코드 작성 전 클로드 코드로 하는 프리코딩 루틴: 5가지 MCP 서버

한 Reddit 사용자가 Claude Code를 위한 사전 코딩 루틴을 공유했습니다. 모델이 코드를 작성하기 전에 5개의 MCP 서버를 사용하는 방식입니다. 이 루틴은 60-90초가 소요되며, 잘못된 클래스명, 구버전 SDK 메서드, 실제 코드베이스와 일치하지 않는 조언 등 환각을 줄여 수백 시간을 절약한다고 합니다.

다섯 가지 MCP 서버

• Memory MCP: 세션 간 컨텍스트 유지 — 마지막 스프린트 목표, 미해결 결정, 최근 학습 내용, 과거 기술 선택의 근거. 없으면 각 세션이 빈 상태로 시작되어 모델이 처음부터 추론을 재구성하며, 종종 오류가 발생합니다.
• Codebase-memory server: 저장소의 지식 그래프 구축 — 함수, 호출자, 의존성, 순환. 무작정 grep하는 대신 Claude가 그래프에 질의합니다(예: "processOrder를 호출하는 것"). 하나의 도구 호출로 수십 개의 파일 읽기를 대체합니다.
• Tavily search: 중요 결정 전 최신 관행 검색. 학습 데이터는 오래되었고, 모범 사례는 변화합니다. Tavily는 출처와 함께 깔끔한 답변을 제공합니다.
• Context7: 사용하려는 라이브러리(Anthropic SDK, Next.js, Prisma 등)의 최신 문서를 가져옵니다. 학습 데이터 cutoff로 인해 Claude가 두 버전 전에 이름이 변경된 API 메서드를 지어낼 수 있습니다. 실제 문서를 로드하여 이 버그를 제거했습니다.
• 코드 작성: 메모리, 코드베이스 구조, 최신 에코시스템 컨텍스트, 정확한 문서를 바탕으로 출력이 "일단 시도해보고 결과 보기"에서 "호출 그래프와 v5 문서를 기반으로 변경 사항은 여기에"로 전환됩니다.

모델을 정직하게 유지하는 후크

게시물은 또한 두 가지 후크를 강조합니다:

• 읽기 전 편집 방지: 세션이 먼저 읽지 않은 파일에 대한 편집을 거부합니다. 초기 토큰은 더 들지만, 정리에 더 많은 토큰을 낭비하는 맹목적인 편집을 방지합니다.
• 안전 후크: 위험한 명령 차단.
• 편집 후 재색인: 변경 후 지식 그래프를 자동 동기화.

루프는 작동한 내용(결정, 패턴, 함정, 수정)을 메모리에 다시 저장하여 닫힙니다. 컨텍스트가 축적됨에 따라 시스템은 매주 강화됩니다.

작성자의 기본 통찰: 모델은 지식의 원천이 아니라 조정자입니다. MCP 서버와 후크가 시스템입니다. 메모리는 기억하고, 그래프는 코드를 알며, 검색은 현재를 알고, Context7은 문서를 알며, 후크는 모델을 정직하게 유지합니다. 모델은 이들을 연결할 뿐입니다.