AI 코딩 에이전트의 '기억'을 해결하다: codebase-memory-mcp가 하루 만에 별 1,055개를 모은 이유

하루에 별 1,055개. 오늘(2026-06-20) GitHub 트렌딩 1위에 오른 codebase-memory-mcp는 누적 ★8,139개를 기록 중이다. AI 코딩 에이전트 붐 한가운데서 이 숫자가 의미하는 바는 간단하다: 개발자들이 오래 참아온 문제에 드디어 실용적인 해법이 나왔다.

이게 뭔가

Claude Code, Cursor, Aider 같은 AI 코딩 도구를 써본 사람이라면 알 것이다. 에이전트에게 "이 함수가 어디서 호출돼?"라고 물으면, 도구는 관련 파일을 통째로 컨텍스트 창에 욱여넣는다. 파일이 수백 개면 토큰이 폭발하고 응답은 느려지고 비용은 오른다.

codebase-memory-mcp는 이 흐름을 뒤집는다. 코드베이스를 영구 지식 그래프(knowledge graph)로 한 번 색인해두고, 에이전트가 "어디서 호출돼?"라고 물으면 그래프에서 0.몇 밀리초 만에 답을 꺼낸다. 파일 전체를 읽을 필요가 없다. 프로젝트는 README 기준 토큰 사용량을 최대 99% 절감한다고 명시한다.

구현 언어는 C, 의존성은 제로. 단일 정적 바이너리 하나로 macOS·Linux·Windows 모두 동작한다.

왜 지금 뜨는가

세 가지 흐름이 겹쳤다.

① MCP 생태계 폭발. Anthropic이 Model Context Protocol(MCP)을 오픈 표준으로 밀면서 Claude Code·Cursor·Windsurf·Gemini CLI·Codex 등 주요 AI 코딩 도구가 모두 MCP를 지원하기 시작했다. 플러그인 하나로 11개 에이전트에 꽂힌다는 뜻이다.

② 대형 레포 한계 노출. AI 에이전트가 일상 도구가 되면서 "10만 줄짜리 레포에서 에이전트가 멍청해진다"는 불만이 임계점을 넘었다. 컨텍스트 창을 늘리는 것만으론 해결이 안 된다는 공감대도 형성됐다.

③ 논문 동반 출시. arXiv 2603.27277 논문과 함께 공개돼 기술적 신뢰도를 확보했다. 성능 수치(리눅스 커널 28M LOC를 3분 색인, 쿼리 1ms 미만)가 재현 가능한 형태로 제시됐다.

핵심 기능

• 158개 언어 파싱: tree-sitter 기반 AST 분석. 단순 텍스트 검색이 아니라 구문 구조를 이해한다.
• Hybrid LSP: Python·TypeScript·Go·Rust·C/C++·Java 등 9개 언어에서 언어 서버 수준의 타입 추론까지 수행, 정확한 호출 체인을 추적한다.
• 영구 그래프 저장: SQLite 기반으로 색인 결과를 디스크에 보존. 재시작해도 재색인 불필요.
• 14개 MCP 도구: 함수·클래스 검색, 호출 체인 탐색, HTTP 라우트 목록, Cypher 쿼리 등을 에이전트가 직접 호출 가능.

누구에게 쓸모 있나

대상	효용
AI 코딩 에이전트 헤비유저	토큰 비용·응답 속도 동시 개선
대형 레포 유지보수자	레거시 코드 구조 파악을 에이전트에게 위임
멀티서비스 아키텍처 팀	서비스 간 HTTP 링크·의존관계 시각화
오픈소스 기여자	낯선 레포 온보딩 시간 단축

소규모 개인 프로젝트라면 효과가 미미하다. 이 도구는 파일이 수백~수천 개를 넘을 때 진가를 발휘한다.

시작하기

공식 문서 기준 설치는 세 단계다.

# 1. 최신 릴리스 바이너리 다운로드 (macOS arm64 예시)
curl -L https://github.com/DeusData/codebase-memory-mcp/releases/latest/download/codebase-memory-mcp-darwin-arm64 \
  -o codebase-memory-mcp
chmod +x codebase-memory-mcp

# 2. 시스템에 설치 (PATH 등록 포함)
./codebase-memory-mcp install

# 3. MCP 클라이언트에 등록 후 색인 시작
codebase-memory-mcp index /path/to/your/project

Claude Code 기준 ~/.claude/mcp_settings.json에 아래를 추가하면 에이전트가 자동으로 MCP 도구를 인식한다.

{
  "mcpServers": {
    "codebase-memory": {
      "command": "codebase-memory-mcp",
      "args": ["serve", "/path/to/your/project"]
    }
  }
}

Windows는 릴리스 페이지에서 .exe 바이너리를 받아 동일하게 install 명령을 실행한다.

사용 예시

① 특정 함수의 호출자(caller) 전체 조회 에이전트가 MCP 도구로 그래프에 직접 질의한다. 파일을 열지 않아도 된다.

// 에이전트 프롬프트 예시
"processPayment 함수를 호출하는 모든 함수를 찾아줘"
→ MCP: find_callers("processPayment") → 결과 즉시 반환

② Cypher로 HTTP 라우트·핸들러 한 번에 추출 지식 그래프에 Cypher 쿼리를 직접 날려 서비스 전체 API 목록을 뽑는다.

MATCH (r:Route)-[:HANDLED_BY]->(f:Function)
RETURN r.method, r.path, f.name, f.file
ORDER BY r.path

③ 클래스 상속 계층 시각화 쿼리 대형 레포에서 특정 베이스 클래스를 상속하는 모든 서브클래스를 추적할 때 유용하다.

MATCH path = (base:Class {name: "BaseRepository"})<-[:EXTENDS*]-(sub:Class)
RETURN sub.name, sub.file, length(path) AS depth
ORDER BY depth

한계·주의

• Hybrid LSP는 9개 언어만: 나머지 149개 언어는 tree-sitter AST 분석이지만 타입 추론은 없다. Ruby·Scala·Swift 등에서는 호출 체인 정확도가 낮아질 수 있다.
• 색인 후 동기화 필요: 파일을 대규모로 수정했다면 재색인(index 재실행)을 해야 그래프가 최신 상태를 반영한다. 실시간 파일 감시 여부는 공식 문서를 확인할 것.
• 신생 프로젝트 리스크: 오늘 기준 첫 공개 이후 빠르게 성장 중이나, 프로덕션 환경에서의 장기 안정성은 아직 검증 기간이 짧다. API가 변경될 가능성이 있다.
• VirusTotal 스캔 제공: 매 릴리스마다 바이너리를 자동 스캔한다고 명시하지만, 기업 환경이라면 자체 보안 정책 검토가 선행되어야 한다.

---

전망: MCP가 AI 코딩 도구의 사실상 표준 인터페이스로 굳어지는 지금, 코드베이스 색인 레이어는 에이전트 스택의 필수 인프라가 될 가능성이 높다. codebase-memory-mcp는 그 자리를 선점하려는 첫 번째 진지한 시도다. 오픈소스·MIT 라이선스라는 점에서 커뮤니티 확장도 빠를 것이다.