AI
십만 줄 코드베이스, AST로 길을 찾다 — Kiro Code Intelligence로 대규모 코드베이스를 이해하는 법
두줄요약
대규모 코드베이스에서는 텍스트 검색보다 AST 기반 구조 이해가 더 중요하다고 설명했습니다. Kiro Code Intelligence는 tree-sitter와 LSP를 함께 써서 심볼과 참조를 정밀하게 다룹니다.
문제 상황
- 대규모 레거시 코드베이스에서는 AI 코딩 어시스턴트가 기존 구조를 정확히 이해하지 못해 그럴듯하지만 어긋난 답변을 내는 문제
- 텍스트 기반 검색과 RAG는 호출 관계, 상속, 참조 경로를 보존하지 못해 코드 탐색과 영향 범위 파악에 한계
- grep 중심 탐색은 무관한 문자열까지 섞이고 세션마다 같은 탐색을 반복해 토큰과 시간을 낭비
원인 분석
- 대부분의 도구가 코드를 텍스트로만 취급해 구조와 관계를 반영하지 못함
- 임베딩 기반 유사도는 실제 의존성과 다르고, 코드 변경 시 재임베딩과 벡터 DB 운영 부담이 큼
- 구조 정보가 없으면 입력부터 저장까지의 흐름과 심볼 참조를 정확히 추적하기 어려움
해결 방법
- 코드를 AST로 파싱해 구조와 관계를 그래프로 추출하고, 호출·구현·참조 경로를 보존
- tree-sitter로 빠른 구문 수준 탐색을 제공하고, 필요 시 LSP로 타입·참조까지 정밀 분석
- 심볼 검색, 패턴 검색, 패턴 재작성, 정의 이동, 참조 찾기 같은 기능으로 대규모 코드베이스를 구조적으로 탐색
성능/운영 포인트
- tree-sitter는 설정 없이 바로 시작할 수 있고 여러 언어를 동일한 방식으로 다룸
- LSP는 더 정확하지만 언어 서버 설치와 인덱싱이 필요해 비용이 더 큼
- AST 기반 접근은 벡터 DB나 임베딩 파이프라인 없이도 구조 이해를 제공해 운영 부담을 줄임
