대규모 코드베이스에서 에이전트의 반복적인 Grep 검색 방식은 비효율적

요약

최근 LLM 개발자 커뮤니티에서는 현재 터미널 AI 코딩 에이전트의 코드 탐색 방식에 대한 회의론이 제기되고 있다. 지난 30년간 컴파일러, 언어 서버, IDE 인덱서 등은 코드 분석을 밀리초 단위로 수행해왔으나, 현재의 AI 에이전트는 50만 줄 규모의 저장소에서 ripgrep 등을 반복 실행하며 코드 파악에 수 분을 소비하고 있다. 특히 Java나 Kotlin 기반의 복잡한 모놀리식 환경에서 AI가 오버로드된 메서드나 섀도잉된 변수를 식별하지 못하고 비효율적으로 5만 개의 입력 토큰을 소모하는 현상이 문제로 지적된다. 단순한 파이썬 스크립트나 소규모 마이크로서비스에서는 텍스트 검색과 임베딩 기반의 문맥 처리가 유효하지만, 대규모 다중 모듈 프로젝트에서는 기존 도구 대비 성능 저하가 뚜렷하다. 결과적으로 대규모 저장소 작업 시 AI 에이전트의 구조적 이해 능력 부족이 기술적 퇴보처럼 느껴진다는 비판이 나오고 있다.

AI가 원문을 요약한 내용으로, 부정확할 수 있습니다.