L-SDF 도입을 통한 입력 토큰 73% 절감 및 AI 에이전트 내비게이션 최적화

Context

대규모 코드베이스 내 AI 에이전트 활용 시 반복적인 컨텍스트 전송으로 인한 토큰 소모 급증 문제 발생. Prompt Caching 적용 후에도 파일 전체를 읽는 구조적 한계로 인해 사용 제한 도달 시간이 단축되는 병목 현상 확인.

Technical Solution

• 소스 코드 직접 읽기 전 단계에 구조적 맵을 제공하는 Latent-Structured Documentation Format(L-SDF) 설계
• INDEX.lsdf를 통한 디렉토리 내 파일 존재 여부 및 기본 구조의 1차적 파악
• INDEX.detail.lsdf를 통해 시그니처, 스키마, Call Edge 등 인터페이스 정보만 선택적 추출
• 구현체 본문(Implementation Body)은 최종 단계에서만 접근하는 계층적 데이터 로딩 전략 채택
• .cursorrules 및 CLAUDE.md 설정을 통해 에이전트가 인덱스 파일을 우선 참조하도록 유도
• CI/CD 파이프라인 내 lsdf sync 체크를 통한 인덱스 최신 상태 유지 및 데이터 정합성 확보

Impact

• 소스 코드 대비 인덱스 토큰 사용량 13.4배 압축 (110K $\rightarrow$ 8K tokens)
• 50턴 세션 기준 입력 토큰 비용 약 73% 절감 ($2.03 $\rightarrow$ $0.55)

Key Takeaway

AI 에이전트의 컨텍스트 윈도우 효율을 높이기 위해 전체 소스 대신 '추상화된 구조 맵'을 먼저 제공하는 계층적 정보 접근 설계의 유효성 입증