이제 Claude Code 에이전트가 질문 하나에 답하기 위해 217개의 도구를 읽어야 하는 상황을 멈출 수 있습니다.

이것의 이름은 Ratel입니다. 여러분의 MCP 설정 앞에 배치하면, 모든 것을 미리 로드하는 대신 턴(turn)마다 에이전트가 실제로 무엇을 볼지 결정합니다.

연결되는 즉시 수행하는 작업은 다음과 같습니다:

→ 모든 도구(tool)와 모든 기술(skill)이 별도로 인덱싱되어 하나의 카탈로그에 위치합니다.
→ search_capabilities는 나중에 필요할 수도 있는 것이 아니라, 이번 턴에 필요한 것만 반환합니다.
→ 기술 지침(skill instructions)은 에이전트가 실제로 하나를 로드할 때까지 컨텍스트(context)에서 완전히 제외됩니다.
→ 기본적으로 BM25를 사용하며, 결정론적(deterministic)이고 빠르며, 벡터 DB(vector DB)나 추가 인프라가 전혀 필요 없습니다.
→ 원한다면 카탈로그별로 선택하여 시맨틱(semantic) 및 하이브리드 랭킹(hybrid ranking)을 사용할 수 있습니다.

"필요한 것만 사용한다"는 부분이 정말 놀랍습니다. 한 팀의 동일한 작업에 대한 컨텍스트가 21.5k 토큰에서 1.3k 토큰으로 줄어들었음에도, 출력 품질의 저하는 없었습니다.

실제 작업을 단 1초도 수행하기 전에 어떤 도구를 사용할지 결정하는 데만 63,000 토큰을 소모하는 가공되지 않은 에이전트를 목격했습니다. 이것이 현재 모든 MCP 중심 설정이 지불하고 있는, 하지만 아무도 측정하지 않는 보이지 않는 세금입니다.

Claude Code와 즉시 호환됩니다. Vercel AI SDK, Pydantic AI, 그리고 여러분이 이미 연결해 둔 모든 MCP 서버와 함께 작동합니다. TS 및 Python SDK를 제공하며, 바로 적용 가능합니다.

100% 오픈 소스입니다. MIT 및 Apache-2.0 라이선스입니다.

이것 없이 MCP를 쌓아 올리는 모든 에이전트는 자신의 모델을 업무에 부적합하게 만드는 비용을 조용히 전액 지불하고 있는 셈입니다.

링크는 댓글에 있습니다 👇
[IMG:1]