mksglu/context-mode

해결하는 문제

Context Mode는 LLM 에이전트가 도구 호출(대규모 파일 읽기 또는 웹 스냅샷 등)에서 발생하는 원시 데이터로 제한된 메모리를 채워, 이전 지침을 잊어버리거나 현재 작업을 놓치게 되는 "컨텍스트 윈도우 문제"를 해결합니다. 또한 기술 분석을 수행할 때 에이전트가 장황한 산문 스타일의 채우기 텍스트에 토큰을 낭비하는 것을 방지합니다.

작동 방식

Context Mode는 컨텍스트를 보존하기 위해 네 가지 주요 전략을 구현하는 MCP (Model Context Protocol) 서버입니다:

1. 컨텍스트 저장: 샌드박스 도구를 사용하여 원시 데이터를 메인 컨텍스트 윈도우 외부로 유지함으로써 토큰 소비를 크게 줄입니다.
2. 세션 연속성: 파일 편집, git 작업 및 사용자 결정을 SQLite 데이터베이스에 추적합니다. 모든 이력을 컨텍스트에 다시 쏟아붓는 대신, FTS5 및 BM25 검색을 사용하여 가장 관련성이 높은 이벤트만 검색합니다.
3. 코드로 생각하기: 단순한 분석을 위해 파일 전체를 컨텍스트 윈도우에 읽어 들이는 대신, LLM이 데이터를 로컬에서 처리할 수 있도록 스크립트(예: ctx_execute를 통해)를 작성하고 실행하도록 권장합니다.
4. 산문 스타일 강제 없음: 모델에게 자연스러운 말투를 바꾸도록 강요하지 않고 데이터의 위치를 관리하여, 공격적인 간결함 프롬프트와 관련된 추론 벤치마크 저하를 방지합니다.

대상 사용자

AI 에이전트 및 LLM 기반 IDE(Claude Code, Gemini CLI, VS Code Copilot, JetBrains Copilot, GitHub Copilot CLI, Cursor 등)를 사용하여 세션 길이를 확장하고 긴 기술 작업 동안 에이전트의 일관성을 유지하고자 하는 개발자.

주요 특징

• 대규모 토큰 절감: 특정 도구 호출에 대해 컨텍스트 사용량을 최대 98%까지 줄일 수 있다고 주장합니다.
• 폭넓은 플랫폼 지원: 주요 AI 코딩 어시스턴트를 포함한 17개 이상의 클라이언트와 통합되어 있습니다.
• 지속적인 지식 베이스: SQLite 및 FTS5를 사용하여 세션 이력을 효율적으로 검색합니다.
• 진단 도구: 런타임 및 훅을 검증하기 위한 ctx-doctor와 실시간 컨텍스트 절감을 추적하기 위한 ctx-stats가 포함되어 있습니다.