Karna：永続的なコード知識グラフによるLLMコーディングエージェントのトークン消費を58％削減

LLMベースのコーディングエージェントは、コンテキスト構築のためにソースファイルを繰り返し読み込みます。各ツールコールの結果は会話履歴に蓄積され、以降の各ターンで再送信されます。我々は、Model Context Protocol（MCP）を介してAIエージェントに構造化されたコードベースコンテキストを提供する永続的コード知識グラフであるKarnaを提案します。1,125ファイルのコードベースでClaude Sonnet 4を用いた制御されたA/B実験において、Karnaはファイル読み込みベースラインに対し57.9%の入力トークン削減を達成しました（p < 0.007、Cohen's d = 2.96）。さらに、すべてのツール拡張LLMアーキテクチャに適用可能なコストドライバとして会話履歴税（ターン数に伴う累積入力トークンのO(T²)成長）を特定しました。コード：https://github.com/shaileshai/karna-ai