이 요약은 AI가 원문을 분석해 생성했습니다. 정확한 내용은 원문 기준으로 확인하세요.
TL;DR
Tilth는 ripgrep과 tree-sitter를 결합해 인간과 AI 에이전트가 코드 문맥을 더 정확하게 읽도록 설계된 도구이며, v0.4.4에서 호출자 검색에 적응형 2단계 영향 분석을 도입하고 Opus 벤치마크를 5개에서 전체 26과제로 확장해 Haiku 채택률을 42%에서 78%로 끌어올려 비용 대비 효과를 개선했다. v0.4.5에서는 TOKEN_THRESHOLD를 3500에서 6000으로 상향해 중간 크기 파일을 전체 내용으로 반환하도록 변경함으로써 에이전트의 연속 섹션 호출을 줄였고 gin_radix_tree와 rg_search_dispatch의 회귀를 수정해 퍼포먼스 균형을 회복했다. 이 결과 Sonnet은 52/52로 100% 정확도를 기록했고 전체적으로 -34% $/correct의 비용 개선이 보고되어 정확도와 비용 지표 모두에서 유의미한 향상이 관찰되었다. 다만 벤치마크 반복 실행을 위한 리소스가 제한적이라는 점이 명시되어 있어 추가 검증은 외부에서 벤치마크를 돌려보는 방식으로 보완될 필요가 있다.
섹션별 상세
Tilth는 ripgrep, tree-sitter, cat을 결합해 인간과 AI 에이전트가 소스코드를 더 효과적으로 읽을 수 있게 하는 도구로 설계되었다. 이 구조에서는 ripgrep이 빠른 텍스트 매칭을 제공하고 tree-sitter가 구문 트리를 통해 문맥을 보강하며 Tilth의 제어 로직이 두 구성요소의 출력을 통합해 에이전트가 필요로 하는 코드 범위를 선별한다. 그 결과 에이전트는 단편적 스니펫 대신 문맥을 갖춘 코드 덩어리를 받아 후속 질문과 도구 호출을 줄일 수 있다.
v0.4.4에서는 호출자 검색(callers search)에 대한 적응형 2단계(2nd-hop) 영향 분석이 도입되어 함수의 고유 호출자가 10개 이하일 때 호출자의 호출자(callers-of-callers)를 단일 스캔으로 추적한다는 조건 논리를 추가했다. 이 메커니즘은 검색 입력에서 시작해 AST 기반 경로 추적으로 이어지고 최종적으로 더 넓은 호출 그래프에서 관련 코드를 반환하는 방식으로 동작한다. 동일 릴리스에서는 이전에 일부 난이도 높은 5개 과제만 갖고 있던 벤치마크를 전체 26과제로 확장했고 Haiku 채택률이 42%에서 78%로 상승해 Haiku 관련 설정이 비용 관점에서 -38% $/correct로 전환된 근거가 제시되었다.
v0.4.5에서는 TOKEN_THRESHOLD 값을 3500에서 6000(대략 24KB)으로 상향해 중간 크기 파일이 요약 대신 전체 내용을 반환하게 설정함으로써 에이전트가 5–7회의 연속 --section 호출로 파일을 재조립하는 비용과 지연을 줄였다. 동시에 두 가지 주요 회귀를 수정해 gin_radix_tree의 +35% 성능이 거의 동등 수준으로 돌아왔고 rg_search_dispatch의 +90%였던 불리함이 -26% 이점으로 전환되었다는 보정 작업이 포함되었다. 이 릴리스의 결과로 Sonnet은 52/52의 100% 정확도를 달성했고 전체적으로 -34% $/correct 개선이 보고되어 실제 정확도와 비용 지표에서 긍정적 영향을 확인했다.
용어 해설
- tree-sitter
- — 소스코드의 구문 트리를 빠르게 생성하는 파서 라이브러리로, 코드 구조를 토큰 단위가 아닌 AST 수준에서 탐색할 수 있게 한다. Tilth에서는 코드 영역을 구조적으로 분석해 함수 경계·호출 구조를 정확히 식별하고 검색 결과의 문맥을 보강하는 데 사용된다. 이로 인해 단순 텍스트 검색보다 호출자 추적이나 영향 분석에서 더 정교한 결과를 얻을 수 있다.
- ripgrep
- — 정규식 기반의 고성능 텍스트 검색 도구로 대규모 코드베이스에서 빠르게 매칭을 찾는 데 최적화되어 있다. Tilth는 ripgrep의 검색 성능을 검색 계층으로 활용하고 tree-sitter로 얻은 구조 정보를 결합해 더 정확한 코드 스니펫을 식별한다. 이 결합은 에이전트가 참조할 코드 문맥을 빠르게 수집하는 데 중요하다.
- Token Threshold
- — 에이전트에 전달할 텍스트를 온전하게 반환할지 아니면 요약·아웃라인으로 대체할지 결정하는 토큰 기준값으로, Tilth는 파일 크기 판단에 이 값을 사용한다. v0.4.5에서 3500에서 6000으로 상향 조정되어 중간 크기 파일이 전체 내용으로 반환되어 후속 --section 호출 수를 줄이는 방식으로 동작한다. 토큰 기준은 에이전트 비용과 응답 지연에 직접적인 영향을 미친다.
- Opus Benchmark
- — 여러 언어·작업으로 구성된 벤치마크 스위트로서 Tilth는 Opus의 여러 과제를 통해 코드 검색 및 이해 성능을 평가했다. 본문에서는 이전에 일부 난이도 높은 5개 과제만 사용하던 것을 전체 26과제로 확장해 기준선을 새로 설정한 점을 언급한다. 벤치마크 결과는 기능 변경이 실제 성능과 비용 지표에 미치는 영향을 계량화하는 근거로 활용된다.
- Haiku
- — 해당 문맥에서는 특정 기능·옵션 또는 평가 지표의 이름으로 보이며, 채택률(adoption)과 비용대비 정확도($/correct) 지표를 통해 성능 영향이 보고되었다. v0.4.4에서 채택률이 42%에서 78%로 상승했고 이로 인해 Haiku 관련 설정이 비용 회귀에서 -38% $/correct의 이익으로 전환되었다. 정확한 내부 동작은 원문에 세부 구현이 없으면 추가 해석이 불가능하다.
근거 모음
근거
- v0.4.5에서 TOKEN_THRESHOLD가 3500에서 6000으로 증가해 중간 크기 파일이 전체 내용으로 반환되도록 변경되었다. — 본문 릴리스 노트 v0.4.5 단락 출처
- v0.4.4에서 Haiku 채택률이 42%에서 78%로 상승했고 이로 인해 Haiku 관련 설정이 비용 지표에서 -38% $/correct로 전환되었다. — 본문 릴리스 노트 v0.4.4 단락 출처
- Sonnet이 이번 평가에서 52/52로 100% 정확도를 기록했고 전체적으로 -34% $/correct 개선이 보고되었다. — 본문 v0.4.5 단락에 명시된 성능 수치 출처
기술
- ripgrep
- tree-sitter
- Sonnet
- Opus
- TOKEN_THRESHOLD
활용 사례
- 인간과 에이전트를 위한 코드 리딩 흐름 개선
- 코드 검색 성능 및 비용 지표 벤치마킹
- 에이전트의 연속 섹션 호출 횟수와 토큰 비용 절감
언급된 리소스
AI 분석 전체 내용 보기
AI 요약 · 북마크 · 개인 피드 설정 — 무료
출처 · 인용 안내
원문 발행 2026. 03. 06.수집 2026. 03. 06.출처 타입 RSS
인용 시 "요약 출처: AI Trends (aitrends.kr)"를 표기하고, 사실 확인은 원문 보기 기준으로 진행해 주세요. 자세한 기준은 운영 정책을 참고해 주세요.