Obsidian용 MCP 서버 'VaultForge' 공개: 토큰 소모 최대 95% 절감

실용적 조언

Claude Code 사용자는 npx 명령어를 통해 즉시 MCP 서버를 추가할 수 있다.
Canvas 데이터를 LLM에 넘길 때 원본 JSON 대신 구조화된 요약본을 넘기는 것이 비용 절감에 유리하다.

섹션별 상세

VaultForge는 Obsidian의 Canvas 데이터를 처리할 때 원본 JSON 대신 레이블과 연결 관계만 추출하여 전달한다. 원본 데이터에 포함된 좌표, 색상, 고유 ID 등 LLM 추론에 불필요한 메타데이터를 제거하는 방식이다. 이 전처리를 통해 Claude가 처리해야 할 데이터 양을 약 80% 줄이면서도 논리적 구조는 그대로 유지한다.

검색 기능에는 Orama 라이브러리를 통한 BM25 랭킹 알고리즘이 적용되었다. 기존의 단순 검색이 수십 개의 무작위 매칭 결과를 반환하여 토큰을 낭비하던 문제를 해결한다. Claude가 상위 3개의 가장 관련성 높은 결과만 확인하게 함으로써 검색 단계에서의 토큰 소모를 90% 이상 절감했다.

TF-IDF 기반의 클러스터링 기능을 지원하여 개별 파일을 일일이 읽지 않고도 전체 보관소의 주제를 파악할 수 있다. vault_themes() 함수를 호출하면 전체 문서의 핵심 키워드를 분석하여 주제별로 묶어준다. 수백 개의 파일을 개별적으로 읽는 작업을 단일 호출로 대체하여 토큰 소모를 95% 줄이는 효과를 냈다.

용어 해설

모델 컨텍스트 프로토콜(MCP): — Anthropic이 제안한 AI 모델과 로컬 데이터 또는 도구를 연결하는 표준 프로토콜이다. 모델이 외부 환경과 상호작용하는 방식을 규격화하여 보안과 호환성을 동시에 확보하는 역할을 수행한다. 이를 통해 개발자는 다양한 AI 클라이언트에서 동일한 도구를 재사용할 수 있다.
BM25 알고리즘(BM25): — 검색 엔진에서 문서의 관련성을 평가하는 랭킹 알고리즘으로, 단순 키워드 포함 여부를 넘어 단어의 희소성과 문서 길이를 고려한다. LLM 환경에서는 검색 결과의 품질을 높여 모델이 가장 관련성 높은 정보에만 집중하게 함으로써 토큰 효율을 극대화하는 데 기여한다.
단어 빈도-역문서 빈도(TF-IDF): — 문서 내 단어 빈도와 전체 문서군에서의 희소성을 계산하여 특정 단어의 중요도를 평가하는 통계적 기법이다. 대규모 문서 집합에서 핵심 주제를 빠르게 추출하거나 유사한 문서끼리 클러스터링하는 데 사용된다. LLM이 수많은 파일을 직접 읽지 않고도 전체 맥락을 파악하도록 돕는다.

코드 예제

bash

claude mcp add vaultforge -- npx -y @blacksmithers/vaultforge /path/to/your/vault

Claude Code에 VaultForge MCP 서버를 추가하는 명령어

언급된 도구

VaultForge추천

Obsidian용 고효율 MCP 서버

Orama중립

BM25 랭킹을 지원하는 검색 엔진 라이브러리

Dagre중립

Canvas 자동 레이아웃을 위한 그래프 시각화 라이브러리

언급된 리소스

GitHubVaultForge GitHub Repository

문서VaultForge Official Site