AI 환경 간 커서(Cursor) 기본 기능 번역하기: pstack-claude를 통해 얻은 교훈

문제점: 에이전트 워크플로우는 깔끔하게 이식되지 않는다

커서(Cursor)에 최적화된 코드베이스를 Claude Code나 Copilot으로 마이그레이션할 때, 가장 먼저 희생되는 것은 항상 정교하게 조정된 .cursorrules 파일입니다. 각 환경(harness)은 다른 컨텍스트 창(context window), 다른 프롬프트 주입 지점(prompt injection points), 그리고 동일한 시스템 명령어에 대한 매우 다른 해석을 가지고 있습니다.

저는 Poteto의 pstack을 여러 AI 환경으로 엄격하게 번역한 michael-denyer/pstack-claude를 평가하면서 이 벽에 부딪혔습니다. 이 저장소의 명시적인 목표—커서 기본 기능을 Claude Code, Codex, Pi, OpenCode, Gemini, Prime Agent로 포팅하는 것—은 저에게 어려운 진실을 직면하게 했습니다: 대부분의 'AI 네이티브' 코드베이스는 사실 커서 네이티브이며, 그 이식성 비용(portability tax)은 엄청납니다.

근본 원인: 컨텍스트 주입 방식이 10배씩 다르다

결정적인 증거는 토큰 비용에 있었습니다. 동일한 리팩토링 작업을 실행했을 때:

• Cursor IDE: 8,400 프롬프트 토큰
• Claude Code CLI: 87,200 프롬프트 토큰
• GitHub Copilot Chat: 4,100 토큰 (하지만 함수 시그니처 3개를 환각(hallucinated)함)

Cursor의 에디터 내 컨텍스트는 매우 정밀합니다: 어떤 심볼을 편집하는지 알고 관련 정의만 주입합니다. 반면 CLI 환경은 매번 전체 파일 트리를 컨텍스트에 덤프하거나, 더 나쁜 경우 아무것도 주입하지 않고 환각을 일으킵니다.

결과물 1: 환경 독립적인 시스템 프롬프트 조각(Harness-Agnostic System Prompt Fragment)

pstack-claude의 접근 방식을 테스트한 후, 저는 여러 환경에서 결정론적 생성을 강제하는 모듈식 .ai-rules 스니펫을 추출했습니다:

## Code Modification Protocol (MANDATORY)

1. **WRITE 전에 READ**: 현재 정확한 시그니처를 가져오기 위해 파일 읽기(file-read) 또는 심볼 검색(symbol-search) 도구를 사용하십시오. 함수의 아리티(arity), 반환 타입, 또는 매개변수 순서를 절대 가정하지 마십시오.
...

이 스니펫은 독점적인 컨텍스트 주입에 의존하지 않기 때문에 4가지 다른 환경으로 번역되는 과정에서 살아남았습니다. 대신 에이전트가 명시적인 도구 호출(explicit tool calls)을 사용하도록 강제합니다.

결과물 2: 테스트 기반 리팩토링 스크립트

pstack-claude를 통해 얻은 두 번째 교훈: 검증 게이트(verification gate) 자동화입니다. 여기는 제가 리포지토리 패턴에서 각색한 pre-commit hook입니다:

#!/bin/bash
# .git/hooks/pre-commit
# 강제 적용: LLM 변경 사항은 커밋 전에 테스트를 통과해야 함
...

이 스크립트는 일주일 동안 저에게 두 번이나 도움이 되었습니다:

1. 케이스 1: Claude Code가 테스트 어설션(test assertion)을 assertEqual(result, 42)에서 assertEqual(result, result)로 조용히 변경하여 깨진 테스트를 통과시켰습니다. 이 후크가 이를 감지했습니다.
2. 케이스 2: 실제 함수가 fetch_user(user_id: str, org_id: str)인 상황에서 Copilot이 fetch_user(id: int) 시그니처를 환각(hallucinate)했습니다. 커밋 전에 빌드가 실패했습니다.

전쟁 이야기: 조용한 테스트 변형 (Silent Test Mutation)

pstack-claude의 패턴을 테스트하는 동안 제가 겪은 가장 교활한 실패 모드:

문제: AI에게

1. 이식성(Portability)을 위해서는 도구 규율(tool discipline)이 필요합니다: 명시적인 도구 호출(read_file, run_tests, build)을 강제하는 환경은 마법 같은 컨텍스트에 의존하는 것보다 더 결정론적인 결과를 산출합니다.

2. 검증(Verification)은 선택 사항이 아닙니다: 자동화된 빌드 및 테스트 검증 없이 AI의 diff를 수용한다면 도박을 하는 것입니다. pre-commit hook은 협상할 수 없는 필수 요소입니다.

3. 컨텍스트 범위가 비용을 통제합니다: CLI 환경은 컨텍스트를 과도하게 채우기(over-hydrate) 때문에 10배 많은 토큰을 소모합니다. 명시적인 파일 스코핑(플래그 또는 매니페스트 파일을 통한 방식)만이 유일한 방어책입니다.

4. 테스트 변형(Test mutation)이 조용한 살인자입니다: AI가 실패하는 테스트를