grep, ripgrep e mgrep: qual busca seus Agents deveriam usar (e por que eu fico com o ripgrep)

Há um tempo venho colocando Agents de IA para trabalhar dentro de repositórios de verdade — código legado, milhares de arquivos, aquele monorepo que ninguém quer abrir. E toda vez esbarro no mesmo gargalo: antes de o Agent editar qualquer coisa, ele precisa encontrar o que vai editar.

Parece detalhe. Não é. A ferramenta de busca que o Agent usa define quão rápido ele responde, quantos tokens ele queima e — o mais importante — se ele acha o trecho certo ou o trecho quase certo. Então resolvi comparar três: o grep de sempre, o ripgrep e o mgrep, esse carinha novo da mixedbread que faz busca semântica.

Bora lá.

grep: o veterano que está em toda máquina

O grep é o padrão POSIX. Está instalado em qualquer Unix, funciona offline, não depende de nada. Você joga um regex, ele varre linha por linha e devolve o que casou.

Bônus:

• Ubiquidade. Não precisa instalar. Se é uma máquina Linux, tem grep.
• Previsibilidade. Regex é regex. O comportamento é conhecido há décadas.
• Zero setup. Nenhum índice, nenhum daemon, nenhum login.

Ônus:

• Lento em base grande. Ele não pula o que não interessa. Com -r, varre node_modules, .git e afins sem dó.
• Não respeita .gitignore. Você acaba filtrando na mão com --exclude-dir.
• Busca lexical, não semântica. Ele casa o que você descreve por regex, mas não entende intenção: se você não sabe como aquilo foi nomeado, o regex chuta no escuro.

Para um Agent, o problema é o segundo ponto: sem filtro de .gitignore, ele traz lixo. E lixo no contexto é token desperdiçado.

ripgrep: o padrão silencioso (inclusive do Claude Code)

O ripgrep (comando rg) é um buscador em Rust no espírito do grep — não é um port do código dele, é ferramenta própria —, com paralelismo e uma decisão de design que muda tudo no dia a dia: por padrão, ele ignora o que o .gitignore ignora. Ou seja, ele só olha o que importa.

Bônus:

• Rápido de verdade. Paralelo, com autômato de regex otimizado. Em repositório grande a diferença é gritante.
• Respeita .gitignore por padrão. Nada de varrer node_modules. Menos ruído, menos token.
• Continua sendo exato. Regex, localizar ocorrências de um símbolo, dar suporte a refactor — o que você precisa quando quer o local certo, não o parecido.

E aqui vem a parte que me fez confiar de vez: o Claude Code já usa ripgrep por baixo dos panos. A ferramenta Grep dele é construída sobre o rg — e dá para confirmar no próprio binário instalado (v2.1.206): as strings ripgrep e RIPGREP_CONFIG_PATH estão lá. Ou seja: a Anthropic tomou a mesma decisão que eu tomaria no terminal.

Ônus:

• Precisa instalar (embora venha embutido em várias ferramentas, como o próprio Claude Code).
• Continua sendo busca lexical. Ele acha o texto, não a ideia. “Onde a gente configura autenticação?” não é uma query para o rg.

mgrep: quando você não sabe a palavra exata

O mgrep, da mixedbread, resolve justamente esse último ponto. Ele é busca semântica: indexa seus arquivos — código, texto, PDF, imagem — num store vetorial e deixa você perguntar em linguagem natural.

npm install -g @mixedbread/mgrep
mgrep login
cd meu-repo
mgrep watch                              # indexa e fica sincronizando
mgrep "onde a gente configura autenticação?" src/

Note a query: não é um regex, é uma pergunta. Isso, para um Agent, é sedutor. O benchmark deles afirma ~2x menos tokens que fluxos baseados em grep, com qualidade igual ou melhor no julgamento por LLM.

Bônus:

• Entende intenção. Acha o conceito mesmo sem a palavra exata.
• Multimodal. Vai além de código — PDF, imagem, e por aí.
• Economia de token. O reranking (ligado por padrão) devolve menos resultado e mais relevante.

Ônus — e aqui preciso ser honesto:

• Não é local. Ele sincroniza seus arquivos para um store na nuvem da mixedbread. Isso exige login (ou MXBAI_API_KEY) e, dependendo do seu código, é um “não” imediato por compliance.
• Tem índice para manter. mgrep watch roda um processo em background. Índice desatualizado é resposta errada.
• Limites por padrão. 1MB por arquivo, 1.000 arquivos por diretório.
• É complemento, não substituto. A própria doc diz: “a melhor busca de código combina mgrep com grep.” Para localizar símbolo, dar suporte a refactor e rodar regex, você volta para o exato.

Minha experiência com ele ainda é curta — estou avaliando, não rodei meses em produção. Então trato o que digo aqui como primeira impressão honesta, não como veredito.

Comparando de frente

Por que, para Agent, eu fico com o ripgrep

Um Agent trabalha por iteração: busca, lê, edita, testa, repete. Nesse ciclo, o que mais importa é acertar o trecho certo, não o quase certo. Quando o Agent procura getUserById, ele quer aquela ocorrência exata — e o rg devolve o texto certo, que é o mais perto de uma garantia que dá para ter sem um LSP.

E o token? Foi um dos critérios que abri lá em cima, então preciso ser honesto: no token puro, o mgrep pode até levar vantagem — o benchmark deles sugere isso. Mas repare no que esse benchmark mede: relevância julgada por LLM, não acerto determinístico de símbolo. E é o acerto determinístico que um refactor exige. Um resultado semanticamente “próximo” que manda o Agent editar o arquivo errado custa muito mais token — e mais confiança — do que um rg que devolve exatamente a linha certa. Por isso fico com precisão.

Some a isso o fato de o ripgrep respeitar .gitignore, ser rápido e já vir pronto no Claude Code, e você tem o padrão certo para a maior parte do que um Agent faz num repositório: navegar, localizar, editar com cirurgia.

O mgrep entra na parte que sobra — e é uma parte real. Quando o Agent (ou você) chega num código que não conhece e precisa perguntar “onde isso acontece?” em vez de “qual é o nome disso?”, a busca semântica ganha. É o momento de exploração, não o de precisão. Não é ou-um-ou-outro: é rg para o bisturi, mgrep para a bússola.

Por fim

Se eu tivesse que configurar um Agent hoje para mexer num repositório sério, deixaria o ripgrep como busca padrão — que é, aliás, o que o Claude Code já faz por mim — e plugaria o mgrep como ferramenta secundária, para as perguntas exploratórias em que eu não sei a palavra exata. O grep puro eu guardo para a máquina crua onde não dá para instalar nada.

No fim do dia, a pergunta não é “qual é a melhor busca?”, e sim “que tipo de pergunta o Agent está fazendo agora?”. Match exato pede rg. Intenção pede mgrep. E saber a diferença é o que separa um Agent que acha do Agent que quase acha.

E você, já colocou seus Agents para buscar com semântica ou ainda está no bom e velho match exato?