Cómo dejar de alimentar a los LLMs y enseñar a los agentes a entender tu código
Situación conocida: conectas un agente de IA a un proyecto y comienza a "alucinar" o a releer los mismos archivos repetidamente, consumiendo tu presupuesto de tokens. Incluso herramientas avanzadas como Cursor a veces pierden el rastro de las conexiones entre módulos cuando un proyecto crece hasta miles de archivos. Recientemente descubrí Memtrace — un proyecto que intenta resolver este problema de forma fundamental convirtiendo una base de código en un grafo de conocimiento vivo.
Por qué los agentes necesitan "memoria estructural"
La mayoría de los asistentes de IA modernos funcionan con el principio RAG (Retrieval-Augmented Generation). Buscan fragmentos de código por palabras clave o similitud vectorial. El problema es que el código no es solo texto — es una jerarquía compleja de llamadas, imports y dependencias. Si un agente no ve el panorama completo, podría refactorizar una función de manera que rompa tests en un microservicio vecino del que el agente ni siquiera sabía de su existencia.
Memtrace crea lo que los desarrolladores llaman un "grafo de conocimiento bitemporal". No solo indexa texto — entiende la estructura: qué función llama a cuál, qué interfaces se están implementando, y cómo todo esto ha cambiado con el tiempo.
Qué puede hacer esta herramienta
La característica principal del proyecto es la velocidad y la localidad. Mientras que herramientas similares gastan decenas de dólares en llamadas a la API y horas en indexación, Memtrace hace esto en segundos en tu máquina.
Indexación sin LLM
Los desarrolladores usaron Rust y Tree-sitter. Esto hace posible analizar 15,000 archivos en aproximadamente 1.5 segundos. Al mismo tiempo, los costos de API son cero porque no se usan redes neuronales para construir el grafo — solo análisis estático determinista. Todo el proceso ocurre localmente, así que tu código no se va a servidores de terceros.
Comprensión del contexto a través de MCP
La herramienta soporta el Model Context Protocol (MCP). Esto significa que puede "conectarse" a Claude Code, Cursor, Windsurf o VS Code con literalmente un comando. El agente obtiene acceso a más de 25 herramientas: desde encontrar código "muerto" hasta análisis de radio de impacto para cambios.
Línea de tiempo de cambios
Memtrace almacena el historial de versiones para cada símbolo. Un agente puede preguntar: "¿Qué cambió en la última semana?" o "¿Qué funciones se volvieron demasiado complejas después del último merge?" El sistema usa seis algoritmos de evaluación, incluyendo análisis de novedad e intensidad de cambios, para destacar lo más importante al agente.
Comparación con alternativas
El README tiene una tabla de benchmarks interesante. Por ejemplo, Mem0 o Graphiti dependen de llamadas a LLM para la extracción de entidades durante la indexación. Esto es lento y costoso. Memtrace parece un auto de carreras en comparación:
| Operación | Memtrace | Alternativas (Mem0/GitNexus) | |---|---|---| | Indexación de 15,000 archivos | 1.5 seg | 30 min a 2 horas | | Costos de API | $0 | $10–50 | | Consumo de memoria | 26 MB | ~1 GB |
Por supuesto, vale la pena señalar que Memtrace está enfocado estrechamente en código, mientras que otros sistemas pueden trabajar con conversaciones arbitrarias. Pero para tareas de desarrollo, dicha especialización es un gran plus.
Detalles técnicos
Bajo el capó, el proyecto tiene una pila bastante seria. Además de Rust, usa Tantivy para búsqueda de texto completo (BM25) y embeddings vectoriales para búsqueda semántica. Todo esto se combina a través de Reciprocal Rank Fusion (RRF) para entregar los resultados más relevantes.
El soporte de lenguajes está implementado de forma interesante. Además del conjunto estándar (TypeScript, Python, Go, Rust), Memtrace entiende código de infraestructura: Terraform, GitHub Actions, e incluso políticas RLS en PostgreSQL. Ve las conexiones entre el esquema de la base de datos y el código ORM en la aplicación.
Cómo usar esto en la práctica
Imagina que necesitas hacer cambios a una clase base en un enorme monorepo. Usualmente, ejecutas una búsqueda en todo el proyecto y esperas no haber olvidado nada.
Con Memtrace, el agente puede ejecutar el comando get_impact e inmediatamente ver el árbol de dependencias. Dirá: "Si cambias este campo, estos tres endpoints y un worker en otro módulo se romperán." Esto elimina la refactorización "ciega".
Para comenzar, solo instala el paquete globalmente:
npm install -g memtrace
Después de eso, la herramienta configurará automáticamente los ajustes necesarios para Claude o Cursor. Si eres paranoico con la privacidad, puedes desactivar la telemetría con una variable de entorno MEMTRACE_TELEMETRY=off.
Quién debería probarlo
El proyecto actualmente está en beta privada, pero el acceso se está abriendo gradualmente en grupos. En mi opinión, Memtrace será más útil para quienes:
- Trabajan con bases de código grandes donde es difícil mantener todas las conexiones en la cabeza.
- Usan activamente agentes de IA y quieren reducir el gasto de tokens.
- Tienen reparos en enviar código fuente a servicios en la nube para indexación.
La única advertencia es que la licencia es propietaria (EULA), aunque prometen mantener el acceso gratuito para desarrolladores individuales. Si no puedes esperar para poner tus manos en la "memoria estructural" para tus agentes, vale la pena revisar su Discord o enviar una solicitud en el sitio web.
Hasta ahora, el proyecto parece un intento muy energético de hacer el desarrollo asistido por IA más predecible y económico. Al menos, la velocidad de indexación de 1.5 segundos es algo de lo que llevábamos mucho tiempo necesitados.
Proyectos relacionados