Sourcegraph（ソースグラフ）は8月28日(現地時間)、大規模なコード移行や監査において、大規模言語モデル（LLM）のコンテキスト使用量を大幅に削減する「Deep Search（ディープサーチ）」機能の強化を発表した。この機能は中間処理をサンドボックス環境で実行し、高レベルな洞察のみをLLMに提供することで、肥大化するトークンコストへの対策とパフォーマンス向上を両立させる。
Deep Searchは、Sourcegraphの検索APIを基盤としたサンドボックス環境内でスクリプトを実行し、広範なコードベースのスキャン、関連データの集計、および結果のフィルタリングを自動で行う。これにより、通常LLMのコンテキストウィンドウに数千ファイルに及ぶ可能性のある未加工の中間データを直接投入するのではなく、CSV、JSON、SVGといった構造化された成果物や集約された結果のみをLLMに渡すことを可能にする。
近年、企業が人工知能（AI）を活用してコードベースのモダナイゼーションを進める中で、LLMのトークン使用量が増加し、それに伴う運用コストの肥大化が共通の課題となっていた。Deep Searchは処理の大部分をサンドボックスにオフロードすることで、ユーザーはLLMによる高レベルな洞察に対してのみ料金を支払い、モデルが無関係なファイル内容によって集中を妨げられることなく、その能力を最大限に活用できる。
本機能の主要なユースケースの一つとして、古くなったソフトウェアパッケージから新しいパッケージへのサービス移行が挙げられる。Deep Searchは、対象リポジトリを迅速にスキャンし、移行が必要なファイルを正確に特定した後、LLMに最適な形式でクリーンなCSVチェックリストを生成する。このアプローチは、コスト削減だけでなく、LLMが結論の合成により集中できるため、より有用かつ正確な出力を得られるとSourcegraphは説明している。
また、広範なアプリケーションが可能であることも示されている。ブログ投稿では、Log4jの脆弱なバージョンや古い依存関係の特定、組織全体での共有サービスの消費状況の追跡、異なるパターン間の実装比較といった具体的なシナリオが紹介された。この投稿には、Kalan Chan（カラン・チャン）氏が執筆し、Justin Dorfman（ジャスティン・ドーフマン）氏とStephanie Jarmak（ステファニー・ジャーマック）氏も貢献した。
参考: Sourcegraph Blog — 2026年8月28日 09:00 (JST)
原文ハイライト"A smarter way to run code migrations with less LLM context"