2,500개의 공개 Claude Code 저장소 분석 결과: 85%가 CLAUDE.md를 사용하지만, 서브에이전트(subagents)를

사람들이 Claude Code를 어떻게 사용하는지에 대해 자신만만하게 말하는 경우는 많지만, 이를 뒷받침하는 데이터는 매우 적습니다. 그래서 제가 직접 측정해 보았습니다.

저는 GitHub 코드 검색 API를 사용하여 CLAUDE.md 파일이나 .claude/ 설정 디렉토리가 있는 모든 공개 저장소를 찾았습니다. 그 결과 8,298개의 고유 저장소를 찾아냈습니다. 그런 다음 각 저장소의 전체 파일 트리를 가져와 서브에이전트 (subagents), 기술 (skills), 슬래시 명령어 (slash commands), 훅 (hooks), MCP 설정 (MCP config), 그리고 CLAUDE.md 크기를 계산하여 2,500개의 샘플을 분류했습니다.

요약 (TL;DR): 채택률은 CLAUDE.md 직후에 급격히 떨어집니다. 85%가 이를 작성합니다. 서브에이전트 (subagent)를 정의하는 비율은 25%에 불과하며, 훅 (hooks)을 사용하는 비율은 13%입니다. 공개 생태계는 넓지만 얕습니다.

채택 사다리 (The adoption ladder)

다음은 샘플링된 2,500개 저장소에서 각 기능을 사용하는 비율입니다.

사다리의 각 단계를 올라갈 때마다 사용자의 약 3분의 1이 사라집니다. 거의 모든 사람이 CLAUDE.md를 작성합니다. 하지만 네 명 중 한 명만이 서브에이전트 (subagent)를 정의하며, 여덟 명 중 한 명만이 훅 (hooks)을 사용합니다.

번거로움을 무릅쓰고 .claude/ 디렉토리를 생성한 저장소들만 살펴보면, 훨씬 더 몰입도가 높습니다: 45%가 기술 (skills)을 사용하고, 41%가 슬래시 명령어 (slash commands)를 사용하며, 40%가 서브에이전트 (subagents)를 정의하고, 21%가 훅 (hooks)을 사용합니다. 이는 Claude Code를 자동 완성 (autocomplete) 도구로 취급하는 개발자와 플랫폼으로 취급하는 개발자 사이의 차이를 보여줍니다.

CLAUDE.md 파일이 점점 커지고 있습니다

CLAUDE.md는 더 이상 한 줄짜리 파일이 아닙니다.

• 파일 크기 중앙값: 6.2 KB (대략 100~150줄)
• 10 KB 초과: 33.8%
• 상위 10%: 24 KB보다 큼
• 상위 1%: 62 KB보다 큼
• 발견된 가장 큰 단일 파일: 341 KB (단편 소설 한 권 정도의 길이)

도구를 계속 사용하는 사람들은 이 파일이 프로젝트의 제도적 기억 (institutional memory)이 될 때까지 계속해서 크기를 키워 나갑니다.

파워 유저들은 깊게 파고듭니다

서브에이전트 (subagents)를 정의한 저장소 중 중앙값은 6개의 에이전트였으며, 상위 10%는 25개 이상을 실행했습니다. 기술 (skills)을 사용하는 저장소 중 중앙값은 8개였으며, 수백 개에 달하는 롱테일 (long tail) 분포를 보였습니다.

소수의 그룹은 Claude Code를 단순한 코딩 보조 도구가 아닌, 전체 자동화 워크플로우 (automated workflow)를 위한 런타임 (runtime)으로 명확히 사용하고 있습니다. 서브에이전트 (subagents) 영역으로 넘어가면 질문의 성격이 달라집니다. "이 함수를 작성할 수 있는가"를 묻는 대신 "이 빌드 (build)의 이 부분 전체를 책임질 수 있는가"를 묻기 시작합니다.

실제로 누가 사용하고 있는가

생태계는 웹 (web) 및 AI 작업 쪽으로 치우쳐 있습니다.

또한 이 기술은 버려지지 않고 활발히 사용되고 있습니다. 저장소의 **78.2%**가 지난 90일 이내에 푸시 (pushed)되었습니다. 대부분은 규모가 작고 개인적인 프로젝트이지만 (별점 중앙값은 0개), 샘플에는 메인 브랜치 (main branches)에 .claude/ 설정을 커밋 (committing)하는 진지한 프로젝트들도 포함되어 있습니다. 여기에는 PostHog, NVIDIA의 TensorRT-LLM, Automattic의 Calypso, AutoGPT, 그리고 PrefectHQ의 FastMCP 등이 포함됩니다.

방법론 및 한계점

저는 쿼리당 결과 제한을 극복하기 위해 CLAUDE.md 파일 크기별로 GitHub 코드 검색을 분할하고, 이를 .claude/ 경로 검색과 결합했습니다. 이후 중복을 제거하여 8,298개의 저장소를 확보했으며, 각 저장소의 재귀적 파일 트리 (recursive file tree)를 가져와 2,500개를 분류했습니다.

지적받기 전에 미리 밝혀두고 싶은 주의 사항은 다음과 같습니다:

• 공개된, GitHub에 인덱싱된 저장소만 해당됩니다. 많은 진지한 상업적 작업이 이루어지는 비공개 저장소 (Private repos)는 확인할 수 없으므로, 심화 기능의 채택률은 이 공개된 수치보다 확실히 더 높을 것입니다.
• 기본 브랜치 (Default branch)만 해당됩니다.
• MCP는 프로젝트 내 .mcp.json의 존재 여부로 측정됩니다. 따라서 settings.json 내부에 구성된 MCP는 집계되지 않습니다. 17%라는 수치는 상한선이 아닌 하한선입니다.
• 일부 공개 저장소는 AI가 생성한 설정의 확산 (config sprawl) 사례입니다. 한 저장소에는 375개의 "에이전트 (agents)"가 있었습니다. 이 수치들을 보편적인 진실이 아닌, 공개된 영역에 대한 하한선으로 간주하십시오.

수치를 검증하거나 직접 데이터를 추출해보고 싶다면, 전체 보고서와 함께 스크립트 및 원시 데이터셋 (raw dataset)이 커밋되어 있습니다.

솔직한 공개 사항

저는 Claude Code 프로젝트 (Build This Now)를 운영하고 있으며, 이것이 제가 이 분석을 구축할 만큼 관심을 갖게 된 이유입니다. 데이터는 실제이며, 결과는 언제든 재현 가능합니다. 전체 방법론, 차트 및 데이터셋은 여기에 있습니다:

State of Claude Code 2026: 2,500개의 공개 저장소가 밝혀낸 것

만약 여러분이 훅(hooks)을 실행하거나 10개 이상의 서브에이전트(subagents)를 사용한다면, 무엇이 여러분을 CLAUDE.md 단계를 넘어 그 이상으로 나아가게 했는지 궁금합니다. 공개된 중앙값(median)은 분명 이 커뮤니티의 수준에 한참 미치지 못합니다.