概要
静的解析によるコードグラフに、DB情報と境界ノードへのアノテーションを統合し、MCPサーバーを通じて大規模コードベースのセマンティック検索を実現した実践事例。
詳細内容
本記事は、46個のリポジトリからなる大規模システムのコンテキストをAIが理解可能にするための「ナレッジグラフ統合」に関する詳解です。前編の静的解析（code-graph）に加え、以下の3つの施策で「入口問題（セマンティック検索の不在）」を解決しています。
1. **3つのグラフの統合**: コード構造を示す「code-graph」、DB定義と意味を持つ「db-graph」、そして機能の意図を定義する「annotation graph (SPG)」を、`SAME_ENTITY`ブリッジで接合。APIパスの正規化やPage/Taskの突合アルゴリズムにより、自然言語からDBカラムまで一気通貫で辿れる構造を構築しました。
2. **AIによる自動運用**: 現場エンジニアの負荷を避けるため、mainブランチとは別にAI専用のannotationブランチを運用。Webhookを起点にAIが自動でアノテーションの差分生成とレビューを行うパイプラインを確立しました。
3. **MCPによるフロントドア化**: AIエージェントの唯一の入り口としてMCP（Model Context Protocol）サーバーを設置。データフロー追跡やビジネスルール検索などのツールを統合し、非エンジニアでも仕様を確認できる環境を実現しています。
最後に、グラフの接合品質を維持するためのSLO（APIハンドラの接続率やDBエッジの完全性など）についても触れられており、実用性を重視した設計思想が示されています。