피드로 돌아가기
Dev.toAI/ML
원문 읽기
Markdown의 상태 관리 한계를 극복한 MCP 기반 Live State Layer 구축
I told my AI to build a feature. Did it? I had no idea.
AI 요약
Context
AI 협업 시 Markdown 기반 문서화로 인해 56개 이상의 파일이 생성되었으나, AI의 Context Window 제한으로 인해 문서 상태 유지 및 최신성 보장이 불가능한 구조적 한계 발생. 정적인 텍스트 데이터와 실제 코드 상태 간의 불일치로 인한 추적성 결여 및 신뢰도 저하 문제 직면.
Technical Solution
- 정적 Markdown을 대체하여 Schema와 State Machine을 갖춘 전용 Backlog Database 도입
- Model Context Protocol(MCP) 서버를 통한 AI의 실시간 데이터베이스 Read/Write 인터페이스 구현
- Todo, Decision, Constraint를 구조화된 레코드로 관리하며 Function name 및 File path와 1:1 Mapping 설계
- Proposed → In_progress → Done(Commit Hash) → Verified로 이어지는 상태 전이 모델 적용
- 모든 상태 변화를 Event Ledger에 기록하여 세션 간 독립적인 추적 가능성 및 Replay 기능 확보
- vscode:// 프로토콜을 활용해 Dashboard의 백로그 항목에서 실제 코드 위치로 즉시 점프하는 연결 체계 구축
실천 포인트
- AI Agent의 메모리 한계를 해결하기 위해 대화 이력이 아닌 외부 구조화 데이터베이스(External State Layer) 도입 검토 - 문서-코드 간 추적성을 위해 Commit Hash와 코드 심볼(Function/Class)을 데이터베이스 스키마에 포함 - AI가 직접 상태를 업데이트할 수 있도록 MCP와 같은 표준 인터페이스 기반의 도구 제공 - 정적 문서가 아닌 상태 전이 모델(State Machine)을 통해 작업의 라이프사이클을 관리