AI 코딩 에이전트의 활용이 늘면서, 에이전트가 방대한 코드베이스를 정확하게 이해하고 작업하는 것이 중요한 과제로 떠올랐습니다. 이러한 문제를 해결하기 위해 'Directed Contexts'라는 새로운 패턴과 도구가 깃허브(GitHub)에 공개되었습니다. 이 프로젝트는 코드 저장소의 소유권 정보와 구조를 활용하여, AI 에이전트가 특정 코드 영역에 대한 명확한 지침(instruction)을 얻을 수 있도록 돕는 것을 목표로 합니다.
Directed Contexts는 저장소 소유의 지침 모듈로, 명시적인 도메인, 소유 경로, 불변성, 인접 컨텍스트 및 검증 계약을 포함합니다. 이 저장소에는 패턴 사양, 어떤 저장소든 컨텍스트 세트를 생성하는 생성기 스킬, 결정론적 유효성 검사 도구, 그리고 두 가지 황금 예시(golden examples)가 포함되어 있습니다. 핵심은 `AGENTS.md` 파일이 컨텍스트 라우터 역할을 하여 전체 코드베이스의 지도를 제공하고, `.subagents/` 디렉토리 내의 마크다운(Markdown) 파일들이 특정 코드 영역에 대한 경계가 명확한 소유권 컨텍스트를 정의한다는 점입니다. 이는 에이전트가 코드의 특정 부분에 집중하여 작업을 수행할 때 필요한 정보를 효율적으로 제공합니다. 예를 들어, `contextctl`이라는 Go 기반 도구는 저장소의 패키지, 진입점, 기존 지침, `CODEOWNERS` 파일을 스캔하여 소유권 경계를 제안하고, 컨텍스트를 생성 및 검증합니다.
이러한 접근 방식은 AI 코딩 에이전트의 작업 정확성과 효율성을 크게 향상시킬 수 있습니다. 에이전트가 코드베이스 전체를 한 번에 처리하는 대신, Directed Contexts를 통해 특정 작업에 필요한 관련 코드와 지침만 로드하거나 분리된 환경에서 실행할 수 있기 때문입니다. 이는 대규모 언어 모델(LLM) 기반 에이전트가 불필요한 정보를 처리하며 발생하는 '환각(hallucination)' 현상을 줄이고, 보다 정확하고 일관된 코드 변경을 수행하는 데 기여할 수 있습니다. 궁극적으로 개발자는 AI 에이전트를 활용한 개발 워크플로우를 더욱 정교하게 제어하고 최적화할 수 있게 될 것입니다.