Code Review Graph：코드 그래프로 AI 코딩 도구 토큰 82배 절약하기

개발 도구 2026-07-21 MCP AI 코딩 Claude Code Cursor 코드 리뷰 토큰 최적화

Code Review Graph：코드 그래프로 AI 코딩 도구 토큰 82배 절약하기

TL;DR： AI 코딩 도구(Claude Code, Cursor, Copilot)는 코드 리뷰 시 전체 코드베이스를 다시 읽으면서 엄청난 토큰을 낭비합니다. code-review-graph는 Tree-sitter로 코드 구조 그래프를 구축하고 MCP 프로토콜을 통해 AI 도구에 정확한 컨텍스트를 제공합니다. 테스트 결과 토큰 소비가 82배 줄어들었습니다.

이 프로젝트는 무엇인가요?

code-review-graph는 로컬 퍼스트 코드 인텔리전스 그래프 도구입니다. 오늘(2026-07-21) GitHub Trending 1위에 올랐고, 24시간 만에 스타 1,876개가 늘어나 총 22,900개를 돌파했습니다.

핵심 문제： Claude Code나 Cursor로 코드 리뷰를 할 때 AI는 함수 하나만 바꿔도 대량의 코드 파일을 다시 읽습니다. 대형 프로젝트에서는 리뷰 한 번에 수만에서 수십만 토큰이 소모됩니다.

해결책： code-review-graph는 Tree-sitter로 코드를 AST(추상 구문 트리)로 파싱하고, 함수·클래스·임포트·호출 관계의 그래프를 구축합니다. 파일이 변경되면 그래프가 모든 호출자·의존성·영향받는 테스트를 추적해 '폭발 반경(blast radius)'을 계산합니다. AI는 전체 코드베이스가 아니라 관련 파일만 읽으면 됩니다.

테스트 데이터： - 중간값 토큰 감소: 82배 (오픈소스 프로젝트 6개 테스트) - 최고 사례: FastAPI 프로젝트 528배 감소 (95만 토큰 → 2,169 토큰) - 증분 업데이트: 2,900개 파일 프로젝트 2초 내에 재인덱싱 완료

설치 및 설정

시스템 요구사항

Python 3.10+
Git 또는 SVN 저장소
권장: uv 설치 (더 빠른 패키지 매니저)

간편 설치

BASH

# code-review-graph 설치
pip install code-review-graph
# 또는 pipx 사용
pipx install code-review-graph

# 지원되는 모든 AI 코딩 도구 자동 감지 및 설정
code-review-graph install

# 코드 그래프 구축 (초회 약 10초/500파일)
code-review-graph build

install 명령은 설치된 AI 코딩 도구(Claude Code, Cursor, Copilot, Gemini CLI, Codex, Kiro 등)를 자동 감지하고, 각 도구에 맞는 MCP 설정을 작성하며, 플랫폼 네이티브 hooks/skills를 설치하고, 그래프 인식 지시문을 주입합니다.

특정 플랫폼만 설정하기

특정 도구만 설정하고 싶다면:

BASH

# Claude Code만 설정
code-review-graph install --platform claude-code

# Cursor만 설정
code-review-graph install --platform cursor

# GitHub Copilot만 설정
code-review-graph install --platform copilot

# Gemini CLI만 설정
code-review-graph install --platform gemini-cli

설치 완료 후 에디터나 AI 도구를 재시작하세요.

빠른 시작

1단계: 그래프 구축

프로젝트 루트 디렉터리에서 실행합니다:

BASH

cd /path/to/your/project
code-review-graph build

초회 구축 시 모든 코드 파일을 파싱해 함수·클래스·임포트·호출 관계를 추출하고 그래프 데이터베이스로 저장합니다. 500개 파일 프로젝트 기준 약 10초 소요.

2단계: AI 도구 사용하기

AI 코딩 도구(Claude Code, Cursor 등)를 열고 바로 질문하세요:

Build the code review graph for this project

AI가 MCP 프로토콜을 통해 그래프를 조회하고 정확한 코드 컨텍스트를 얻습니다.

3단계: 코드 리뷰

PR 리뷰 시 AI 도구가 자동으로: 1. 변경된 파일 감지 2. 그래프 조회로 모든 호출자·의존성·영향받는 테스트 파악 3. 관련 파일만 읽기 (전체 코드베이스가 아님) 4. 정확한 리뷰 의견 생성

예시 시나리오： auth.py의 validate_token() 함수를 수정했습니다. 그래프가 다음을 추적합니다: - validate_token()을 호출하는 모든 파일 - 관련 베이스 클래스를 상속받은 클래스 - 관련 테스트 파일 - 이 파일들에 의존하는 다른 모듈

AI는 전체 코드베이스(수천 개 파일)가 아니라 이 파일들(보통 10~20개)만 읽으면 됩니다.

고급 기능

MCP 통합 원리

code-review-graph는 MCP(Model Context Protocol)를 통해 AI 도구와 통신합니다. MCP는 AI 모델이 외부 도구와 데이터에 접근할 수 있게 하는 오픈 프로토콜입니다.

워크플로우: 1. AI 도구가 코드 리뷰 요청 수신 2. MCP를 통해 code-review-graph 도구 호출 3. code-review-graph가 그래프를 조회해 최소 파일 집합 반환 4. AI가 이 파일들만 읽고 리뷰 의견 생성

지원되는 MCP 도구 (30개 이상): - get_review_context: 리뷰 컨텍스트 조회 - get_blast_radius: 변경 영향 범위 조회 - get_callers: 함수 호출자 조회 - get_dependencies: 파일 의존성 조회 - get_test_coverage: 테스트 커버리지 조회 - ...

GitHub Action 통합

code-review-graph는 공식 GitHub Action을 제공해 PR에서 자동으로 코드 리뷰 코멘트를 생성합니다.

YAML

# .github/workflows/code-review-graph.yml
name: Code Review Graph
on:
  pull_request:

permissions:
  contents: read
  pull-requests: write

jobs:
  review:
    runs-on: ubuntu-latest
    steps:
      - uses: actions/checkout@v7
      - uses: tirth8205/code-review-graph@v2.3.6
        with:
          github-token: ${{ secrets.GITHUB_TOKEN }}

기능: - 각 PR에 고정 코멘트(sticky comment) 자동 생성 - 리스크 점수 포함 함수, 영향받는 실행 흐름, 테스트 갭 제공 - push마다 코멘트 자동 업데이트 - 선택적 fail-on-risk 입력으로 리뷰를 머지 게이트로 활용

로컬 퍼스트： 지식 그래프는 CI 러너에서 완전히 구축·조회되며, 소스 코드를 외부 서비스로 전송하지 않습니다.

증분 업데이트와 Watch 모드

hooks나 watch 모드를 활성화하면 파일 저장 및 커밋 훅이 증분 업데이트를 트리거합니다:

BASH

# watch 모드 활성화 (파일 저장 시 자동 업데이트)
code-review-graph watch

# pre-commit hook 활성화
code-review-graph install --hooks

증분 업데이트 절차: 1. 변경된 파일 감지 2. SHA-256 해시로 영향받는 의존성 파악 3. 변경된 파일만 재파싱 4. 그래프 데이터베이스 업데이트

2,900개 파일 프로젝트 증분 업데이트 2초 미만.

커스텀 언어 지원

code-review-graph는 40개 이상의 프로그래밍 언어를 지원합니다 (Python, JavaScript/TypeScript, Go, Rust, Java, C/C++, C#, Ruby, Kotlin, Swift 등).

지원되지 않는 언어를 사용하는 프로젝트라면 .code-review-graph/languages.toml에서 커스텀 설정 가능합니다:

TOML

[languages.erlang]
extensions = [".erl"]
grammar = "erlang"
function_node_types = ["function_clause"]
class_node_types = ["record_decl"]
import_node_types = ["import_attribute"]
call_node_types = ["call"]

Tree-sitter 파서가 추출을 자동으로 처리하므로 코드 수정이 필요 없습니다. 자세한 내용은 docs/CUSTOM_LANGUAGES.md를 참조하세요.

제거하기

BASH

# 제거 작업 미리보기
code-review-graph uninstall --dry-run

# 확인 후 제거
code-review-graph uninstall

# 확인 생략
code-review-graph uninstall --yes

# 모든 저장소 정리
code-review-graph uninstall --all-repos

# 그래프 데이터베이스 유지
code-review-graph uninstall --keep-data

제거 시 code-review-graph 관련 파일과 설정만 삭제되며, 다른 MCP 서버나 도구에는 영향이 없습니다.

성능 데이터

code-review-graph는 6개 실제 오픈소스 프로젝트에서 벤치마크 테스트를 진행했습니다 (13개 커밋):

프로젝트	코드베이스 토큰 수	그래프 조회 토큰 수	감소 배수
FastAPI	951,071	2,169	528.4x
code-review-graph	208,821	2,495	93.0x
Gin	166,868	1,990	91.8x
Flask	125,022	1,986	71.4x
Express	135,955	3,465	40.6x
httpx	89,492	2,438	38.0x

중간값: 82배 감소

참고: 528배는 최고 사례(FastAPI, 최대 코드베이스)이며 일반적인 결과는 아닙니다. 실제 감소폭은 프로젝트 크기와 쿼리 타입에 따라 달라집니다.

비교 기준선: 위 '전체 코드베이스'는 이론적 상한선이며, 실제 AI 도구는 grep으로 식별자를 검색해 가장 매칭되는 파일만 읽습니다. code-review-graph의 장점은: - 의존성 관계를 정확히 추적 (텍스트 매칭이 아님) - 호출 체인, 상속 관계, 테스트 커버리지 포함 - 증분 업데이트로 재파싱 회피

적용 시나리오

사용하기 적합한 경우

대형 코드베이스: 1,000개 이상 파일 프로젝트, 토큰 낭비가 가장 심함
빈번한 코드 리뷰: 매일 여러 PR을 처리하는 팀
모노레포(Monorepo): 27,700개 이상 파일의 초대형 프로젝트
CI/CD 통합: 자동화 코드 리뷰 게이트
멀티 언어 프로젝트: 40개 이상 언어 지원

적합하지 않은 경우

소형 프로젝트: 100개 파일 미만, 토큰 소비 자체가 크지 않음
순수 프론트엔드 프로젝트: 복잡한 의존성 관계가 없으면 효과가 제한적
Git/SVN이 아닌 프로젝트: 현재 Git과 SVN만 지원

정리

code-review-graph는 AI 코딩 도구의 핵심 문제를 해결합니다: 토큰 낭비. 코드 구조 그래프를 구축해 AI 도구가 정확한 컨텍스트를 얻을 수 있으며, 전체 코드베이스를 다시 읽을 필요가 없습니다.

핵심 장점: - ✅ 토큰 절약: 중간값 82배 감소, API 비용 절감 - ✅ 정확한 리뷰: 의존성 관계 추적, 영향 범위 놓치지 않음 - ✅ 로컬 퍼스트: 코드가 로컬을 벗어나지 않아 안전하고 규정 준수 - ✅ 증분 업데이트: 대형 프로젝트 2초 내에 재인덱싱 - ✅ 폭넓은 통합: Claude Code, Cursor, Copilot, Gemini CLI 등 지원 - ✅ GitHub Action: 자동화 PR 리뷰

다음 단계: 1. 프로젝트에 code-review-graph 설치 2. 그래프 구축, 토큰 절약 효과 체험 3. CI/CD에 통합해 코드 리뷰 자동화 4. 공식 문서에서 고급 활용법 확인

프로젝트 링크: - GitHub: tirth8205/code-review-graph - 공식 사이트: code-review-graph.com - Discord: 커뮤니티 가입

GitHub Trending 1위 code-review-graph 심층 분석: 로컬 코드 인텔리전스 그래프가 Claude Code, Cursor, Copilot에 정확한 컨텍스트를 제공해 토큰 소비를 82배 줄여줍니다