대규모 클로드 코드: 에이전트 검색이 대규모 코드베이스에서 RAG 실패 모드를 피하는 방법

Claude Code는 수백만 줄의 모노레포, 수십 년 된 레거시 시스템(C, C++, C#, Java, PHP), 수천 명의 개발자가 있는 분산 아키텍처에서 프로덕션 환경으로 운영되고 있습니다. RAG 기반 검색(임베딩 파이프라인이 활성 팀을 따라잡지 못해 2주 전에 이름이 변경된 함수나 삭제된 모듈을 반환하는 등 실패함)에 의존하는 대신 Claude Code는 소프트웨어 엔지니어처럼 코드베이스를 탐색합니다. 파일 시스템을 탐색하고, 파일을 읽고, grep을 사용하고, 중앙 집중식 인덱스를 구축, 유지 관리 또는 서버에 업로드할 필요 없이 로컬에서 참조를 따릅니다.
모델보다 하네스가 더 중요합니다
Claude Code의 성능은 모델 벤치마크보다 하네스 — 서로 기반을 두는 5가지 확장 지점 — 에 의해 더 결정됩니다:
- CLAUDE.md 파일 — 모든 세션 시작 시 자동으로 로드되는 컨텍스트 파일: 큰 그림을 위한 루트 파일, 로컬 규칙을 위한 하위 디렉토리 파일. 광범위하게 적용 가능한 정보에 초점을 맞추면 컨텍스트 창 낭비를 방지할 수 있습니다.
- Hooks — 확장 지점으로 나열된 것 외에는 자세히 설명되지 않습니다.
- Skills — 확장 지점으로 나열된 것 외에는 자세히 설명되지 않습니다.
- Plugins — 확장 지점으로 나열된 것 외에는 자세히 설명되지 않습니다.
- MCP 서버 — 확장 지점으로 나열된 것 외에는 자세히 설명되지 않습니다.
LSP 통합 및 서브 에이전트라는 두 가지 추가 기능이 설정을 완료합니다. 이 글은 각 계층이 이전 계층을 기반으로 구축되므로 나열된 순서대로 이러한 계층을 구축할 것을 권장합니다.
트레이드오프: 시작 컨텍스트 품질
에이전트 검색은 Claude가 어디를 봐야 할지 알 수 있는 충분한 시작 컨텍스트를 가질 때 가장 잘 작동합니다. 수십억 줄의 코드베이스에서 모호한 패턴의 모든 인스턴스를 찾도록 요청하면 작업이 시작되기도 전에 컨텍스트 창 한계에 도달하게 됩니다. CLAUDE.md 파일을 통해 코드베이스 설정에 투자하는 팀은 더 나은 결과를 봅니다.
📖 전체 소스 읽기: HN AI Agents
👀 See Also

Google Research, AI 모델 압축을 위한 TurboQuant 소개
Google Research는 정확도 손실 없이 AI 모델 크기를 줄이는 압축 알고리즘 TurboQuant를 소개했습니다. 이는 벡터 양자화에서의 메모리 오버헤드를 해결하고 키-값 캐시 성능을 향상시킵니다.

Semble: 클로드 코드용 로컬 MCP 서버, 토큰 98% 절감
Semble는 Claude Code를 위한 오픈소스 MCP 서버로, grep+read 워크플로우를 대체합니다. 임베딩, BM25, 재순위화를 사용하여 리포지토리를 약 250ms에 인덱싱하면서 토큰 사용량을 약 98% 줄입니다.

DeepClaude가 클로드 코드의 Anthropic 백엔드를 디프시크 V4 프로로 교체, 비용 17배 절감
Claude Code의 환경 변수를 재작성하여 모든 에이전트 루프 호출을 DeepSeek V4 Pro, OpenRouter 또는 Fireworks AI로 라우팅하는 스크립트 — 동일한 UX, 출력 토큰 100만 개당 $0.87 vs $15.

NVIDIA, 개인정보 보호 기능을 갖춘 NemoClaw 에이전트 플랫폼 발표
NVIDIA가 NemoClaw를 출시했습니다. 이 에이전트 플랫폼은 사용자가 단일 명령어로 Nimotron 모델과 Open Shell 런타임을 설치하면서 자율 에이전트에 대한 개인정보 보호 및 보안 제어 기능을 추가할 수 있도록 합니다.