Knowledge Graph 기반 컨텍스트 최적화로 LLM 토큰 소모 절감

Context

코드베이스 규모 확대에 따라 기존 Cursor IDE의 순차적 파일 읽기 방식이 토큰 낭비를 초래하는 병목 지점으로 작용함. 8~12개 파일을 중복으로 분석하며 발생하는 고비용의 Context Window 소모 및 낮은 추론 효율성 해결이 필요함.

Technical Solution

• Tree-sitter AST parsing을 통한 전역 코드베이스의 로컬 Knowledge Graph 사전 구축
• 모든 함수, 클래스, 모듈을 Node로 정의하고 관계를 Edge로 연결한 Graph 구조 설계
• Raw 파일 전체 읽기 대신 Scoped Subgraph Lookup 방식을 통한 최소 필요 컨텍스트 추출
• .mdc 규칙 설정을 통한 LLM의 우선적 Graph Query 호출 유도
• Post-commit Git Hook 기반의 증분 그래프 업데이트 자동화로 최신성 유지
• Git Merge Driver 도입을 통한 graph.json 파일의 병합 충돌 방지 및 자동 Union-merge 처리