, Qdrant, pgvector, LanceDB, … |
| Intégration hôte | Claude Code, Cursor via MCP | Votre 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 récurrent | API embedding + hébergement vectoriel | Idem, mais vous possédez chaque ligne |
| Idéal pour | « Search my repo » natif IDE | Corpus 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.
| Stratégie | Tokens chargés (ordre de grandeur) | Notes |
|---|---|---|
Coller l'arborescence src/ + 10 fichiers aléatoires | 120 k–250 k | Le chemin le plus rapide vers la faillite |
| Agent grep + lire fichiers entiers (5 hits) | 25 k–60 k | Beaucoup de boilerplate par fichier |
claude-context search_code (top 8 chunks) | 3 k–8 k | Chunks scoped fonction |
| LlamaIndex top-8 nœuds (splitter tuné) | 3 k–10 k | Similaire si chunk ~512 tokens |
| Humain idéal (vous ouvrez 2 fichiers) | ~2 k | Le 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
- Mesurer la baseline — Notez la dépense dashboard provider sur une semaine de coding « grep + fichier entier ».
- Choisir un repo pilote — Un seul service, pas tout le monorepo, pour le premier index.
- Ajouter des règles d'ignore — Exclure
node_modules,dist,.git, protobufs générés. - Définir 3 questions benchmark — ex. auth, webhook billing, feature flag — vous les re-poserez après indexation.
Étapes 5–8 — Voie A : claude-context
- Enregistrer MCP (commande ci-dessus) ; vérifier que
claude mcp listmontreclaude-context. - Lancer
index_codebasesur la racine du repo pilote ; attendreget_indexing_status= complete. - Demander à Claude Code : « Use search_code: where is CSRF disabled for admin routes? » — confirmer que les citations sont chunk-sized.
- Logger les tokens de ce tour vs votre question baseline de l'étape 1.
Étapes 5–8 — Voie B : LlamaIndex
pip install llama-index llama-index-embeddings-openaidans un venv sur la même machine que le code.- Persister l'index :
storage_context = StorageContext.from_defaults(persist_dir="./rag_index")après le premier build. - Envelopper
query_enginedans un CLI 20 lignes ou endpoint FastAPI que votre script IDE appelle. - 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.
Parcours recommandé
| Votre situation | Choisir |
|---|---|
| Claude Code / Cursor, victoire la plus rapide | claude-context MCP |
| Docs + code + tickets dans un retriever | LlamaIndex DIY |
| Zéro vector DB cloud | LlamaIndex + LanceDB/Chroma local |
| Déjà des serveurs MCP construits | Ajouter claude-context comme second outil MCP |
| Édition d'un seul fichier 200 lignes | Neither — 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.