클로드 코드 LSP: 더 빠르고 정확한 코드 탐색을 위한 언어 서버 프로토콜 지원

Claude Code LSP의 기능
Claude Code LSP는 Claude Code에 언어 서버 프로토콜을 활성화하여, IDE와 동일한 코드 인텔리전스를 제공합니다: 정의로 이동하기, 참조 찾기, 타입 정보, 실시간 오류 감지 등. LSP 없이는 Claude Code가 코드베이스를 텍스트 검색 도구(grep, glob, read)를 사용하여 탐색하며, 이는 코드를 구조화된 데이터가 아닌 텍스트로 취급합니다.
성능 차이
LSP 없이 "processPayment가 어디에 정의되어 있나요?"와 같은 쿼리는 전체 코드베이스에 걸쳐 grep 검색을 트리거합니다. 실제 프로젝트에서 "User"를 검색하면 203개 파일에서 847개의 일치 항목이 반환되며, Claude Code는 각 일치 항목을 읽어가며 범위를 좁혀야 합니다. 이는 30-60초, 때로는 더 오래 걸리며, 결과를 놓치거나 혼동할 수 있습니다.
LSP가 활성화되면 동일한 쿼리가 50밀리초 내에 정확한 파일과 줄 번호를 100% 정확도로 반환합니다. 이는 grep 기반 검색보다 약 900배 빠른 속도입니다.
LSP 작동 방식
LSP(언어 서버 프로토콜)는 언어 인텔리전스를 편집기에서 분리합니다. 2016년 Microsoft가 만든 이 프로토콜은 편집기가 언어 서버와 통신하기 위한 표준 JSON-RPC 프로토콜을 제공합니다. 각 편집기가 언어 지원을 처음부터 구축하는(M × N 구현) 대신, LSP는 편집기가 전용 언어 서버와 통신하는 M + N 구현을 가능하게 합니다.
Claude Code의 경우, 이는 "goToDefinition"과 같은 쿼리가 JSON-RPC를 통해 특정 프로그래밍 언어를 깊이 이해하는 언어 서버로 전송되어 텍스트 패턴 일치 대신 정확한 결과를 반환함을 의미합니다.
주요 이점
- 수동 오류 수정: 모든 파일 편집 후, 언어 서버는 진단 정보(타입 오류, 누락된 임포트, 정의되지 않은 변수)를 푸시합니다. Claude Code는 이를 즉시 확인하고 사용자가 오류를 보기 전에 동일한 턴에서 수정합니다.
- 예시 워크플로우: Claude에게 createUser()에 이메일 매개변수를 추가하라고 요청할 때, Claude는 함수 시그니처를 편집하고, LSP는 잘못된 인수 개수를 가진 호출 사이트에서 오류를 감지하며, Claude는 모든 호출 사이트를 단일 턴에서 수정하여 첫 시도에서 오류 없이 완료합니다.
- 자동 탐색: 쿼리는 모든 텍스트 일치 항목(함수 정의 대 호출, 주석, CSS 클래스, SQL 열) 대신 실제 정의를 반환합니다.
설정 현실
이 기능은 기본적으로 활성화되어 있지 않으며, 두드러지게 문서화되어 있지 않습니다. 설정에는 공식 문서가 아닌 GitHub 이슈를 통해 발견된 플래그가 필요합니다. 일단 구성되면, Claude Code의 핵심 기능을 변경하지 않고 즉각적인 성능 향상을 제공합니다.
📖 전체 소스 읽기: HN AI Agents
👀 See Also

추출보다 지속적인 인덱스: YouTube MCP 서버 아키텍처
한 개발자가 YouTube MCP 서버를 구축한 상세한 아키텍처 노트를 공유했습니다. 이 서버는 기존 40개 이상의 서버에서 흔히 볼 수 있는 '추출 후 잊기' 패턴과 달리 지속적인 로컬 인덱스를 구현합니다. 주요 결정 사항으로는 3단계 폴백 시스템, 벡터 저장을 위한 SQLite + sqlite-vec, 임베딩 제공자 추상화, 별도의 시각 검색 인덱스 등이 포함됩니다.

발톱 제거: 커뮤니티 기반 OpenClaw 악성코드 스캐너
Declawed는 ClawHub 스킬에서 임의의 프롬프트 주입, 악성 콘텐츠 및 정보 탈취자를 탐지하는 데 중점을 둔 새로운 OpenClaw SKILL.md 악성코드 스캐너입니다.

멀티 LLM 페이퍼 트레이딩 봇: Claude Opus 리드 엔지니어, Gemini 전략가 구조 분석
한 독자 개발자가 알파카(Alpaca)에서 4,900줄의 코드로 구성된 페이퍼 트레이딩 봇을 공유했습니다. 이 봇은 클로드 오퍼스 4(엔지니어)가 제미니 프로(전략가)에 대해 거부권을 가지며, 270개 이상의 의견 불일치 기록인 '전략가 코덱스(Strategist Codex)'를 포함한 multi-LLM 아키텍처를 사용합니다.

스탠퍼드 연구진, 온디바이스 AI 에이전트를 위한 로컬-퍼스트 프레임워크 'OpenJarvis' 공개
스탠퍼드 연구진이 도구, 메모리, 학습 기능을 갖춘 온디바이스 개인 AI 에이전트 구축을 위한 로컬 퍼스트 프레임워크인 OpenJarvis를 공개했습니다. 이 프로젝트에는 개발자들이 살펴볼 수 있는 GitHub 저장소와 웹사이트 링크가 포함되어 있습니다.