Claude Code, GitHub Copilot CLI, 또는 Cline과 같은 새로운 터미널 기반 AI 코딩 에이전트(AI Coding Agents)를 실험하는 모든 개발자는 결국 정확히 똑같은 벽에 부딪힙니다. 바로 토큰 세금(Token Tax)과 메모리 감퇴(Memory Decay) 문제입니다.

새 세션을 시작하면, 에이전트는 레이아웃을 이해하기 위해 단지 전체 저장소(Repository)를 아무 생각 없이 다시 스캔하는 데 몇 분을 소비합니다. 처음 10분 동안은 아주 잘 작동합니다. 하지만 세션이 길어짐에 따라, '압축(compact)' 이벤트가 발생하거나 컨텍스트 윈도우(Context Window)가 넘쳐버립니다. 갑자기 AI는 중요한 아키텍처 제약 조건을 잊어버리거나, 5분 전에 방금 수정하라고 말했던 버그를 반복하거나, 다음에 무엇을 해야 할지 놓쳐버립니다.

전체 코드베이스를 LLM에 반복해서 주입하는 것은 비용만 많이 드는 것이 아니라, 아키텍처적으로도 취약합니다. 이것이 바로

이는 저장소 특유의 설계 제약 사항, 아키텍처 결정, 그리고 "학습된 교훈 (lessons learned)"을 세션 전반에 걸쳐 유지하여 AI가 동일한 실수를 반복하지 않도록 합니다.

📅 매니페스트 (The Manifest, manifest.md): 세션 간 공유되는 TODO/DONE 보드입니다. 프로젝트 상태를 동기화하여 에이전트가 사용자가 중단한 지점부터 끊김 없이 작업을 재개할 수 있도록 합니다.

🗺️ 차트 (The Chart, chart.md): 프로젝트의 압축된 지도로, 전체 구현체 대신 디렉토리 스켈레톤 (directory skeleton)과 정확한 내보내기 시그니처 (export signatures)를 포함합니다.

🔄 작동 방식 (생명 주기)
Memory Anchor는 에이전트의 생명 주기(sessionStart 및 sessionEnd)에 후크 (hook)를 연결하여 상태를 자동으로 관리합니다:

Plaintext
[세션 시작] ──> sessionStart 후크 ──> Ballast + Manifest 집계 ──> 압축된 페이로드 주입
│
[AI 코딩]
│
[세션 종료] <── sessionEnd 후크 <── 점진적 Git Diff 분석 <───────────────────┘

sessionStart: 미리 컴파일된 Chart, Ballast, Manifest를 로드하여 고도로 최적화된 압축 컨텍스트 페이로드를 주입합니다. 이를 통해 저장소를 다시 읽는 데 드는 토큰 소비를 대폭 줄이고 콜드 스타트 (cold-start) 지연 시간을 제거합니다.

sessionEnd: Git diff를 점진적으로 분석하고, 변경 사항을 Manifest/Ballast에 프롬프트하거나 기록하며, Chart 슬라이스를 갱신(Refresh)하여 다음 세션이 최신 메모리와 함께 즉시 시작될 수 있도록 합니다.

🛠️ 30초 만에 시작하기
Memory Anchor는 Node.js와 TypeScript로 구축되었으며, 깔끔하고 선언적인 CLI를 제공합니다.

Bash

글로벌 CLI 도구 설치

npm install -g memory-anchor

로컬 컨텍스트 스캐폴드 초기화

anchor init
Running anchor init scaffolds the control directory (./.memoryanchor/) and sets up ./AGENTS.md which houses your AI behavior rules.
If you are using specific environments like GitHub Copilot or Claude Code, you can easily inject custom configurations:

Bash
anchor init-copilot # Copilot 지침을 에이전트 워크플로로 연결합니다.
anchor init-claude # Claude Code를 위한 자동화된 설정 훅(hooks)을 구축합니다.

🏗️ 기술적 구현 및 과제 (Technical Implementation & Challenges)
경량 오케스트레이션 (orchestration) 도구를 구축한다는 것은 점유율(footprint)을 최소화하고 실행 속도를 매우 빠르게 유지해야 함을 의미했습니다:

점진적 Git Diff 추적 (Incremental Git Diff Tracking): sessionEnd 훅은 프로젝트 맵을 무작정 다시 구축하지 않습니다. Git 변경 사항에 대해 점진적 분석 (incremental analysis)을 수행하여, chart.md 슬라이스를 업데이트하는 작업이 밀리초(milliseconds) 단위로 이루어지도록 보장합니다.
에이전트 불가지론적 스캐폴딩 (Agent-Agnostic Scaffolding): Copilot이 .github/copilot-instructions.md를 읽든, Claude Code가 표준 입출력 (standard I/O) 스트림을 통해 터미널 훅을 실행하든, Memory Anchor는 구조화된 프롬프트 페이로드 (prompt payload)를 표준화하여 어떤 LLM이라도 이를 소화할 수 있게 합니다.
순수 로컬 및 개인정보 보호 우선 (Purely Local & Privacy-First): 외부 서버나 클라우드 데이터베이스를 사용하지 않습니다. 프로젝트의 컨텍스트 (context), 메모리, 그리고 규칙은 마땅히 있어야 할 곳, 즉 .git으로 추적되는 저장소 내부에 존재합니다.

🔮 오픈 소스 및 피드백 (Open Source & Feedback)
Memory Anchor는 완전히 오픈 소스이며 최근에 공개되었습니다. 이 도구는 제가 터미널 에이전트와 페어 프로그래밍 (pair-program)을 하는 방식을 완전히 바꾸어 놓았으며, 에이전트의 집중력을 유지하면서도 토큰 비용을 크게 절감해 주었습니다.
여러분의 피드백을 듣고 싶습니다:

현재 AI 도구로 장기 메모리 (long-term memory)나 사용자 정의 제약 사항 (custom constraints)을 어떻게 처리하고 계신가요?
다음에는 어떤 IDE나 CLI 에이전트에 대한 네이티브 init- 명령어를 보고 싶으신가요?

토큰 예산을 아끼고 싶고, AI에게 똑같은 아키텍처 규칙을 반복해서 설명하는 것을 멈추고 싶다면, 지금 바로 사용해 보세요!