Baru Vibe Coding 15 Menit, Limit Token AI Udah Jebol?

Pernah gak sih lo ngerasa pas lagi seru-serunya vibe coding pake Cursor, Windsurf, Roo Code / Cline di VSCode, atau Antigravity… baru 15 menit, kuota token AI lo udah langsung jebol atau dapet peringatan rate limit? 😅

Padahal lo cuma ngedit beberapa baris kode kecil, tapi puluhan ribu token ludes begitu aja. Kenapa bisa begitu?

Masalah Utama: Context Inflation 🎈

Masalah terbesar saat kita coding bareng AI assistant adalah Context Inflation. Setiap kali lo ngirim prompt baru atau minta perbaikan bug, AI secara otomatis membaca ulang file-file raksasa di codebase yang padahal dari tadi nggak diubah sama sekali!

Dampaknya:

1. Token Boros Berlipat Ganda: Membayar mahal untuk API usage atau jatah kuota cepat habis.
2. AI Kena “Amnesia” & Halusinasi: Kebanyakan baca teks sampah bikin context window penuh, akibatnya AI lupa keputusan arsitektur sebelumnya.
3. Response Time Lambat: AI butuh waktu lebih lama untuk memproses puluhan ribu baris kode yang tak relevan.

Karena gregetan sama pemborosan token berulang ini, solusi independen ini dibuat:

🧠⚡ RepoMemory MCP — Context Management Server untuk AI Assistant Anda

RepoMemory MCP adalah server Model Context Protocol (MCP) yang dibuat khusus dengan Go (Golang) yang bertindak sebagai “Otak Tambahan” untuk AI Assistant kamu.

RepoMemory mengelola konteks codebase secara cerdas sehingga AI hanya mendapatkan informasi yang benar-benar dibutuhkan tanpa harus brute-force membaca seluruh isi folder repository.

🚀 Kenapa Harus Pakai RepoMemory MCP?

Here are the key features & benefits:

📉 1. Hemat Token 70% – 80%

AI cuma membaca diff berkas yang berubah (git_diff) & ringkasan fungsi/file yang relevan. Nggak perlu lagi re-read 10.000+ baris codebase lo setiap kali ngirim prompt baru!

🕸️ 2. AST Code Graph

AI paham relasi import, struct, interface, dan class secara presisi menggunakan Abstract Syntax Tree (AST) tanpa perlu membongkar seluruh isi file dari atas sampai bawah.

🗄️ 3. Memory Persistent (SQLite Pure Go) — Zero Amnesia

Keputusan arsitektur, konteks project, dan daftar task aktif tersimpan aman di SQLite lokal. AI nggak bakal kena “amnesia” di tengah jalan meskipun session diset ulang.

🔍 4. Bleve Search & Instant Symbol Indexing

Pencarian simbol, fungsi, dan relasi kode secepat kilat menggunakan full-text search engine berbasis Bleve.

⚡ 5. Ultra-Fast Engine

Ditulis murni menggunakan Go (Golang). Super ringan, penggunaan memori minimal, dan tanpa ketergantungan CGO (pure Go).

🔌 6. Multi-Client Compatible

Langsung plug-and-play dengan tool AI modern kesayangan lo: Cursor, VSCode (Roo Code / Cline), Windsurf, hingga Antigravity.

📊 Diagram Arsitektur & Alur Kerja RepoMemory MCP

Berikut adalah diagram skematik beserta deskripsi dan penjelasan rincinya untuk memahami bagaimana RepoMemory MCP bekerja di balik layar:

1. 🌐 Diagram Alur Kerja Utama (Flowchart Simple)

📝 Deskripsi & Penjelasan Flowchart Utama:

Diagram ini menggambarkan alur kerja tingkat tinggi (high-level workflow) saat pengguna berinteraksi dengan AI Assistant yang terhubung ke RepoMemory MCP:

1. User (Vibe Coding): Pengguna memasukkan instruksi atau perintah pemrograman pada Text Editor.
2. AI Assistant (Cursor / VSCode / Windsurf): AI mendeteksi kebutuhan konteks dan memanggil server MCP lokal (repomemory.exe).
3. RepoMemory MCP Server: Server menerima request via JSON-RPC STDIO dan mendistribusikannya ke modul internal.
4. Sub-sistem Data:
   • Git Diff Tracker: Membaca berkas yang baru dimodifikasi saja.
   • SQLite DB: Membaca target task aktif dan keputusan arsitektur.
   • Bleve Search & AST Parser: Mencari simbol dan struktur relasi kode.
5. Konteks Hemat Token (70-80%): Server memadatkan data dan mengembalikannya ke AI, memungkinkan AI memberikan respon presisi tinggi tanpa pemborosan token.

2. 🔄 Diagram Urutan Eksekusi (Sequence Diagram)

📝 Deskripsi & Penjelasan Sequence Diagram:

Diagram urutan ini menunjukkan kronologi komunikasi antar-komponen sistem secara real-time:

• Langkah 1: User mengirimkan instruksi (misal: “Refactor fungsi X”).
• Langkah 2: AI Assistant mengirim request JSON-RPC ke repomemory.exe memanggil git_diff dan task_get.
• Langkah 3: MCP Server membaca status .git lokal untuk mengidentifikasi berkas mana saja yang belum di-commit.
• Langkah 4: MCP Server melakukan query ke SQLite DB (repomemory.db) untuk mengambil aturan task yang aktif.
• Langkah 5: Data dikompresi dan dikembalikan ke AI Assistant sebagai konteks ringkas (menghemat 70-80% token).
• Langkah 6: AI Assistant menghasilkan kode baru yang akurat sesuai batasan proyek dan menyerahkannya ke User.

3. 🧩 Diagram Arsitektur Blok (Block Architecture Diagram)

📝 Deskripsi & Penjelasan Arsitektur Blok:

Diagram ini menampilkan pembagian modul dan layer arsitektur sistem:

1. Client Layer: Text Editor tempat user berinteraksi dengan AI Assistant.
2. MCP Server Layer (repomemory.exe):
   • Git Tracker (git_diff): Melacak perubahan berkas.
   • Task Manager (task_*): Mengelola konteks task aktif.
   • Memory Store (memory_*): Menyimpan keputusan arsitektur.
   • Search Engine (code_search): Mesin pencarian teks berbasis Bleve v2.
   • Code Graph (code_graph): Parser AST & Regex relasi fungsi/struct.
   • Context Compressor (compress_context): Pemotong komentar & spasi.
   • Terminal Logger (terminal_*): Pencatat riwayat perintah terminal.
3. Storage & Data Layer (.repomemory-cache):
   • .git: Repositori lokal Git.
   • repomemory.db: Database SQLite internal (CGO-free).
   • bleve.index: File indeks pencarian cepat.

📁 Struktur Project

repo-memory/
├── cmd/
│   └── repomemory/
│       └── main.go           # CLI & Entry Point MCP Server
├── internal/
│   ├── config/               # Manajemen Konfigurasi
│   ├── db/                   # Database SQLite internal (CGO-free)
│   ├── mcp/                  # Registrasi MCP Tools & Handler
│   ├── memory/               # Store Ringkasan File & Memory Project
│   ├── graph/                # Parser Code Graph (AST & Regex)
│   ├── search/               # Engine Search Bleve
│   ├── git/                  # Tracker Git Diff (go-git)
│   ├── docs/                 # Pengindeks Dokumen
│   ├── task/                 # Tracker Active Task State
│   └── compressor/           # Mesin Kompresi Prompt
├── go.mod
├── go.sum
└── README.md

🛠️ Cara Build & Running

1. Build Executable Binary

go build -ldflags="-s -w" -o repomemory.exe ./cmd/repomemory

2. Integrasi dengan MCP Client (Cursor / VSCode / Windsurf)

Tambahkan konfigurasi berikut ke file konfigurasi MCP client Anda (mcp.json):

{
  "mcpServers": {
    "RepoMemory": {
      "command": "C:/path/to/repomemory.exe",
      "args": []
    }
  }
}

🛠️ Daftar MCP Tools

📄 Lisensi

Proyek ini dirilis di bawah MIT License.

Project ini 100% open-source dan bisa kamu install dalam hitungan menit.

👉 GitHub Repository & Setup Guide: https://github.com/Falzz1010/New-folder—2-

Stop hambur-hambur token API & kuota AI-mu. Saatnya vibe coding lebih cerdas, lebih cepat, dan jauh lebih hemat! 🚀