让 AI 在大型代码库里找一个函数，常见做法像为了查一道菜谱，把整本书逐页读完：目标只占几行，无关内容却先塞满了上下文窗口——模型一次能读取和参考的 Token 范围。jcodemunch-mcp 想把这件事改成“按目录点菜”。
它先用 tree-sitter 解析代码，识别函数、类、方法等“代码符号”，再通过 MCP——让 AI 应用统一连接外部工具和数据的协议——把匹配的实现、导入项或结构提纲交给编码 Agent，而非读取整个文件。项目作者称，这种方式通常可减少 95% 以上的代码阅读 Token；其 2026 年 7 月 23 日公布的基准测试覆盖 3 个仓库、15 项任务，平均降幅为 99.6%。
这值得关注，因为编码 Agent 探索的仓库越大，无关代码占用的成本和空间就越可观。不过，上述效果来自项目方自述，材料未披露完整测试设置，也缺少独立复核。