OrignTrail : TOKENMAXXING: 공유 컨텍스트 그래프로 토큰 사용 70%+ 절감, 그리고 코드 가치의 복리화

TOKENMAXXING: 공유 컨텍스트 그래프로 토큰 사용 70%+ 절감, 그리고 코드 가치의 복리화

태스크당 토큰 사용량을 70% 줄이는 것은 첫 번째 성과일 뿐입니다. 진짜 변화는 OriginTrail DKG v10과 Graphify가 만들어내는 공유 컨텍스트의 복리화에 있습니다. 모든 작업은 같은 “컨텍스트 세금”을 냅니다. 어시스턴트는 같은 파일을 다시 읽고, 같은 아키텍처를 다시 복원하고, 같은 의존성 선택을 다시 파악하고, 어제 같은 팀이 이미 이해했던 결정을 또다시 설명합니다.

이 모델로는 실제 멀티에이전트 소프트웨어 개발이 확장될 수 없습니다. 모든 코딩 에이전트가 매번 0부터 시작한다면, 에이전트를 더 많이 붙여도 늘어나는 것은 활동량이지 공유된 이해가 아닙니다. 병렬 실행은 생기지만, 축적된 지능은 생기지 않습니다.

이제 병목은 “에이전트가 코드를 쓸 수 있는가”가 아닙니다. 컨텍스트가 복리처럼 쌓이는가가 병목입니다. 바로 이 지점이 Graphify on OriginTrail DKG v10에서 바뀝니다.

Graphify는 코드베이스를 질의 가능한 지식 그래프로 바꿉니다. Graphify는 또 하나의 코딩 에이전트가 아닙니다. 코딩 에이전트와 개발자를 위한 코드베이스 지식 그래프 레이어입니다.

Claude Code, Codex, Cursor, OpenClaw, Hermes, Copilot 등 지원되는 환경에서 /graphify를 입력하면, Graphify는 프로젝트를 아래 3가지 구조화된 출력물로 매핑합니다.

1. graph.html — 인터랙티브 그래프

2. GRAPH_REPORT.md — 사람이 읽기 쉬운 아키텍처 리포트

3. graph.json — 어시스턴트와 에이전트가 질의할 수 있는 그래프

이 그래프는 코드만 다루지 않습니다. 문서, PDF, 이미지, 영상까지 포함합니다. 또한 호출 관계, import, 주석, 설계 의도, 예상 밖의 연결까지 포착하고, 각각에 EXTRACTED, INFERRED, AMBIGUOUS 같은 신뢰도 태그를 붙입니다.

그리고 이제 Graphify는 OriginTrail의 Decentralized Knowledge Graph v10과 연결됩니다. 프로젝트 컨텍스트가 로컬 파일이나 일시적인 어시스턴트 세션 안에만 머무는 대신, Graphify가 생성한 지식은 공유되고 검증 가능한 컨텍스트 그래프가 될 수 있습니다.

Graphify가 에이전트에게 코드베이스의 “지도”를 제공한다면, DKG v10은 그 지도에 공유 메모리와 출처(provenance)를 부여합니다.

개인 컨텍스트에서 공유 컨텍스트 그래프로

가장 중요한 순간은 코드베이스 그래프가 Working Memory에서 Shared Memory로 승격될 때입니다. 한 개발자의 로컬 세션 안에만 있던 모듈 구조, 호출 관계, 아키텍처 결정, 설계 의도, 신뢰도 태그가 붙은 추론들이 이제는 팀 전체가 함께 쌓아갈 수 있는 구조화된 지식 자산이 됩니다.

이후 다른 기여자는 여기에 새로운 모듈을 연결하고, 추론된 엣지를 정제하고, 의사결정 맥락을 붙이고, 관련 저장소를 연결할 수 있습니다. 그리고 이 그래프가 DKG 위에 존재하기 때문에, AI 에이전트 역시 같은 기반 위에서 인간과 함께 작업할 수 있습니다.

컨텍스트가 Shared Memory로 승격되는 순간, Claude Code, Codex, Cursor, Hermes, Copilot, 혹은 자체 에이전트는 더 이상 저장소를 처음부터 다시 읽거나 아키텍처를 다시 복원할 필요 없이 바로 작업을 시작할 수 있습니다.

이 지점에서 토큰 효율성과 복리 가치가 만납니다.

구조화되고 출처가 보존된 데이터가 있으면, 에이전트는 다시 읽는 대신 질의하고, 인간은 다시 발견하는 대신 이어받고, 모든 기여는 다음 세션을 더 빠르고, 더 저렴하고, 더 잘 이해된 상태로 만들어줍니다.

혼자 작업하면 결과물이 남습니다. 공유 그래프 위에서 작업하면 레버리지가 남습니다. 미래는 더 큰 프롬프트가 아니라, 공유 컨텍스트 그래프입니다 이 흐름은 우리가 계속 이야기해온 방향과 정확히 맞닿아 있습니다. 다음 세대 AI 에이전트의 핵심은 더 큰 메모리가 아닙니다. 여러 에이전트가 함께 추론할 수 있는 공유되고 구조화된 컨텍스트입니다.

한 사람의 “세컨드 브레인”은 개인의 기억을 보조합니다. 하지만 공유 컨텍스트 그래프는 여러 사람과 여러 에이전트가 같은 현실을 이해하도록 돕습니다. Graphify는 그 개념을 소프트웨어 개발에 가져옵니다. 저장소는 단순한 파일 모음이 아닙니다. 그 안에는 모듈, 의존성, 설계 결정, 트레이드오프, 미해결 질문, PR, 버그, 리뷰, 히스토리가 살아 있습니다. 문제는 그 컨텍스트가 대부분 흩어져 있다는 점입니다.

Graphify는 그것을 구조화합니다. DKG v10은 그것을 공유 가능하고, 지속 가능하며, 검증 가능한 메모리로 만듭니다. 미래는 더 큰 프롬프트를 가진 에이전트가 아닙니다. 공유 컨텍스트 그래프 위에서 일하는 에이전트입니다.

왜 태스크당 약 70%의 토큰을 절감할 수 있을까

측정된 벤치마크 기준으로, Graphify with DKG v10은 태스크당 약 70% 적은 토큰 사용량을 기록했습니다. 이 수치는 보편적 보장이 아니라 벤치마크 결과입니다. 저장소, 작업 종류, 워크플로우에 따라 달라질 수 있습니다. 하지만 메커니즘은 단순합니다.

대부분의 코딩 어시스턴트는 작업을 시작할 때마다 세계를 다시 불러옵니다. 저장소 구조, 관련 파일, 이전 요약, 아키텍처 노트, 이슈 히스토리, 코드 주석, 기존 추론을 다시 로딩합니다. 전통적인 텍스트 검색이나 grep류 도구로 필요한 정보를 찾는 과정에서도 많은 토큰이 낭비됩니다. Graphify는 이 접근 방식을 그래프 질의 방식으로 바꿉니다. 어시스턴트는 광범위한 컨텍스트를 프롬프트에 밀어 넣는 대신, 그래프에 직접 질의합니다.

1. 관련 모듈

2. 두 개념 사이의 최단 경로

3. 의존 관계

4. 호출 흐름

5. 특정 파일에 연결된 설계 의도

6. 이전 아키텍처 노트

불필요한 컨텍스트를 덜 불러오면 토큰도 덜 씁니다. 토큰이 줄면 비용은 낮아지고, 실행은 빨라지고, 모델이 처리해야 할 노이즈도 줄어듭니다. 하지만 더 중요한 건 정확도입니다. Graphify는 에이전트가 모든 컨텍스트에 빠져드는 대신, 필요한 컨텍스트를 정확히 요청하게 돕습니다. 태스크당 70%의 토큰 절감은, 에이전트가 저장소를 다시 읽는 대신 그래프에 질의하기 시작할 때 생기는 결과입니다.

모든 그래프는 재사용 가능한 팀 메모리가 됩니다

전략적 가치는 토큰 절감 그 자체가 아닙니다. 핵심은 복리(compounding)입니다. Graphify는 이미 graphify-out/을 커밋해 팀이 같은 프로젝트 지도를 공유하게 만드는 방식을 장려합니다. DKG v10은 이 논리를 로컬 산출물에서 한 단계 확장해, 공유 지식 레이어로 끌어올립니다.

그 순간부터:

1. 코드 리뷰는 일회성 코멘트가 아니라, 재사용 가능한 리스크 맥락이 되고

2. 아키텍처 결정은 슬랙 메시지가 아니라, 파일·모듈·의존성·설계 의도와 연결된 노드가 되며

3. 버그 분석은 닫힌 이슈가 아니라, 다음 에이전트가 유사한 장애를 디버깅할 때의 선례가 되고

4. Graphify 질의 결과는 일회성 답변이 아니라, 프로젝트가 축적하는 메모리의 일부가 됩니다

다음 어시스턴트는 더 이상 0부터 시작하지 않습니다. 다음 리뷰어는 설계 의도를 다시 발견할 필요가 없습니다. 다음 기여자는 같은 컨텍스트 수집 작업을 반복하지 않아도 됩니다. 유용한 세션 하나하나가 다음 세션을 더 싸고, 더 빠르고, 더 잘 이해된 상태로 만듭니다.

에이전트와 인간은 같은 기반 위에서 일하게 됩니다

소프트웨어 팀은 이미 여러 개의 불완전한 기억 시스템을 가지고 있습니다. Git은 변경 사항을 저장하고, 이슈 시스템은 작업을 저장하고, 문서는 가끔 의도를 저장하고, 채팅은 결정 사항을 저장하지만 찾기 어렵고, CI는 성공과 실패를 저장하고, 코드 리뷰 도구는 피드백을 저장합니다.

문제는 이 시스템들이 모두 분절되어 있다는 것입니다. 에이전트는 이곳저곳을 오가며 요약하고 연결해야 하고, 그 조각들이 운 좋게 컨텍스트 윈도 안에 들어오길 바라야 합니다. Graphify on DKG v10은 에이전트와 인간이 같은 구조화된 컨텍스트 위에서 일하는 공유 기반을 만듭니다.

한 에이전트는 call graph를 질의하고, 다른 에이전트는 영향받는 모듈을 확인하고, 다른 에이전트는 의존성 리스크를 검토하고, 인간은 graph report를 열어 추론 경로를 확인할 수 있습니다. 세션이 끝나면 학습이 사라지는 것이 아니라, 보존됩니다.

이때 멀티에이전트 코딩은 단순한 병렬 프롬프팅을 넘어섭니다. 공유되고 신뢰 가능한 소프트웨어 메모리를 통한 협업이 됩니다. 미래의 코딩은 하나의 거대한 에이전트가 아닙니다. 여러 에이전트와 인간이 같은 검증된 컨텍스트 위에서 함께 일하는 방향입니다.

왜 분산화가 중요한가

소프트웨어 메모리가 중요 인프라가 된다면, 그것이 특정 벤더 안에 갇혀서는 안 됩니다. 팀에게 필요한 프로젝트 지식은 소유 가능해야 하고, 이식 가능해야 하며, 출처가 남아 있어야 하고, 여러 에이전트 프레임워크에서 재사용 가능해야 합니다.

바로 그 지점에서 DKG v10이 중요해집니다. OriginTrail의 Decentralized Knowledge Graph는 구조화된 메모리, 출처, 검증 가능한 지식 자산을 갖춘 공유 컨텍스트 그래프의 기반을 제공합니다. 컨텍스트는 소스와 의미를 잃지 않은 채 툴과 어시스턴트, 팀과 워크플로우 사이를 이동할 수 있습니다.

DKG의 메모리 모델은 에이전트 협업에 신뢰 구조도 제공합니다.

1. Working Memory는 로컬 탐색을 지원하고

2. Shared Memory는 팀 수준의 컨텍스트를 노출하며

3. Verifiable Memory는 더 강하게 검증된 지식을 보존합니다

에이전트는 단순히 “무엇을 찾았는가”를 넘어서, 그 정보가 어디서 왔는지, 누가 기여했는지, 얼마나 신뢰할 수 있는지까지 함께 추론할 수 있습니다. TRAC은 이 전체 생태계를 뒷받침하며, 지식이 생성되고, 공유되고, 보호되고, 재사용될 수 있도록 지원합니다. 신뢰할 수 있는 AI 에이전트에는 파일 접근만으로는 충분하지 않습니다. 출처가 보존된 공유 컨텍스트가 필요합니다.

코드 맵에서 집단 소프트웨어 지능으로,

코딩 에이전트의 첫 번째 물결은 LLM이 유용한 코드를 쓸 수 있다는 사실을 보여줬습니다. 다음 물결은 협업에 관한 것입니다.

Graphify는 코드베이스를 지도처럼 만듭니다. DKG v10은 그 지도를 공유되고 검증 가능한 메모리로 만듭니다. 에이전트와 인간은 같은 컨텍스트 위에 쌓아 올리게 되고, 매번 다시 복원하지 않아도 됩니다. 이것이 고립된 보조에서 집단 소프트웨어 지능으로 넘어가는 변화입니다.

즉각적인 이점은 실용적입니다. 측정된 벤치마크 기준, 태스크당 약 70% 적은 토큰 사용량 하지만 더 큰 이점은 구조적입니다. 맵핑된 모든 코드베이스, 유용한 모든 질의, 결정 경로, 리뷰 인사이트가 복리처럼 쌓이는 컨텍스트 그래프의 일부가 된다는 점입니다.

이것이 서로 가까이서 일하는 에이전트와, 함께 학습하는 에이전트의 차이입니다. Graphify on DKG v10은 소프트웨어 컨텍스트를 공유 인프라로 바꿉니다.

Graphify를 써보고, DKG v10을 탐색하고, AI 에이전트와 개발자가 공유되고 검증 가능한 지식 위에서 함께 일하는 미래를 함께 만들어보세요. 그리고 OriginTrail DKG의 기능을 더 확장하고, 보상도 받을 수 있습니다.

지금 진행 중인 OriginTrail Bounty Program도 확인해보세요.

Round 1은 현재 오픈되어 있고, 총 50,000 TRAC이 걸려 있습니다.

ChatGPT, Claude, OpenClaw, Hermes 등 다양한 AI 에이전트를 새로운 Working Memory 및 Shared Memory 레이어와 연결하는 빌더에게 1,000~10,000 TRAC이 주어집니다.

검증 가능한 AI 시대에는, 에이전트에게 파일 접근만 주는 것으로는 충분하지 않습니다.

공유되고, 출처가 남고, 검증 가능한 컨텍스트가 필요합니다.

다양한 기능이 담긴 새로운 버전이 곧 공개됩니다.