Graphify: 벡터 저장소 없이 모든 코드베이스를 질의 가능한 지식 그래프로

코드베이스는 계속 커지고, 그 주변에는 노트와 논문, 스크린샷도 쌓여 갑니다. 그런데 코딩 에이전트는 새 세션을 시작할 때마다 같은 원본 파일을 처음부터 다시 읽는 경우가 많습니다. 이는 토큰을 크게 소모하고, 세션 사이에 지식이 남지도 않습니다. Graphify는 바로 이 문제를 겨냥한 오픈소스 프로젝트입니다. Claude Code 스킬로 동작하며, Claude Code에서 /graphify를 입력하면 폴더의 파일을 읽어 지식 그래프를 만들고, 사용자가 몰랐던 구조를 돌려줍니다. 프로젝트 설명에 따르면 원본 파일을 직접 읽을 때보다 쿼리당 토큰이 71.5배 적고, 그래프는 세션을 넘어 유지되며, 찾아낸 것과 추측한 것을 구분해 보여 줍니다. README는 논문, 트윗, 스크린샷, 메모를 던져 넣는 /raw 폴더를 두고 있는 Andrej Karpathy의 습관도 언급하며, 그런 자료가 쌓일수록 활용하기 어려워지는 문제에 대한 답으로 자신을 소개합니다. 다만 71.5배라는 수치는 프로젝트 자체의 설명이며 저희가 재현한 것이 아닙니다. 보장이 아니라 규모를 가늠하는 참고치로 보셔야 합니다.

첫 번째 특징은 완전한 멀티모달 지원입니다. 입력은 소스 코드에 한정되지 않습니다. PDF, 마크다운, 스크린샷, 다이어그램, 화이트보드 사진, 심지어 다른 언어의 글자가 담긴 이미지까지 그대로 넣을 수 있습니다. Graphify는 Claude의 비전 기능으로 이런 이질적인 자료에서 개념과 관계를 추출하고, 하나의 그래프로 연결합니다. 손으로 그린 시스템 스케치, 설계 리뷰 PDF, 핵심 모듈의 소스 코드가 서로 연결된 노드가 되어 같은 구조 안에 놓입니다. 서로 만나지 않는 세 개의 폴더에 흩어져 있지 않게 되는 것입니다. 문서가 말하는 바와 코드가 하는 일을 계속 대조해야 하는 팀에게 통일된 표현은 실질적인 가치가 있습니다. 이 설계는 제목의 "벡터 저장소 없이"라는 말도 설명해 줍니다. 쿼리는 임베딩 공간의 유사도가 아니라 명시적인 노드와 엣지에 의존합니다. 근접 이웃 검색의 모호함을 내어 주는 대신, 사람이 검사하고 반박할 수 있는 관계를 얻는 선택입니다.

두 번째 특징은 산출물의 세심한 설계입니다. 폴더에 /graphify를 실행하면 역할이 뚜렷이 나뉜 graphify-out 디렉터리가 생깁니다. graph.html은 노드를 클릭하고 검색하며 커뮤니티별로 거를 수 있는 대화형 그래프입니다. obsidian 폴더는 그대로 Obsidian 보관함으로 열 수 있습니다. --wiki 옵션을 주면 에이전트 탐색용으로 위키백과 스타일의 문서도 만들어 줍니다. GRAPH_REPORT.md는 가장 촘촘히 연결된 핵심 개념인 갓 노드(god nodes), 뜻밖의 연결, 다음에 던질 만한 질문을 정리한 보고서입니다. graph.json은 영속화된 그래프 본체여서, 몇 주 뒤에도 원본을 다시 읽지 않고 질의할 수 있습니다. 마지막으로 cache 폴더에는 SHA256 캐시가 있어, 다시 실행할 때 바뀐 파일만 처리합니다. 사람이 둘러보는 경로와 에이전트가 탐색하는 경로를 모두 배려했고, 증분 캐시 덕분에 매일 이어지는 갱신 비용도 억제됩니다.

설치는 가볍습니다. Claude Code와 Python 3.10 이상이 필요하며, pip install graphifyy를 실행한 뒤 graphify install을 실행하면 됩니다. 헷갈리기 쉬운 점이 하나 있습니다. graphify라는 이름을 되찾는 중이라 PyPI 패키지 이름이 임시로 y가 두 개인 graphifyy입니다. 명령줄 도구와 스킬 명령은 여전히 graphify입니다. Windows에서 설치 후 명령이 인식되지 않으면 Python의 Scripts 폴더를 PATH에 추가하거나 pipx를 쓰면 됩니다. macOS에서 외부 관리 환경 오류가 나는 경우에도 pipx가 해법입니다. 수동 설치도 가능합니다. curl로 스킬 파일 SKILL.md를 ~/.claude/skills/graphify에 내려받고 ~/.claude/CLAUDE.md에 등록합니다. 이후 아무 디렉터리에서나 Claude Code를 열고 /graphify 뒤에 점을 입력하면 시작됩니다.

업계 관점에서 Graphify는 눈여겨볼 방향을 보여 줍니다. 장기 기억을 벡터 데이터베이스에만 맡기지 않고, 모델이 자료를 한 번 명시적인 그래프로 "컴파일"하게 한 뒤 이후의 질의는 그 그래프만 읽게 하는 방식입니다. 장점은 결과를 감사할 수 있고, 증분 갱신이 가능하며, 세션 사이에 안정적이라는 점입니다. 대가는 그래프의 품질이 모델 추출의 정확도에 좌우되고, 잘못된 엣지는 한 번 기록되면 계속 재사용된다는 점입니다. 발견과 추측을 구분하겠다는 프로젝트의 강조는 이 위험에 대한 대응이지만, 얼마나 잘 작동하는지는 자신의 자료에서 확인해야 합니다. 큰 폴더를 처음 구축할 때는 모델을 호출하며, 특히 시각 추출에는 적지 않은 비용이 들고, SHA256 캐시는 이후 실행의 부담만 줄여 줍니다. 저희의 권고는 실용적입니다. 먼저 중간 규모 저장소에서 시험하고, GRAPH_REPORT.md의 갓 노드를 자신의 시스템 이해와 비교하며, 몇 개의 엣지를 원본까지 거슬러 확인하십시오. 그런 다음에 일상적인 에이전트 작업에 넣을지 결정하는 것이 좋습니다. 결과를 믿을 수 있다면, 이런 그래프는 코드와 문서, 시각 자료를 잇는 공통 컨텍스트 계층이 될 수 있습니다.