Com o crescimento do uso de agentes de IA para codificação, um problema muito recorrente acontece: o agente perde contexto ao longo da conversa, o que acarreta em:

• Sugestões erradas;
• Alucinações;
• O agente esquece de decisões ou tópicos importantes;
• Quebra o sistema sem perceber;
• Você precisa reexplicar tudo;
• Tokens desperdiçados nas correções.

O problema

Como todos sabemos, as LLMs têm um problema sério com memória e não mantêm o estado real do projeto, dependendo somente do contexto da conversa ou, no máximo, de RAG. Isso faz com que o tamanho da sessão seja inversamente proporcional à qualidade do código gerado.

O que eu fiz

Desenvolvi um toolkit MCP open source baseado em grafos chamado Context Atlas, disponível no npm. Na prática, são três tipos de grafos:

• Um grafo AST com as dependências reais do projeto;
• Um grafo de reasoning, com o raciocínio do agente e as decisões tomadas;
• Um grafo com as mudanças no código feitas pelo próprio agente.

Com isso, o agente para de viajar e entende o contexto real do projeto de uma forma mais consistente, pois consegue entender o projeto como um todo e lembrar de conversas e decisões anteriores.

Por que estou postando?

Esse é o meu primeiro grande projeto, feito a partir de uma dor pessoal que eu sei que é comum a outros devs. Quero validar se essa ferramenta é capaz de resolver um problema real pra mais gente ou só pra mim.

Todo feedback e sugestões são bem-vindos!

Como testar

Instale globalmente via npm:

npm install -g @contextatlas/core

Ou adicione direto no arquivo de configuração do seu cliente MCP (Cursor, Claude Desktop, Windsurf...):
json "mcpServers": { "contextatlas": { "command": "npx", "args": ["-y", "@contextatlas/core@latest", "mcp-atlas"] } }
Documentação completa e código no GitHub: github.com/jose15000/ContextAtlas