Gortex indexa tu repositorio en un grafo en memoria para que el agente no relea archivos
La herramienta entra en beta con un binario único que sirve el grafo al agente por MCP, HTTP y web. Promete hasta 50 veces menos tokens por respuesta y cubre 257 lenguajes.
Gortex ha entrado en beta. Se trata de un binario que indexa un repositorio en un grafo de conocimiento en memoria y lo sirve al agente de programación por MCP, HTTP o una interfaz web. La idea es simple de enunciar: una consulta al grafo sustituye una ristra de lecturas de ficheros.
El ejemplo que da el proyecto es concreto. Un ciclo típico de "hazme este cambio" en Claude Code o Cursor encadena media docena de lecturas, un Grep y algún Glob: 11.480 tokens. La misma pregunta resuelta contra el grafo sale, según sus números, en 688 tokens, un 94% menos. La cifra es suya, no de un tercero, y conviene tratarla como lo que es: una medición del fabricante sobre su propio caso de uso.
El reparto es un binario estático sin dependencias externas ni servicios que levantar, para macOS, Linux y Windows. Se instala con un solo comando curl y todo corre en proceso, en memoria, en la máquina del desarrollador. Las versiones van firmadas con Sigstore y con procedencia de compilación SLSA nivel 3.
Qué hay dentro
La extracción va en tres niveles: unos 30 analizadores tree-sitter propios para lenguajes con resolución profunda (Go, TypeScript, Python, Rust, Java, C#, Kotlin, Swift, C, C++ y compañía), alrededor de 60 basados en expresiones regulares para código heredado o de nicho, y unos 165 que solo extraen firmas. Se pueden añadir gramáticas propias desde .gortex.yaml, y los notebooks de Jupyter y Databricks se indexan celda a celda.
La superficie MCP arranca con 21 herramientas para agentes con nombre reconocido y un conjunto de unas 34 herramientas de uso común para el resto; el catálogo completo, de 175, queda a una llamada de tools_search. Hay perfiles de instrucciones y una variable de entorno para recortar o ampliar ese conjunto. Además puentea 17 servidores de lenguaje (gopls, tsgo, pyright, rust-analyzer, clangd, jdtls, sourcekit-lsp…), lo que le permite empujar diagnósticos y aplicar code actions del propio LSP. Dice soportar 19 agentes de programación distintos.
La búsqueda semántica viene activada por defecto: BM25 híbrido con vectores, fusión RRF y una tabla GloVe de 50 dimensiones incrustada de 3,8 MB que solo usa CPU. MiniLM, Ollama y OpenAI son opcionales. El proyecto publica su propia evaluación: R@1 del 42,3%, R@5 del 55,1% y R@5 exacto del 96,8%.
Encima del grafo hay varias capas más. Las sesiones de shadow-graph permiten que las llamadas lean a través de un búfer de editor sin guardar, con detección de deriva por SHA del blob de git. change(preview) convierte un WorkspaceEdit del LSP en un informe de impacto y change(simulate) ejecuta una secuencia ordenada sin tocar el disco. Los aristas de flujo de datos y de contaminación sirven para auditorías de seguridad, y la detección de clones reduce cada función a una firma MinHash de 64 ranuras para marcar duplicados simétricos. También hay análisis de concurrencia, escaneo de patrones inseguros con siete detectores y una nota de salud de 0 a 100 con calificación de la A a la F.
Para el agente que lo consume, el detalle interesante puede ser otro: cinco canales de notificación por sesión (diagnósticos, disponibilidad del workspace, salud del demonio, referencias obsoletas e invalidación del grafo), de modo que se entera de los cambios sin sondear.
Lo que queda por ver
El atractivo de la propuesta es económico antes que técnico: el coste por edición en agentes que releen los mismos ficheros una y otra vez. Falta comprobar si el grafo aguanta repositorios grandes sin comerse la memoria de la máquina, cuánto tarda el indexado inicial y si las cifras de ahorro se sostienen fuera del escenario que el propio proyecto ha elegido. La beta está abierta y el binario se puede probar hoy, así que la respuesta no depende de un anuncio.
