AI 개발에서 토큰 낭비와 에이전트 맥락 손실은 자주 겪는 상황입니다. AI가 파일 탐색을 반복하며 리소스를 소모하거나 실행이 길어지면 이전에 했던 일을 잊어버리는 문제 말입니다. 두 문제는 다른 문제처럼 보이지만 AI가 다루는 대상 관계가 구조화되지 않은 데서 주된 원인을 찾을 수 있습니다.

그래프는 관계를 명시적으로 만듭니다

그래프는 암묵적인 관계를 명시적으로 드러냅니다. GraphRAG가 벡터 검색보다 정확성을 보이는 이유도 이 때문입니다. 데이터를 노드와 엣지로 연결하면, AI는 ‘A가 B와 연결되고 B는 C에 의존한다’는 관계를 탐색 없이 바로 파악합니다. 온톨로지 기반 추론도 비슷한 원리로 동작합니다.

관계가 명시적이면 AI가 매번 처음부터 정보를 찾아 헤맬 필요가 없습니다. 원칙은 중요합니다. 오늘 소개할 두 프로젝트도 이 원칙을 사용하지만 적용 대상이 코드와 에이전트 상태로 다를 뿐입니다.

codegraph로 코드베이스 관계 파악

codegraph 는 복잡한 코드베이스 내 함수와 클래스 관계를 그래프로 만들어 AI의 탐색 비용을 줄입니다. GitHub 레포: https://lnkd.in/gWgT4msM

Codex나 Claude Code 같은 AI 코딩 도구로 대규모 프로젝트를 다루면 AI가 파일 탐색(grep, glob, Read)을 반복하며 토큰을 낭비하는 걸 자주 목격합니다. 프로젝트 규모가 커질수록 문제는 더욱 두드러집니다. 비용이 늘어납니다.

codegraph는 tree-sitter 로 소스 코드를 AST 파싱하여 함수와 클래스를 노드로 추출합니다. 호출, 상속 같은 관계를 엣지로 연결하여 그래프를 구축합니다. 이 그래프를 SQLite 에 저장하고 MCP 서버 로 AI 코딩 도구와 연동하면 codegraph_explore 명령 한 번으로 필요한 관련 코드를 즉시 가져옵니다.

실제 6개 코드베이스 평가에서 도구 호출은 92% 줄었고 탐색 속도는 71% 단축되는 효과를 보였습니다. 효과가 큽니다. 설치도 npx @colbymchenry/codegraph 한 줄이면 끝납니다. Claude Code, Codex 등에서 모두 사용할 수 있습니다.

ActiveGraph로 에이전트 상태 변화 추적

ActiveGraph 는 장시간 실행되는 AI 에이전트의 불투명한 상태 변화를 그래프로 명확하게 추적합니다. GitHub 레포: https://lnkd.in/gDgCUGzn

AI 에이전트가 몇 시간 동안 작업하면 이전에 어떤 결정을 내렸는지, 판단의 근거가 무엇이었는지 추적하기 어렵습니다. 직접 돌려보면 맥락 손실이 얼마나 심각한지 체감합니다. 답답합니다.

ActiveGraph는 task, claim, evidence 같은 객체를 노드로 정의하고 supports, contradicts, depends_on 같은 관계를 엣지로 연결합니다. 모든 변경 사항은 append-only 이벤트 로그로 기록되며 시스템의 behavior는 그 이벤트에 반응해 다음 행동을 결정합니다.

fork-and-diff 기능은 Git 의 브랜치처럼 에이전트 실행 중 분기를 만들게 합니다. 예를 들어 에이전트가 특정 판단을 내린 시점에서 다른 판단을 가정한 복제본을 돌려보고 결과를 비교합니다. 분기 이전의 LLM 호출은 캐시로 재활용되어 비용 효율적입니다.

일반 워크플로우는 단계별 순서가 코드에 고정되곤 합니다. 하지만 ActiveGraph는 그래프에 변화가 생기면 그 변화에 맞는 behavior가 자동으로 실행되어 미리 순서를 정해둘 필요가 없습니다. 유연합니다.

두 프로젝트는 같은 원리를 공유합니다. 코드 관계나 에이전트 상태 관계를 명시적인 엣지로 연결하는 방식입니다. 그래프를 적용하면 AI가 암묵적으로 숨겨진 관계를 매번 재탐색할 필요가 없어 성능 개선으로 이어집니다. AI 개발에서 토큰 낭비가 고민이라면 codegraph 를, 에이전트 맥락 관리가 필요하다면 ActiveGraph 를 살펴보길 추천합니다.

요약

  • AI의 맥락 손실과 토큰 낭비는 AI가 다루는 대상 간 관계가 비구조화되어 발생합니다.
  • Graph는 암묵적 관계를 노드와 엣지로 명시화하여 AI의 탐색 비용을 줄이고 정확도를 높입니다.
  • codegraph 는 코드 관계를, ActiveGraph 는 에이전트 상태를 그래프로 관리해 AI 개발 효율을 높입니다.