코드베이스가 커지면 "이 함수 어디 있더라" 하나 찾으려고 Claude한테 디렉토리를 통째로 읽히게 되는 순간이 옵니다. 그러다 컨텍스트가 꽉 차서 정작 중요한 작업할 공간이 없어지죠.
이 게시판에 이미 Repomix가 올라온 적 있는데, 그건 레포를 통째로 한 파일에 복붙하는 방식입니다. Claude Context는 접근이 다릅니다. 필요한 부분만 의미 기반으로 찾아서 가져오는 쪽입니다.
뭔가
Milvus를 만든 회사 Zilliz가 만든 MCP 서버입니다. 코드베이스를 AST 기준으로 잘게 쪼개서 임베딩하고 벡터DB에 색인해둔 다음, "사용자 인증 처리하는 함수 찾아줘" 같은 자연어 질문으로 검색하게 해줍니다. 키워드 검색(BM25)과 벡터 검색을 같이 쓰는 하이브리드 방식이라 grep보다 정확도가 높습니다.
뭘 해결하나
색인이 끝나면 이렇게 씁니다.
```
Index this codebase
Find functions that handle payment webhook
```
전체 디렉토리를 매번 다시 읽는 대신 관련된 파일 몇 개만 콕 집어서 돌려줍니다. 공식 벤치마크로는 검색 품질을 유지하면서 토큰을 약 40% 줄였다고 합니다. 파일이 바뀌면 Merkle 트리 기반으로 바뀐 부분만 다시 색인하는 것도 특징입니다.
어떻게 시작하나
Zilliz Cloud 계정(무료 티어 있음)이랑 OpenAI API 키가 필요합니다.
```
claude mcp add claude-context \
-e OPENAI_API_KEY=sk-your-openai-api-key \
-e MILVUS_ADDRESS=your-zilliz-cloud-endpoint \
-e MILVUS_TOKEN=your-zilliz-cloud-api-key \
-- npx @zilliz/claude-context-mcp@latest
```
언제 쓰고 언제 쓰지 마세요
여러 서비스가 얽힌 모노레포나 파일이 수백 개 넘어가는 프로젝트에 잘 맞습니다. 이미 다뤘던 Serena MCP는 심볼 기반 정적 분석에 가깝고, Repomix는 전체 덤프 방식이라 이거랑은 결이 다릅니다.
반면 파일 십몇 개짜리 사이드 프로젝트라면 grep 몇 번이면 끝나는 일에 벡터DB 계정 만들고 임베딩 API 키 발급받는 게 배보다 배꼽이 더 큽니다. 이런 규모엔 추천 안 합니다.
한계
색인 시간이 걸리고, OpenAI 임베딩 호출 비용이 별도로 발생합니다. 완전 로컬 오프라인 구동은 지원하지 않고 Zilliz Cloud(또는 자체 호스팅 Milvus)가 필요합니다. 프로젝트마다 인덱스를 따로 관리해야 한다는 점도 참고하세요.
댓글 0
첫 댓글을 남겨보세요!