🦡 codebadger é um servidor MCP (Model Context Protocol) containerizado que oferece a agentes de IA e LLMs acesso profundo e consultável à estrutura e ao fluxo de dados de um código-fonte por meio dos Grafos de Propriedades de Código (CPGs) do Joern.
codebadger é um servidor MCP (Model Context Protocol) containerizado que atua como uma interface poderosa entre agentes de IA, LLMs e a estrutura de um código-fonte. Ele utiliza o Joern, uma engine de análise estática baseada em grafos, para construir Grafos de Propriedades de Código (CPGs). Esses CPGs representam o código em um formato de grafo de propriedades, permitindo consultas complexas sobre relações, fluxos de dados e dependências dentro do código. A integração com o protocolo MCP permite que ferramentas como Claude Code, Cursor, Windsurf e outras consultem diretamente a base de código, realizando tarefas de análise como localizar funções, identificar chamadas, mapear caminhos de dados e compreender a arquitetura do software. codebadger resolve problemas de descoberta e compreensão de código em projetos grandes e complexos, fornecendo uma maneira padronizada e consultável de explorar a base de código sem a necessidade de ferramentas externas ou conhecimento profundo do Joern. É útil para desenvolvedores, engenheiros de software e agentes de IA que precisam entender rapidamente a estrutura e o fluxo de dados de um sistema, sendo especialmente eficaz em linguagens amplamente suportadas pelo Joern, como Java, Python, JavaScript, TypeScript, C/C++, e Go.
npx skills add Lekssays/codebadgerInstalled? Explore more Pesquisa e Análise de Dados skills: affaan-m/uspto-database, affaan-m/scholar-evaluation, affaan-m/literature-review · View all 6 →
🦡 codebadger é um servidor MCP (Model Context Protocol) containerizado que oferece a agentes de IA e LLMs acesso profundo e consultável à estrutura e ao fluxo de dados de um código-fonte por meio dos Grafos de Propriedades de Código (CPGs) do Joern.
USPTO patent and trademark data workflow for official record lookup, PatentSearch queries, TSDR checks, assignment data, and reproducible IP research logs.
Structured scholarly-work evaluation for papers, proposals, literature reviews, methods sections, evidence quality, citation support, and research-writing feedback.
Systematic literature-review workflow for academic, biomedical, technical, and scientific topics, including search planning, source screening, synthesis, citation checks, and evidence logging.
The agent harness performance optimization system. Skills, instincts, memory, security, and research-first development for Claude Code, Codex, Opencode, Cursor and beyond.
Agent skill repository discovered by 10x-chat research.
Review backend code for quality, security, maintainability, and best practices based on established checklist rules. Use when the user requests a review, analysis, or improvement of backend files (e.g., `.py`) under the `api/` directory. Do NOT use for frontend files (e.g., `.tsx`, `.ts`, `.js`). Supports pending-change review, code snippets review, and file-focused review.