안드레이 카파시가 주목한 Graphify란? 토큰 71배 절감하는 AI 코딩 도구

안드레이 카파시가 주목한 Graphify란? 토큰 71배 절감하는 AI 코딩 도구

📌 핵심 요약

Graphify는 코드·문서·이미지 등 어떤 폴더든 쿼리 가능한 지식 그래프로 바꿔주는 AI 코딩 어시스턴트 스킬입니다.
안드레이 카파시의 LLM 메모리 철학에서 출발했고, 쿼리당 토큰을 최대 71.5배 절감합니다.
Claude Code, Cursor, Gemini CLI 등 10여 개 플랫폼에서 바로 사용 가능합니다.

📋 목차

• 1. Graphify가 주목받는 이유
• 2. 카파시 철학과의 연결고리
• 3. 작동 방식과 설치법
• 4. 장단점 및 추천 상황
• 5. 마무리

Graphify가 갑자기 주목받는 이유

AI 코딩 도구를 쓰다 보면 한 가지 문제가 반복된다. 질문 하나 던질 때마다 Claude나 Cursor가 프로젝트 파일을 처음부터 뒤진다. 파일이 수백 개면 컨텍스트 윈도우가 터지고 비용도 함께 치솟는다.

Graphify는 이 문제를 정면으로 겨냥했다. 2026년 4월 카파시가 LLM 메모리 관련 아이디어를 공개하자마자 개발자 Safi Shamsi가 출시했고, GitHub 스타 18,000개를 돌파하며 빠르게 퍼졌다.

AI가 매번 파일을 처음부터 읽는 방식은 근본적으로 비효율적이다. Graphify는 이걸 뒤집는다. 파일 하나하나를 읽는 대신, 미리 만들어둔 지식 그래프를 탐색하는 방식으로 전환한다. 길을 잃은 사람에게 지도를 건네는 것과 같다. 실제 탐색 시간과 비용이 극적으로 줄어드는 이유다.

💡 핵심 수치: 52개 파일 기준 실험에서 Graphify는 쿼리당 토큰을 71.5배 절감했습니다. 500개 이상 대형 프로젝트에서는 경제적 효과가 더 극적으로 나타납니다.

---

카파시 철학과의 연결고리

안드레이 카파시는 Tesla AI 디렉터, OpenAI 공동창업자 출신으로 현재 AI 교육 플랫폼 Eureka Labs를 운영 중이다. 그는 논문·트윗·스크린샷·메모를 한 폴더(/raw)에 모아두고 나중에 구조화해 꺼내 쓰는 방식을 공개적으로 언급해왔다.

그의 핵심 주장은 간단하다. "같은 지식을 반복 조회하는 건 낭비다. 한 번 정리해두면 그다음엔 구조를 탐색하면 된다." Graphify는 이 아이디어를 코드베이스에 그대로 이식했다.

두 접근법은 목표가 다르다. LLM Wiki는 지식이 시간이 지남에 따라 풍부해지는 방향을 지향하고, Graphify는 지금 당장 쿼리할 수 있는 구조를 만드는 데 초점을 맞춘다. RAG처럼 파일을 쪼개 검색하는 방식이 아니라, 관계 그래프를 탐색하는 방식이라는 점에서 둘 다 기존 접근과 다르다.

구분	카파시 LLM Wiki	Graphify
방식	마크다운 위키	관계 그래프
설치	방법론 (패키지 없음)	pip 한 줄
토큰 절감	간접적	최대 71.5배

---

작동 방식과 설치법

Graphify는 두 단계로 작동한다. 1단계에서 LLM 없이 AST로 코드 구조를 파싱하고, 2단계에서 Claude 서브에이전트가 문서·이미지·PDF를 병렬로 분석해 의미 관계를 추출한다. 결과물은 인터랙티브 HTML 시각화, 요약 보고서, 쿼리 가능한 JSON 그래프 세 가지다.

설치 및 실행 (Claude Code 기준)

1. pip install graphifyy && graphify install
2. 프로젝트 폴더 이동 후 /graphify . 입력
3. graphify-out/graph.html 브라우저 확인
4. /graphify query "질문"으로 자연어 쿼리

※ PyPI 패키지명은 graphifyy(y 두 개). 단일 y 패키지는 별개 라이브러리이니 주의.

한 번 그래프를 만들어두면 파일이 바뀔 때도 전체를 다시 읽지 않아도 된다. --update 옵션을 쓰면 변경된 파일만 재처리하고, git 훅을 등록하면 커밋할 때마다 자동으로 그래프가 갱신된다. 코드가 늘어날수록 이점이 커지는 구조다.

Claude Code에 설치하면 PreToolUse 훅이 자동 등록된다. 이후 Claude가 파일을 검색하기 전마다 "그래프를 먼저 참고하라"는 신호가 전달된다. 별도 설정 없이 Claude의 행동 방식 자체가 바뀐다.

---

장단점 및 추천 상황

✅ 장점

• 토큰 비용 최대 71.5배 절감
• Claude Code, Cursor 등 다양한 플랫폼
• PDF·이미지·영상 멀티모달 처리
• git 훅 연동으로 그래프 자동 갱신

❌ 단점

• 파일 30개 미만 소규모엔 효과 미미
• 첫 빌드 시 LLM 토큰 소모
• 패키지명(graphifyy) 혼동 주의

🎯 이런 상황에 특히 유용합니다

• 처음 합류한 대형 레포에서 아키텍처를 빠르게 파악할 때
• Obsidian vault나 논문 폴더가 너무 방대해졌을 때
• 여러 레포를 동시 운영하며 크로스 의존성을 추적할 때

---

마무리 — 구조가 없으면 AI도 길을 잃는다

Graphify는 단순한 인덱싱 도구가 아니다. 코드 간의 의존 관계, 설계 의도, 문서와 코드의 연결까지 하나의 그래프로 엮는다. "이 함수를 고치면 어디가 깨지지?"라는 질문에 Claude가 파일을 뒤지기 전에 그래프에서 답을 찾는다. 프로젝트 규모가 커질수록 이 차이는 체감으로 다가온다.

Graphify가 겨냥하는 문제의 본질은 AI의 무기억 구조다. 세션이 끊기면 Claude는 지난번에 뭘 봤는지 아무것도 기억 못 한다. 매번 파일을 처음부터 뒤지는 이유가 여기 있다.

카파시의 말처럼 정보 접근이 부족한 게 아니다. 문제는 구조의 부재다. Graphify는 AI에게 지도를 먼저 건네는 방식으로 이 문제를 풀었다.

✅ 결론: 파일 수가 많아질수록 효과가 확실해지는 도구다. Claude Code 사용자라면 설치 비용이 거의 없으니 100개 이상 파일을 다루는 프로젝트라면 한 번 적용해볼 만하다. 더 좋은 프롬프트를 찾기 전에 구조를 먼저 만드는 게 순서다.