CocoIndex Code: busca código por significado y ahorra tokens

“Tu agente de IA está quemando tokens leyendo archivos enteros.” Con esa frase presentaba Nix0n en X a CocoIndex Code, un buscador de código para agentes que promete un 70% menos de tokens. La herramienta existe y funciona como dice; la cifra, de momento, es la del propio proyecto.

Qué hace

Cuando le pides algo a Claude Code, Cursor o Codex en un repositorio que no conoce, el agente busca con grep y abre archivos completos hasta encontrar lo que necesita. Cada archivo leído son tokens.

CocoIndex Code indexa el repositorio partiendo el código por su estructura sintáctica (AST): funciones, clases, bloques. Después lo busca por significado, no por texto. El agente pregunta “dónde se gestionan las sesiones de usuario” y recibe la función correcta en lugar de cinco archivos.

Está escrito en Python sobre CocoIndex, un motor de indexación en Rust de la misma empresa, y solo vuelve a indexar los archivos que cambian. El índice vive en tu máquina, sin base de datos que montar. Tiene licencia Apache 2.0 y casi 2.900 estrellas en GitHub.

Incluye además ccc grep, una búsqueda estructural que encuentra código a partir de un patrón de ejemplo (por ejemplo, todas las llamadas a una función) sin índice ni embeddings.

Cómo se instala

Primero la herramienta, con pipx o uv:

pipx install 'cocoindex-code[full]'

Después, la conexión con tu agente. Hay tres caminos:

Con la skill no hace falta nada más: el agente inicializa, indexa y mantiene el índice al día por su cuenta. También lo puedes usar a mano:

ccc init
ccc index
ccc search "authentication logic"

La letra pequeña

El 70% no tiene benchmark publicado. El README lo resume en una línea (“Instant token saving by 70%”) sin explicar con qué repositorios ni con qué tareas se midió. Tómalo como orden de magnitud, no como garantía.

“Sin API key” tiene condición. Solo con la instalación [full], que genera los embeddings en local con el modelo Snowflake/snowflake-arctic-embed-xs y descarga en torno a 1 GB de torch y transformers. La versión ligera usa proveedores en la nube a través de LiteLLM y necesita su clave. También admite modelos locales vía Ollama.

Dónde rinde. La búsqueda semántica marca la diferencia en repositorios grandes o desconocidos, donde buscar por texto devuelve demasiado o nada. En un proyecto pequeño que el agente ya recorre en dos lecturas, el ahorro será menor que el titular.

Merece la pena si…

• Trabajas con agentes en repositorios medianos o grandes y ves que se pasan la sesión leyendo archivos.
• Quieres búsqueda por significado sin mandar tu código a un servicio externo.
• Ya usas skills o MCP y te cuesta poco probar una más.

Para comprobar el ahorro en tu caso, compara el consumo de una misma tarea con la skill activada y sin ella.