如何用 CodeGraphContext 追踪调用链callers、callees、chain 三大分析场景实战【免费下载链接】CodeGraphContextAn MCP server plus a CLI tool that indexes local code into a graph database to provide context to AI assistants.项目地址: https://gitcode.com/gh_mirrors/co/CodeGraphContextCodeGraphContextCGC是一个 MCP 服务器加 CLI 工具它把本地代码索引进图数据库为 AI 助手和开发者提供代码上下文。其中最实用的能力就是代码调用链追踪一条命令就能回答谁调用了我、我调用了谁以及从 A 到 B 的调用路径是什么。本文带你用callers、callees、chain 三大分析场景快速上手 CodeGraphContext 调用链分析。先看懂CodeGraphContext 调用链分析的原理CGC 用 Tree-sitter 解析 22 种语言的源码把函数、类、模块变成图节点把调用、包含、继承变成有向边存入图数据库。之后所有查询都是毫秒级的图遍历而不是全文搜索源码。三大场景对应的入口场景CLI 命令MCP 工具query_type一句话含义① 找调用者cgc analyze callers 函数find_callers谁调用了这个函数② 找被调用者cgc analyze calls 函数find_callees这个函数调用了谁③ 找调用链cgc analyze chain 起点 终点call_chain两个函数之间怎么走快速上手3 步建好你的调用链图谱第 1 步索引项目cd /path/to/your/repository cgc indexCGC 会尊重.gitignore/.cgcignore增量索引重复执行很快。第 2 步验证图谱cgc stats确认函数、类、模块节点和 CALLS 关系边的数量已写入数据库。第 3 步随时刷新cgc watch开启文件监视器后每次保存代码都会增量更新图谱调用链分析永远是最新状态。场景一callers —— 谁调用了这个函数当你接手一个祖传函数想重构它时第一件事就是搞清楚调用者改签名会不会炸cgc analyze callers process_data结果以表格展示调用者函数名、所在文件与行号、以及它是项目代码还是第三方依赖。同名函数冲突时用--file指定定义文件即可精准定位cgc analyze callers process_data --file src/main.py如果你是通过 AI 助手提问效果就像下图这样——直接让 AI 调用analyse_code_relationships工具回答谁调用了 add_file_to_graph 实战建议重构前先跑一次callers再跑一次find_all_callers深度搜索确认没有任何隐藏入口才动手。场景二callees —— 这个函数调用了谁排查 bug 时你往往站在入口函数上需要看清它往下扇出的执行路径。CodeGraphContext 的 callees 分析就是干这个的cgc analyze calls process_data输出表格列出每个被调用函数、位置、类型 项目内 / 依赖库帮你快速判断这段逻辑到底触发了哪些下游。 技巧给任何analyze/find命令加上--visual或-V结果会直接打开交互式图谱界面肉眼比看表格更直观cgc analyze calls process_data --visual场景三chain —— 两个函数之间的调用路径这是调用链追踪的王牌请求从main进来最终落到了process_data中间的调用链长什么样cgc analyze chain main process_dataCGC 会做最短路搜索默认深度 5把整条路径按层级缩进打印出来每一跳还附带调用发生的行号和实参cgc analyze chain main process_data --depth 10 cgc analyze chain main process --from-file main.py --to-file utils.py同名函数分不清起点或终点时--from-file/--to-file可以指定文件消除歧义。找到路径后加--visual整条调用链会以图的形式呈现 典型应用回归影响分析。线上故障定位到某个深层函数后用chain反向找到所有能到达它的入口HTTP 路由、CLI 命令、定时任务一下子就知道哪些功能受影响。让 AI 替你分析MCP 工具 analyze_code_relationships把 CGC 接入 IDE 的 AI 助手Cursor、Claude 等后你甚至不用记命令。MCP 服务器注册的analyze_code_relationships工具支持上表全部三种场景AI 会自动选择query_typefind_callers/find_callees/call_chain等 15 种遍历类型并解读结果对 AI 助手而言这意味着它看懂代码不再靠猜而是靠图数据库里真实的调用边——回答这两个函数有什么关系时给出的每一条链路都是可验证的。三大场景速查表需求CLI 命令MCPquery_type常用参数直接调用者cgc analyze callers fnfind_callers--file消歧、--visual直接被调用者cgc analyze calls fnfind_callees--file、--visual全量上游/下游—find_all_callers/find_all_calleesdepth默认 3两点间调用链cgc analyze chain a bcall_chain--depth默认 5、--from-file、--to-file常见问题排查提示 No callers found先确认已执行cgc index并且该函数确实被解析过可用cgc stats或cgc find name 函数验证。结果太多被截断结果默认有行数上限保护输出末尾会提示总数缩小范围可加repo_path/--context限定仓库或上下文。深度不够找不到链chain默认只搜 5 层跨层调用多的项目请用--depth 10。延伸阅读完整 CLI 参考docs/docs/reference/cli.mdMCP 工具参考docs/docs/reference/mcp.md快速上手指南docs/docs/getting-started/quickstart.md索引与查询原理docs/docs/concepts/how-it-works.md调用链查询核心实现src/codegraphcontext/tools/code_finder.pyanalyze chain命令源码src/codegraphcontext/cli/main.py【免费下载链接】CodeGraphContextAn MCP server plus a CLI tool that indexes local code into a graph database to provide context to AI assistants.项目地址: https://gitcode.com/gh_mirrors/co/CodeGraphContext创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考