Claude의 세션 제한 및 문맥 유실 문제를 해결하기 위한 MCP 서버 'ContEX' 개발

실용적 조언

긴 코드베이스 작업 시 Claude가 정보를 잊어버린다면 전체 파일을 다시 올리기보다 핵심 구조와 변경 사항만 담은 인덱스 파일을 별도로 관리하라.
MCP 서버를 활용하여 로컬 파일 시스템과 LLM을 연결하면 세션 제한 환경에서도 프로젝트 전체 맥락을 유지할 수 있다.

섹션별 상세

Claude가 세션 중간에 문맥을 압축하면서 코드 위치나 시스템 구조 같은 세부 정보를 잊어버리는 현상이 발생한다. 이를 복구하기 위해 다시 전체 파일을 검색(grep)하는 과정에서 수천 개의 토큰이 낭비되며, 이는 최근 강화된 세션 제한 환경에서 개발 생산성을 저해하는 핵심 요인이다.

ContEX는 대화 내용, 코드 변경 사항, 파일 구조 등을 로컬 시스템에 정보 밀도가 높은 형식으로 인덱싱하는 MCP 서버이다. Claude가 원본 소스 전체를 반복해서 읽는 대신 ContEX가 생성한 최적화된 인덱스를 참조하게 함으로써 프로젝트의 전체 맥락을 유실 없이 유지하도록 설계됐다.

71,000라인 규모의 코드베이스를 분석할 때 원본 소스를 그대로 읽으면 50만 개 이상의 토큰이 소요되지만, ContEX를 통하면 약 7,600개의 토큰만으로 전체 앱 요약이 가능하다. 공유된 로그 수치에 따르면 get_project_overview 호출 시 약 465,000개의 토큰을 절약했으며, 이는 원본 대비 약 1/60 수준의 비용으로 동일한 수준의 문맥 파악이 가능함을 입증했다.

ContEX MCP 서버의 호출별 응답 토큰 및 절감된 토큰 수치를 보여주는 표 — Screenshotget_project_overview, search_code 등 주요 호출을 통해 총 7,600토큰을 소모하여 50만 개 이상의 원본 토큰을 대체했음을 보여준다. 특히 프로젝트 개요 호출 한 번으로 약 465,000토큰을 절약했다는 구체적인 수치를 제시하여 도구의 효율성을 증명한다.

작성자는 프로그래밍 경험이 거의 없는 상태에서 AI 기반 코딩(vibecoding)을 진행하며 겪은 한계를 도구 개발로 연결했다. 특히 복잡한 앱 개발 시 Claude가 이전 작업 내용을 잊어버리는 문제를 외부 메모리 역할을 하는 MCP 서버로 보완하여 세션 제한 내에서 더 긴 작업 흐름을 가져갈 수 있게 했다.

용어 해설

모델 컨텍스트 프로토콜(MCP (Model Context Protocol)): — Anthropic이 제안한 개방형 표준으로, LLM이 로컬 파일 시스템, 데이터베이스, API 등 외부 데이터 소스에 안전하고 표준화된 방식으로 접근할 수 있게 해주는 프로토콜이다. 이를 통해 모델은 정적 학습 데이터를 넘어 실시간 로컬 컨텍스트를 활용할 수 있다.
문맥 압축(Context Compaction): — LLM 세션이 길어질 때 제한된 컨텍스트 윈도우 내에 정보를 유지하기 위해 이전 대화나 데이터를 요약하거나 삭제하는 과정이다. 이 과정에서 특정 코드의 위치나 세부적인 시스템 구조 정보가 유실되어 모델의 정확도가 저하되는 문제가 발생한다.
토큰 최적화(Token Optimization): — LLM API 사용 시 비용을 절감하고 효율적인 추론을 위해 입력 데이터의 크기를 최소화하는 기법이다. 불필요한 원본 데이터를 제거하고 핵심 정보만 밀도 있게 전달함으로써 모델의 처리 속도를 높이고 세션 제한 문제를 완화한다.

언급된 도구

ContEX추천

Claude의 문맥 유실 방지 및 토큰 절감을 위한 로컬 인덱싱 MCP 서버

Claude중립

코딩 및 대화형 AI 모델