ProtoMap

ProtoMap 评测：在改动之前，先给编程智能体一张完整的 gRPC 地图

AI 编程助手改代码很快，理解代码却很慢。让它删除一个 gRPC 方法或重命名一个 Protobuf 字段，它会在各个仓库里反复搜索、写一次性脚本追踪调用方，烧掉大量 Token，最后还是漏掉那些它看不到的服务。ProtoMap 就是要终结这种浪费：一张预先算好、确定性的组织级服务、API 与字段地图。

ProtoMap 由 HoundDog.ai 推出，于 2026 年 11 月 9 日在 Product Hunt 上线，当日排名第 5。它是面向 gRPC 与 Protobuf 的上下文引擎与模型接入层，让工程师和编程智能体在做任何改动之前拥有同样的组织级上下文。

什么是 ProtoMap？

ProtoMap 用确定性的 Rust 扫描器扫描源码，构建实时的服务关系图：哪些服务调用哪些方法、哪些字段流向哪里、改动什么会出问题。工程师通过网页平台用自然语言查询这张图；编程智能体则通过 MCP 查询，而不用在看不到的仓库里反复搜索。

这张图在 CI 中每次提交后都会刷新，运行在标准 CPU 基础设施上，因此智能体使用的上下文始终与当前代码一致。自托管版本免费，用 Docker 在你的机器上运行，源代码永远不会离开你的环境。

核心功能

1. 确定性的服务关系图

Rust 扫描器直接从源码构建关系图，而不是靠模型猜测，因此地图精确且可复现。无论单体仓库还是微服务都适用，每次提交后刷新。

2. 影响范围分析

在改动某个方法或字段之前，先看到整个组织内所有的调用方、依赖和调用点，包括智能体从未检出的仓库。

3. 面向编程智能体的 MCP

ProtoMap 通过 MCP 把关系图开放给 Claude Code、Codex、Antigravity 等智能体，让它们直接问地图，而不是用昂贵的搜索重新发现依赖。

4. 免费自托管安装

用 Docker 安装服务器，扫描仓库，用自然语言查询。代码保留在你自己的环境中，试用版在本地运行 PostgreSQL，并用一次性设置密钥完成配置。

5. 经基准测试的 Token 节省

在 HoundDog 的基准测试中，Claude Code 搭配 Opus 5.5 回答变更规划问题时，使用 ProtoMap 后每个提示的 Token 减少 13 倍、速度提升 7.7 倍、成本降低 6.4 倍，准确率反而更高（100% 对比 98%），测试覆盖 9 个 gRPC 仓库、500 万行代码。

如何使用

在仓库之外安装 ProtoMap 服务器，运行安装脚本，用 CLI 扫描代码。扫描器把服务关系图存入本地数据库，网页界面可以探索服务、调用方和数据流。把 ProtoMap 添加为编程智能体的 MCP 服务器，它就能用同一张图回答“哪些服务调用了这个方法、在哪里调用”等问题。

适合谁用 ProtoMap？

• 平台团队：让每位工程师和智能体共享同一张服务全景图。
• 使用 gRPC 的后端团队：先看清完整影响范围，再安全地改动 API。
• AI 辅助开发团队：减少智能体重复发现依赖所浪费的 Token。
• 拥有单体仓库的企业：在数百万行代码和多个团队之间保持上下文准确。
• 微服务组织：跨越不属于你的服务，追踪字段级数据流。

价格

ProtoMap 自托管单机免费：用 Docker 安装服务器，免费扫描你的仓库。面向需要托管服务或更大规模部署的组织，提供云端与本地部署选项。HoundDog 未公布这些方案的公开价格，需要的团队请直接联系询价。

ProtoMap 优点与缺点

优点

• 确定性关系图，不是模型猜测：地图精确且可复现。
• 免费自托管版本让代码保留在自己的环境中。
• 在智能体辅助的变更规划中，Token 与时间节省经过实测。
• MCP 集成支持团队已在使用的编程智能体。

缺点

• 只面向 gRPC 与 Protobuf；纯 REST 代码库受益有限。
• 自托管需要 Docker（含 Compose 2.23.1 或更高版本）、至少 4GB 内存和 20GB 磁盘。
• 亮眼的基准数据来自 HoundDog 自己的测试，会因模型、仓库和任务而异。
• 要发挥全部价值，需要扫描所有仓库，而不只是一个。

总结

ProtoMap 解决的是每个使用 AI 编程助手的团队都在为之付费的问题：看不到整个系统的智能体所浪费的 Token 与引发的故障。一张确定性、始终新鲜的 gRPC 服务地图，比再来一轮搜索要好得多。

如果你的服务使用 gRPC，而智能体总在重复发现相同的依赖，装上免费的自托管版本，让地图替你搜索。

试用 ProtoMap →