Symvanta

{"translation":"嗨，Product Hunt，我是 Ugur，创始人。

我创建 Symvanta 是因为在观察和处理 AI 智能体于真实代码库中摸索——带着正确意图 grep 出错误内容、选错调用者、理直气壮地搞坏生产环境——之后萌生的想法。我从事软件工程已有 18 年，其中大部分时间都深耕在别人庞大的代码库里。我第一次接触 AI 时，智能体恰恰在人类也会犯错的地方翻车：它们不知道谁调用了什么，而我们显然也不指望它们在意。缺失的那一层是真正的代码图谱（符号、调用者、影响范围、跨仓库链接），通过 MCP 提供给智能体。于是我把它做出来了。

Symvanta 会把你的 GitHub 仓库索引成符号级调用图谱，并通过 MCP 提供出来。你的智能体可以问"谁调用了这个"、"改了它会炸哪里"、"POST /orders 的处理器在哪"，然后跨仓库、跨分支、跨 11 种语言，拿到带文件和行号的精确答案。

一路上方案改了很多次。第一版只走语法树，答案看起来是对的，实际上却藏着微妙的错误。不想讲得太技术，但经过大量试错，我找到了那个最佳平衡点。现在的图谱是用编译器解析符号的那套机制构建的，这就是"看似合理"和"真正精确"之间的差距。

它是一项托管服务。把 https://mcp.symvanta.com/mcp 加到 Claude Code、Cursor 或任何 MCP 客户端里，用 OAuth 登录就能用。不需要在本地构建或维护索引。

你也可以用公开仓库来测试这个系统。

前五分钟可以试三件事：

1. 让你的智能体问"如果改某个特定函数会炸哪里"，看它只调用一次影响范围分析，而以前要 grep 五次。

2. 问"某个功能是怎么工作的"，然后核对答案里的 file:line 引用。

3. 打开 https://symvanta.com/architectur...，看图谱把你已经熟悉的代码库渲染出来。

目前服务器资源有限，因为这是我一个人自掏腰包在做的事，所以解析端排队是完全在预期之内的，但网站和任何功能都不会挂。

我全天都在，关于图谱、解析器或 MCP，任何问题都可以问我。

"}