AI 코딩 에이전트가 복잡한 코드 구조에 대한 질문에 답할 때, 기존 방식은 수많은 파일을 열고 종속성을 추적하는 과정에서 불필요하게 많은 토큰(LLM 처리 단위)을 소모했습니다. 이러한 비효율성을 해결하기 위해, 타입스크립트(TypeScript) 컴파일러가 생성하는 코드 그래프를 활용하여 AI 에이전트의 토큰 사용량을 획기적으로 줄이는 새로운 접근 방식인 '@ttsc/graph'가 등장했습니다.
이 방식의 핵심은 타입스크립트 컴파일러가 이미 해석해둔 코드 그래프(어떤 함수가 무엇을 호출하고 어떤 모듈에 의존하는지 등)를 에이전트에 전달하는 것입니다. 에이전트는 소스 코드 본문 대신 이 그래프에서 이름, 엣지, 시그니처, 파일 위치 같은 인덱스 정보만 받아 질문에 답합니다. 이는 응답 크기가 전체 코드베이스 규모와 무관하게 유지되어 토큰 폭증을 막습니다. 또한, 'Chain-of-Thought' 방식을 강제하여 에이전트가 질문-초안-검토 과정을 거치게 함으로써 추론 건너뛰기를 방지하고 답변의 신뢰도를 높입니다. 실제 벤치마크 결과, 개방형 질문(open question)에 대해 토큰 사용량을 약 10배 절감하면서도 답변 품질은 동등한 수준을 보였습니다.
이 기술은 AI 코딩 에이전트의 효율성과 실용성을 크게 향상시킬 잠재력을 가지고 있습니다. 특히 대규모 코드베이스를 다루는 개발 환경에서 에이전트의 응답 속도를 높이고 운영 비용을 절감하는 데 기여할 수 있습니다. 기존의 휴리스틱 파서들이 tsconfig 경로 별칭이나 모노레포 교차 참조 같은 복잡한 상황을 정확히 해석하지 못했던 한계를, 실제 모듈 해석을 완료한 컴파일러를 통해 극복함으로써 에이전트가 더욱 신뢰할 수 있는 정보를 바탕으로 동작하게 만듭니다. 이는 개발자들이 AI 에이전트를 더욱 적극적으로 활용하여 생산성을 높이는 계기가 될 것입니다.