最近の大規模言語モデル（LLM）エージェントは、リポジトリレベルの問題解決において優れた性能を示していますが、既存のシステムは主にPython向けに設計されており、語彙に依存した検索や浅いコードナビゲーションに頼っています。これに対し、C++プロジェクトでは、オーバーロードされた識別子やネストされた名前空間、テンプレートのインスタンス化、深い制御フロー構造が存在するため、文脈の取得や故障の特定が困難です。これにより、Python指向のエージェントはC++の環境において性能が著しく低下します。本研究では、C++に特化した自律的システム「INFCODE-C++」を提案します。このシステムは、セマンティックコード意図検索とAST構造化クエリという2つの補完的な検索メカニズムを組み合わせ、精度の高いコンテキストを構築します。試験的な評価では、INFCODE-C++は25.58%の解決率を達成し、既存の最強エージェントを10.85ポイント上回る成果を示しました。本研究は、複雑な静的型エコシステムにおける将来的な研究の基盤を提供します。