모든 AI 코딩 세션이 직면하는 문제

Claude나 Copilot을 열고 작업을 붙여넣는 순간, 즉시 벽에 부딪힙니다. 코드베이스가 너무 크기 때문입니다. 당신은 다음 중 하나를 선택하게 됩니다:

• 모든 것을 쏟아부어 관련 없는 파일들로 컨텍스트 윈도우 (Context Window)의 80%를 낭비하거나
• 파일을 직접 골라내다가 모든 것을 망가뜨리는 단 하나의 임포트 (Import)를 놓치거나
• 더 큰 컨텍스트 윈도우를 위해 비용을 지불하고도 대규모로 동일한 문제를 반복하거나

저는 이에 지쳐 ContextOS를 구축했습니다. 이는 당신의 레포지토리 (Repo)와 AI 에이전트 사이에서 지능적인 컨텍스트 레이어 (Context Layer) 역할을 하는 로컬 CLI입니다.

주요 기능

pip install rm-contextos
cd your-project
contextos scan
...

출력 결과: 키워드 일치 (Keyword match), 임포트 그래프 중심성 (Import graph centrality), AST 심볼 중첩 (AST symbol overlap), 그리고 git churn에 따라 순위가 매겨진, 해당 작업에 중요한 파일들로만 구성된 Markdown (또는 JSON) 컨텍스트 팩 (Context pack)입니다. 비밀 정보는 자동으로 비식별 처리됩니다.

각 팩에 대한 토큰 절약 보고서:

Packed 12 files · ~6,840 tokens · saved ~47,200 tokens (87%) vs full repo

랭킹 작동 방식

다섯 가지 신호가 결합되어 파일당 점수를 산출합니다:

신호	포착하는 내용
Keyword match	작업 내용과 내용/이름이 겹치는 파일
...

LLM 호출 없음. 클라우드 없음. 완전히 오프라인으로 작동합니다.

MCP 서버 (Claude Desktop / Claude Code용)

pip install "rm-contextos[mcp]"
contextos serve --stdio

claude_desktop_config.json에 등록하면, 당신의 AI 에이전트가 pack_context, scan_repo, list_files, get_file, churn_report를 도구 (Tools)로서 직접 호출할 수 있습니다. CLI가 필요 없습니다.

출시 사항

• 980개의 테스트, 96% 커버리지 (Coverage)
• Apache-2.0 라이선스, 텔레메트리 (Telemetry) 없음, 계정 불필요
• Python 3.11–3.13, Linux + macOS 지원
• 내보내기 형식: Claude, Codex, Cursor, Aider, JSON
• 증분 스캔 캐시 (Incremental scan cache) — 변경된 파일만 재스캔

pip install rm-contextos
pip install "rm-contextos[mcp]"   # + MCP 서버
pip install "rm-contextos[all]"   # 모든 기능"}

GitHub: [https://github.com/Rohithmatham12/ContextOS](https://github.com/Rohithmatham12/ContextOS)  
Docs: [https://Rohithmatham12.github.io/ContextOS/](https://Rohithmatham12.github.io/ContextOS/)

**피드백을 환영합니다** — 특히 랭킹 신호 (ranking signals)와 MCP 통합에 대한 의견을 기다립니다. 여러분에게 부족한 신호는 무엇인가요?