컨텍스트 모드 MCP 서버, 클로드 코드 컨텍스트 사용량 98% 절감

컨텍스트 모드는 Claude Code와 툴 출력 사이에 위치하여 컨텍스트 윈도우 소비를 98% 줄이는 MCP 서버입니다. 200K 컨텍스트 윈도우에 원시 데이터를 덤프하는 대신, 격리된 샌드박스에서 출력을 처리합니다.
작동 방식
샌드박스 시스템은 각 실행 호출마다 격리된 서브프로세스를 생성합니다. 스크립트는 자체 프로세스 경계를 가진 이 서브프로세스에서 실행되며, stdout만 대화 컨텍스트로 들어갑니다. 로그 파일, API 응답, 스냅샷과 같은 원시 데이터는 샌드박스를 벗어나지 않습니다.
10개의 언어 런타임을 사용할 수 있습니다: JavaScript, TypeScript, Python, Shell, Ruby, Go, Rust, PHP, Perl, R. Bun은 3-5배 빠른 JS/TS 실행을 위해 자동 감지됩니다. 인증된 CLI(gh, aws, gcloud, kubectl, docker)는 자격 증명 패스스루를 통해 작동하며, 서브프로세스는 환경 변수와 구성 경로를 상속받아 대화에 노출시키지 않습니다.
지식 베이스 기능
인덱스 툴은 코드 블록을 유지하면서 마크다운 콘텐츠를 제목별로 청킹한 후, SQLite FTS5 가상 테이블에 저장합니다. 검색은 인덱싱 시점에 Porter 스테밍이 적용된 BM25 순위를 사용합니다. 검색을 호출하면 제목 계층 구조와 함께 정확한 코드 블록이 반환됩니다.
fetch_and_index 툴은 이를 URL로 확장합니다: 가져오기, HTML을 마크다운으로 변환, 청킹, 인덱싱. 원본 페이지는 컨텍스트로 들어가지 않습니다.
성능 벤치마크
- Playwright 스냅샷: 56 KB → 299 B
- GitHub 이슈 (20개): 59 KB → 1.1 KB
- 액세스 로그 (500 요청): 45 KB → 155 B
- 분석 CSV (500 행): 85 KB → 222 B
- Git 로그 (153 커밋): 11.6 KB → 107 B
- 리포지토리 연구 (서브에이전트): 986 KB → 62 KB (5회 호출 대 37회)
전체 세션 동안: 315 KB의 원시 출력이 5.4 KB가 됩니다. 속도 저하 전 세션 시간은 ~30분에서 ~3시간으로 증가합니다. 45분 후 남은 컨텍스트: 60% 대신 99%.
설치
두 가지 설치 방법:
- 플러그인 마켓플레이스:
/plugin marketplace add mksglu/claude-context-mode후/plugin install context-mode@claude-context-mode - MCP 전용:
claude mcp add context-mode -- npx -y context-mode
설치 후 Claude Code를 재시작하세요. 컨텍스트 모드는 툴 출력을 자동으로 샌드박스를 통해 라우팅하는 PreToolUse 훅을 포함합니다. 서브에이전트는 batch_execute를 주요 툴로 사용하도록 학습하며, bash 서브에이전트는 MCP 툴에 접근할 수 있도록 범용으로 업그레이드됩니다.
이 툴은 github.com/mksglu/claude-context-mode에서 MIT 라이선스로 오픈 소스입니다.
📖 전체 소스 읽기: HN LLM Tools
👀 See Also

V6rge AI Suite 업데이트, NVIDIA GPU 지원 및 베타 코딩 에이전트 추가
V6rge AI Suite가 GPU 감지 문제를 해결하는 업데이트를 출시했습니다. 이 업데이트는 향상된 성능을 위한 완전한 NVIDIA GPU 지원을 추가하고, 앱 내에서 직접 코드를 생성하고 지원하는 새로운 베타 코딩 에이전트를 도입합니다.

아티팩터: AI 코딩 에이전트 아티팩트 관리를 위한 로컬 퍼스트 CLI 도구
Artifactr는 스킬, 명령어, 에이전트 정의와 같은 LLM 아티팩트를 관리하는 무료 오픈소스 CLI 도구입니다. 네트워크 연결 없이 휴대 가능한 볼트에 파일을 저장하며 심링크를 통한 자동 동기화를 지원합니다.

클로드 코드를 사용하여 LLM으로 4,000건 이상의 블라인드 웨어울프 게임 시뮬레이션
한 개발자가 Claude Code를 사용해 LLM들이 눈가리개 원나이트 웨어울프를 플레이하는 시뮬레이터를 구축했으며, OpenAI와 xAI 모델을 대상으로 약 4,600게임을 실행했습니다. 이 실험은 게임 신호가 최소한임에도 불구하고 일관된 이름 기반 투표 패턴을 드러냈습니다.

팀아웃 AI 에이전트 - 기업 워크숍 기획
TeamOut은 대화를 통해 회사 행사를 계획하는 AI 에이전트를 출시했습니다. 이 시스템은 장소 선정, 업체 협조, 항공료 추정, 일정 구성 및 프로젝트 관리를 처리하며, 여러 LLM과 특화 도구를 사용해 계획을 상태 기반 조정 문제로 관리합니다.