3,177개의 API 호출 분석으로 드러난 AI 코딩 에이전트의 컨텍스트 활용 실태

섹션별 상세

Lars de Ridder는 동일한 Express.js 디버깅 과제를 부여하고 Context Lens로 각 에이전트의 동작을 실시간 모니터링했다. Claude Code(Opus 4.6)는 실행당 평균 27,000 토큰을 사용하며 git 이력을 정밀하게 탐색하는 전략을 구사했다. 반면 Gemini 2.5 Pro는 평균 258,000 토큰을 소모하며 수백 개의 커밋 내역을 단일 쿼리에 포함하는 방식을 취했다.

Codex CLI는 git 이력을 배제하고 ripgrep과 sed 같은 전통적인 CLI 도구만을 활용하여 34초 만에 문제를 해결했다. 분석 대상인 모든 도구가 1,246개의 테스트 케이스를 모두 통과하여 최종적인 코드 품질 면에서는 차이가 없었다. 비용과 실행 속도의 차이는 모델 자체의 지능보다 도구가 컨텍스트를 구성하는 방식에서 발생했다.

도구 수준에서의 컨텍스트 관리 기능은 사실상 최적화되지 않은 상태임이 확인됐다. 모델은 도구의 체계적인 지원보다는 비효율적인 컨텍스트 환경에도 불구하고 자체적인 추론 능력으로 문제를 해결했다. 에이전트 개발 과정에서 모델 성능 개선보다 컨텍스트 최적화 로직의 고도화가 비용 효율성 확보의 핵심 과제로 부각됐다.

용어 해설

컨텍스트 윈도우(Context Window): — 모델이 한 번에 처리할 수 있는 텍스트 데이터의 최대 범위다. 에이전트가 코드를 분석할 때 얼마나 많은 파일이나 이력을 동시에 참조할 수 있는지를 결정하며, 이를 초과하면 이전 정보를 망각하게 된다.
토큰(Token): — LLM이 문장을 이해하고 생성하는 최소 의미 단위다. 단어 혹은 문자 단위로 쪼개지며, API 사용료는 이 토큰의 개수에 따라 과금되므로 에이전트의 효율성을 판단하는 핵심 지표가 된다.
리프그렙(ripgrep): — 코드베이스 내에서 특정 문자열이나 정규표현식을 매우 빠르게 검색하는 오픈소스 명령줄 도구다. AI 에이전트가 모든 파일을 읽는 대신 필요한 부분만 효율적으로 찾아내는 데 사용된다.

기술

Claude Code
Gemini 2.5 Pro
Codex CLI
Context Lens
Express.js

활용 사례

AI 코딩 도구 성능 비교
LLM 토큰 소모량 분석
자동화된 코드 디버깅