그래프 기반 코드 인덱싱으로 AI 코딩 세션 비용 90% 절감

한 Reddit 사용자는 Claude Code에 쿼리당 2-6달러를 지출한다고 보고했습니다. 모델이 세션마다 수십 개의 파일을 다시 읽기 때문입니다. 캐싱을 사용하더라도(토큰의 70%가 90% 할인된 캐시에서 제공됨) 캐시는 세션마다 초기화됩니다. 해결책은 코드베이스를 그래프 데이터베이스로 인덱싱하는 로컬 서버로, 원시 파일 읽기 대신 MCP(Model Context Protocol)를 통해 쿼리하는 것입니다.

작동 방식

• AST 파싱이나 벡터 임베딩 대신, 이 도구는 LLM을 사용해 각 파일에 대한 목적, 요약, 비즈니스 컨텍스트를 생성하고, 해당 파일의 함수, 클래스, 임포트에 대한 링크를 추가합니다.
• 그래프는 MCP 서버를 통해 노출되며, 클로드는 전체 저장소를 컨텍스트에 덤프하는 대신 그래프를 쿼리하여 대상 조회(질문당 2-4개 노드)를 수행합니다.
• 세션 비용이 달러에서 센트로 떨어졌습니다. 이 접근 방식은 DeepSeek-V4 및 Kimi-2.6과 같은 오픈소스 모델에서도 동일하게 잘 작동하는데, 그 이유는 모델 크기가 아닌 검색이 중추적인 역할을 하기 때문입니다.

설정 세부 사항

모든 것이 로컬에서 단일 테넌트로 실행되며 클라우드 종속성이 없습니다. 프로젝트는 GitHub(github.com/ByteBell/bytebell-oss)에서 오픈소스로 제공됩니다. 사용자는 AST 파싱이나 벡터를 사용하지 않는다고 언급합니다. 그래프는 LLM이 생성한 파일 분석입니다.

대상

대규모 코드베이스에서 Claude Code(또는 토큰 비용이 드는 AI 에이전트)를 사용하는 개발자로서 세션 간 구조적 컨텍스트를 캐싱하여 비용을 대폭 줄이려는 분들.