Cursor에서 Claude Code로 전환 후 프로젝트 컨텍스트 관리의 어려움

실용적 조언

프로젝트 루트의 CLAUDE.md를 활용하여 핵심 규칙을 정의하되, 너무 비대해지지 않도록 주의할 것
특정 도메인 로직이 중요한 경우 mcp-memory-keeper와 같은 메모리 관리 MCP 도입 고려

섹션별 상세

Cursor의 /docs 폴더 자동화 기능 부재에 따른 컨텍스트 유지 문제이다. Cursor는 기능별 문서를 자동으로 읽고 업데이트하여 개발자가 별도로 신경 쓰지 않아도 컨텍스트를 유지하지만, Claude Code는 이를 위해 수동 관리나 복잡한 설정이 필요하다. 사용자는 이를 해결하기 위해 CLAUDE.md를 활용하거나 별도의 MCP를 도입해야 하는 번거로움을 지적했다. 이는 도구 간의 추상화 수준 차이에서 오는 사용자 경험의 격차를 보여준다.

로컬 개발 환경과 클라우드 서비스 간의 혼동으로 인한 코드 파손 사례이다. 사용자는 Supabase 인증을 사용하지만 데이터베이스는 로컬 Docker PostgreSQL을 사용하는데, Claude Code가 이를 무시하고 모든 요청을 Supabase Cloud로 연결하여 로직을 망가뜨린 경험을 공유했다. 이는 LLM이 프로젝트의 특수한 인프라 구조를 지속적으로 인지하게 만드는 '컨텍스트 주입'의 중요성을 시사한다. 명확한 가이드라인이 없으면 모델이 일반적인 패턴으로 회귀할 위험이 크다.

PreToolUse 훅을 이용한 문서 주입 시도의 한계이다. 파일 편집 전 적절한 문서를 주입하도록 훅을 설정하여 자동화를 시도했으나, 모든 도구 호출 시마다 실행되면서 컨텍스트 윈도우를 빠르게 소모하는 부작용이 발생했다. 이는 효율적인 컨텍스트 관리를 위해 필요한 정보만 선택적으로 제공하는 지능적인 필터링 전략이 필수적임을 보여준다. 단순히 모든 문서를 주입하는 방식은 비용과 성능 면에서 지속 가능하지 않다.

mcp-memory-keeper와 같은 외부 도구 도입에 대한 회의론이다. 과거의 결정 사항을 SQLite에 저장하고 세션 시작 시 재주입하는 방식이 기술적으로는 가능해 보이지만, 단순한 기능을 위해 또 다른 MCP를 관리해야 하는 '도구 파편화' 현상에 대한 피로감을 토로했다. 사용자는 Cursor처럼 네이티브하게 지원되는 기능이 Claude Code에서는 왜 매번 커스텀 구현이 필요한지에 대해 의문을 제기했다. 이는 개발자 도구의 확장성과 편의성 사이의 균형에 대한 논의로 이어진다.

용어 해설

모델 컨텍스트 프로토콜(MCP (Model Context Protocol)): — AI 모델이 로컬 데이터, 도구, 서비스와 상호작용할 수 있도록 Anthropic에서 공개한 개방형 표준 프로토콜이다. 이를 통해 Claude Code와 같은 에이전트가 외부 데이터베이스나 메모리 시스템에 접근하여 컨텍스트를 확장할 수 있다.
컨텍스트 윈도우(Context Window): — LLM이 한 번에 처리할 수 있는 입력 데이터의 최대량이다. Claude Code 사용 시 모든 문서나 훅을 주입하면 이 윈도우가 빠르게 가득 차서 모델의 추론 성능이 저하되거나 비용이 급증하는 원인이 된다.
도구 사용 전 훅(PreToolUse Hook): — AI 에이전트가 특정 도구(파일 편집, 검색 등)를 실행하기 직전에 사용자 정의 스크립트를 실행하는 기능이다. 특정 파일을 수정하기 전에 관련 문서를 강제로 주입하는 등의 자동화 작업에 활용된다.
수파베이스(Supabase): — PostgreSQL 기반의 오픈소스 Firebase 대안 서비스로 인증, 데이터베이스, 스토리지 등을 제공한다. 본문에서는 인증은 Supabase를 쓰되 DB는 로컬을 사용하는 특수한 설정 때문에 AI가 혼동을 겪는 사례로 언급됐다.

언급된 도구

Claude Code중립

CLI 기반 AI 코딩 에이전트

Cursor추천

AI 통합 개발 환경(IDE)

mcp-memory-keeper중립

SQLite 기반의 결정 사항 저장 및 재주입 MCP