Git 작업을 위한 로컬 LLM 기반 MCP 서버: git-courer

커뮤니티 반응

작성자가 오픈소스 프로젝트를 공유하며 아키텍처에 대한 피드백을 요청했으며, 로컬 LLM을 활용한 비용 절감 접근 방식에 대해 긍정적인 관심이 예상된다.

주요 논점

01찬성다수

단순 반복적인 Git 작업에 비싼 클라우드 토큰을 쓰는 것은 비효율적이며 로컬 LLM으로 충분히 대체 가능하다.

합의점 vs 논쟁점

합의점

AI 에이전트의 Git 조작은 보안상 위험하므로 다중 검증 레이어가 필수적이다.
로컬 LLM 활용 시 가장 큰 병목은 컨텍스트 윈도우 제한이며 이를 해결하기 위한 지능적 청킹이 중요하다.

실용적 조언

로컬 LLM의 성능이 낮을 경우 JSON 출력 형식을 강제하는 프롬프트 제약을 강화하여 응답의 일관성을 확보하라.
민감한 정보 유출 방지를 위해 정규표현식 스캔과 LLM 검증을 병행하는 다층 방어 전략을 사용하라.

섹션별 상세

대규모 Git Diff를 로컬 LLM의 제한된 컨텍스트 윈도우 내에서 처리하기 위해 그래프 기반 청킹 알고리즘을 도입했다. 파일 간 공유 토큰과 디렉터리 경로를 기반으로 가중치를 부여한 그래프를 생성하고 BFS 탐색을 통해 연관성이 높은 파일들을 그룹화한다. 이 과정을 통해 의미 있는 문맥을 유지하면서 데이터를 순차적으로 모델에 전달하여 분석 정확도를 높였다.

로컬 LLM의 판단 과정을 투명하게 관리하기 위해 구조화된 추론 방식을 적용했다. 기존의 단순 불리언(Boolean) 응답 대신 엄격한 JSON 형식을 강제하여 모델이 특정 파일을 스테이징하거나 제외한 구체적인 이유를 포함하도록 설계했다. 이를 통해 사용자는 AI의 결정 논리를 명확히 파악하고 디버깅할 수 있는 감사 추적 기능을 확보했다.

AI 에이전트에게 Git 제어권을 부여할 때 발생할 수 있는 보안 리스크를 방지하기 위해 5단계 안전 파이프라인을 구축했다. 바이너리 파일 감지, 경로 블랙리스트, 특정 파일명 차단, 정규표현식을 이용한 비밀번호/토큰 스캔을 순차적으로 수행한다. 마지막 단계에서 LLM이 최종 검증을 수행하여 오탐지를 제거함으로써 민감한 정보의 유출을 차단한다.

사용자의 최종 승인 없이는 실제 Git 작업이 수행되지 않도록 3단계 확인 프로토콜(START-APPLY-ABORT)을 구현했다. 서버가 LLM의 실행 계획을 먼저 반환하고 사용자가 채팅창 내에서 명시적으로 승인할 때까지 실행을 차단한다. 현재 커밋 흐름은 안정화되었으며 다른 Git 명령어들도 안전한 로컬 실행을 보장하기 위해 순차적으로 추가되고 있다.

용어 해설

모델 컨텍스트 프로토콜(Model Context Protocol): — AI 에이전트가 로컬 데이터나 도구에 안전하게 접근할 수 있도록 설계된 개방형 표준 프로토콜이다. 클라우드 모델이 로컬 파일 시스템이나 Git 같은 외부 도구와 상호작용할 때 표준화된 인터페이스를 제공하여 보안과 효율성을 높인다.
컨텍스트 윈도우(Context Window): — LLM이 한 번에 처리할 수 있는 최대 토큰 양을 의미한다. 로컬 모델은 클라우드 모델보다 이 용량이 작은 경우가 많아, 대규모 Git Diff 데이터를 입력할 때 이를 효율적으로 분할하고 관리하는 기술이 필수적이다.
너비 우선 탐색(Breadth-First Search): — 그래프나 트리 구조에서 인접한 노드를 먼저 탐색하는 알고리즘이다. 이 프로젝트에서는 파일 간의 연관성을 그래프로 구축한 뒤 BFS를 사용하여 의미적으로 연결된 파일들을 하나의 청크로 그룹화하는 데 사용된다.

언급된 도구

Ollama추천

로컬 환경에서 LLM을 실행하기 위한 추론 엔진

git-courer추천

Git 작업을 로컬 LLM으로 위임하는 오픈소스 MCP 서버

언급된 리소스

GitHubgit-courer GitHub Repository