70MB 세션을 7MB로, Claude Code 컨텍스트 노이즈 90% 제거 전략

Context

Claude Code의 세션 파일(JSONL) 내 중복 메타데이터와 방대한 도구 출력 결과가 저장 공간을 낭비하는 구조. 실제 대화 텍스트는 전체 파일의 3%에 불과하며 나머지 97%는 불필요한 노이즈로 구성된 상태. 세션 크기 증가에 따른 컨텍스트 관리 효율성 저하 문제 발생.

Technical Solution

• 세션 파일의 54%를 차지하는 반복적인 JSON Envelope 필드(sessionId, cwd 등)를 제거하는 최적화 전략
• Read 도구 결과물은 디스크 내 파일로 재확인 가능하므로 전체 삭제 처리
• Bash 출력은 명령 실행 여부 확인을 위해 상단 5줄과 하단 5줄만 보존하는 부분 추출 방식
• Edit 및 Write 작업은 변경 의도 파악을 위해 파일 경로와 변경 전후 200자 미리보기만 유지하는 설계
• 병렬 도구 호출 시 발생하는 데이터 매칭 오류를 해결하기 위해 위치 기반 추적이 아닌 tool_use_id 매칭 로직 도입
• Agent의 분석 결과물은 지식 합성 가치가 높으므로 보존 한도를 2,000자로 상향 조정

Impact

• 전체 세션 크기 90% 감소 (70MB → 7MB)
• 데이터 중복 제거를 통한 저장 용량 효율 극대화
• JSON Envelope 제거만으로 파일 크기의 54% 절감

Key Takeaway

LLM 기반 에이전트에서 원시 데이터(Raw Output)는 지식 생성 과정의 중간 단계일 뿐이며, 최종 응답(Response)이 실제 지식이므로 원본 데이터의 전략적 제거가 컨텍스트 효율을 높이는 핵심임.