Anthropic의 Claude Code나 Cursor 같은 자율 코딩 에이전트를 실무 대규모 리포지토리에 투입했을 때 가장 뼈아픈 문제는 무엇일까요? 모델의 코딩 실력이 아니라, 단 몇 줄을 고치기 위해 코드베이스 전체를 헤매며 수십 번씩 호출하는 ‘탐색 루프의 숨은 세금(Discovery Loop Tax)’ 입니다.

에이전트는 전체 구조를 한눈에 볼 수 없기 때문에 grep, find, ls, read_file을 수십 번씩 실행하며 파일들을 뒤적거립니다. 이 과정에서 수만~수십만 토큰이 허공으로 날아가고, 무관한 파일까지 읽다가 원래 작업 목적을 망각하는 ‘에이전트 표류(Agent Drift)’ 와 환각이 발생합니다.

해외 AI 개발 전문 채널 The Gray Cat(@thegraytcat)은 이 탐색 병목을 근본적으로 제거하기 위해 코드베이스를 사전 인덱싱하는 양대 오픈소스 지식 그래프 도구인 Graphify 와 CodeGraph 를 Claude Code 환경에서 직접 맞비교 벤치마크했습니다. 두 도구의 아키텍처 차이점과 실무 벤치마크 결과를 분석합니다.

Sources

1. 나이브 탐색 vs 코드 지식 그래프(Code Graph) 아키텍처

코드 지식 그래프는 소스코드의 함수, 클래스, 메서드, 모듈을 노드(Node)로 추출하고, 이들 간의 호출(Calls), 임포트(Imports), 상속(Inherits) 관계를 엣지(Edge)로 사전에 연결해 둡니다.

flowchart TD
    classDef slowNode fill:#ffc8c4,stroke:#c53030,stroke-width:1.5px,color:#333;
    classDef fastNode fill:#c0ecd3,stroke:#38a169,stroke-width:1.5px,color:#333;
    classDef coreNode fill:#c5dcef,stroke:#2b6cb0,stroke-width:1.5px,color:#333;
    classDef outNode fill:#fde8c0,stroke:#d69e2e,stroke-width:1.5px,color:#333;

    Goal["Claude Code 작업 지시
(예: Auth 토큰 만료 로직 수정)"] --> Approach{코드 탐색 전략}

    Approach -->|기존 무차별 탐색| Naive["50회 이상의 grep, find, read_file 반복
컨텍스트 팽창 & 100k 토큰 소모"]
    Naive --> Drift["에이전트 표류 (엉뚱한 파일 수정) & 비용 급증"]

    Approach -->|코드 지식 그래프| Graph["Tree-sitter AST 기반 사전 그래프 인덱스 조회
(1회 MCP 질의: 누가 AuthToken을 호출하는가?)"]
    Graph --> Direct["수정 대상 파일 2개와 정확한 라인 즉시 특정
(토큰 50~70배 절감, 지연 시간 최소화)"]

    Drift --> Done["코드 수정 완료"]
    Direct --> Done

    class Naive,Drift slowNode;
    class Graph,Direct fastNode;
    class Goal,Approach coreNode;
    class Done outNode;

2. Graphify vs CodeGraph 상세 비교

두 도구 모두 문법 파싱에 고성능 Tree-sitter 를 사용하지만, 지향하는 연동 방식과 데이터 커버리지에서 뚜렷한 차이를 보입니다.

1) CodeGraph: SQLite 기반의 표준 MCP 서버

  • 핵심 엔진: Tree-sitter + SQLite 관계형 그래프.
  • 연동 메커니즘: MCP (Model Context Protocol) 서버.
  • 주요 특징:
    • Claude Code, Cursor, Cline의 설정 파일에 MCP 서버로 등록하기만 하면 즉시 표준 도구(codegraph_query)로 활성화됩니다.
    • 심볼 정의, 호출 계층, 상속 관계를 SQL 질의 기반으로 초고속 탐색합니다.
    • 별도의 복잡한 세팅 없이 순수 소스코드 탐색에 가장 직관적이고 표준화된 경험을 제공합니다.

2) Graphify: 코드와 문서를 아우르는 멀티모달 지식 그래프

  • 핵심 엔진: Tree-sitter 로컬 AST 분석기 + 멀티 소스 연결기.
  • 연동 메커니즘: CLI 도구 및 Claude Code / Cursor 전용 훅(Hooks).
  • 주요 특징:
    • 단순 코드 심볼에 머무르지 않고, 프로젝트 내 마크다운 문서, RFC 설계서, PDF 기획서, SQL 스키마 까지 하나의 그래프로 결합합니다.
    • “이 코드가 왜 이렇게 작성되었는가"에 대한 아키텍처 의도(Docs)와 실제 코드(Code) 사이의 상호 참조를 제공하여, 대규모 모노레포에서 에이전트가 비즈니스 맥락을 잃지 않도록 돕습니다.

3. Claude Code 실전 벤치마크 결과

실제 복잡한 오픈소스 리포지토리에서 다중 파일 리팩토링 과제를 수행한 결과입니다:

  • 탐색 도구 부재 시 (기본 Claude Code):
    • 파일 위치를 찾기 위해 평균 40~60회의 파일 읽기 및 탐색 툴 콜을 반복했습니다.
    • 파일 로딩이 누적되면서 컨텍스트 캐시가 밀려나고, 작업 완료까지 수 분 이상 소요되었습니다.
  • 지식 그래프 연동 시 (Graphify / CodeGraph):
    • 에이전트는 시작 단계에서 단 1~2회의 그래프 질의를 통해 연관된 모듈과 호출 지점을 완벽히 파악했습니다.
    • 탐색 단계의 토큰 소모량이 기존 대비 50~70배 감소 하였으며, 엉뚱한 파일을 수정하려는 시도가 완전히 사라졌습니다.

4. 어떤 도구를 선택해야 할까?

  • CodeGraph가 적합한 팀: 표준 MCP 프로토콜을 선호하며, 순수 소스코드의 함수/클래스 호출 관계를 빠르고 가볍게 탐색하고자 하는 프로젝트.
  • Graphify가 적합한 팀: 코드뿐만 아니라 방대한 기획 문서, 설계서, DB 스키마가 리포지토리에 함께 존재하여, 에이전트에게 전체 프로젝트의 “개념적 지도"를 쥐어줘야 하는 대규모 시스템.