코드베이스 분석 AI ‘Understand-Anything’ 사용기, 20만 줄 레거시도 30분이면 끝
코드베이스 분석 AI 도구가 정말 필요한 순간이 있습니다. 새 팀에 합류해 20만 줄짜리 레거시 저장소를 받았다고 가정해봅니다. 문서는 낡았고 그 코드를 짠 동료는 이미 퇴사했습니다.
화제의 오픈소스 ‘Understand-Anything’은 첫 2주를 통째로 줄여줍니다. 깃허브 공개 몇 주 만에 스타 14,000개를 넘겼습니다.
영상 수치를 토대로 어떤 도구인지 정리해드리겠습니다. 어디까지 믿고 써도 되는지도 함께 짚어봅니다.
목차
한 줄로 정리한 결론
Understand-Anything은 정적 분석과 다중 에이전트 LLM을 결합한 오픈소스 도구입니다. MIT 라이선스로 무료입니다. Cursor와 Copilot 그리고 Gemini CLI 워크플로우와 연결됩니다.
다만 토큰 소모가 만만치 않습니다. 중간 규모 프로젝트 한 번 스캔에 Claude Max 한도 25%가 빠집니다. 넉넉한 LLM 플랜이 사실상 전제 조건입니다.
기존 IDE 그래프와 무엇이 다른가요
기존 IDE의 의존성 그래프는 “A 파일이 B 파일을 import 한다”는 구조적 사실만 보여줍니다. 화살표는 많지만 막상 신규 입사자가 그걸 보고 시스템을 이해하기는 어렵습니다.
Understand-Anything은 같은 그래프 위에 의미 레이어를 한 단계 얹습니다. “이 파일이 왜 필요한지”를 보여줍니다. “어떤 비즈니스 흐름의 일부인지”와 “요청이 어디서 시작되는지”까지 시각적으로 풀어줍니다.
대시보드는 줌인과 줌아웃이 가능합니다. 고수준 아키텍처에서 시작합니다. 내부 구성 요소를 거쳐 실제 코드 구현부까지 내려갑니다.
특정 기능을 검색하면 ‘가이드 투어’가 시작됩니다. 결제 흐름을 찾으면 진입점부터 안내합니다. 검증 로직과 데이터베이스 그리고 외부 API와 에러 처리까지 순서대로 펼쳐줍니다.
30분 스캔과 토큰 25%의 진실
Better Stack 채널의 실측치가 비용 감각을 잡아줍니다. Google Microservices 같은 중간 규모 프로젝트 스캔에 약 30분이 걸렸습니다.
같은 작업에서 Claude Max 요금제 한도의 약 25%가 소진됐습니다. 한 번 분석에 일일 한도의 4분의 1이 빠진다는 뜻입니다.
대규모 모노레포라면 이 숫자가 어떻게 늘어날지는 굳이 계산해보지 않아도 짐작이 됩니다. Claude Pro나 무료 플랜에서 가볍게 돌릴 수 있는 도구는 아닙니다.
도구 자체는 MIT 라이선스로 무료지만 안에서 호출하는 LLM API 비용은 사용자가 부담하는 구조입니다. 도입을 검토하신다면 첫 분석 한 번을 시범 케이스로 잡고 토큰 소비량을 측정해 결정하시는 편이 안전합니다.
세 가지 주요 활용 사례
영상에서 정리한 핵심 시나리오는 세 가지입니다. 첫째는 온보딩입니다. 새 코드베이스에 적응하는 첫 2주의 시간을 크게 단축해주는 것이 가장 큰 효용입니다.
낡은 문서나 퇴사한 직원의 부재로 인한 공백을 그래프와 가이드 투어가 메워줍니다. 실제로 신규 입사자가 시스템 흐름을 파악하는 속도는 직접 코드를 읽는 방식보다 훨씬 빨라집니다.
둘째는 AI 에이전트의 컨텍스트 보강입니다. 기존 AI 코딩 도구가 파일 몇 개만 보고 추측성 코드를 짜는 한계가 자주 지적돼왔습니다.
이 도구는 구조화된 시스템 지도와 종속성 정보를 다른 AI 에이전트에 컨텍스트로 넘깁니다. Cursor나 Copilot에 같은 작업을 시킬 때 결과 품질 차이가 체감될 정도로 달라집니다.
셋째는 안전한 리팩토링입니다. 한 줄짜리 변경이 시스템 전체에 어떤 파장을 만들지 사전에 확인할 수 있는 기능입니다.
특정 코드가 어떤 흐름에 속해 있는지 그리고 수정 시 무엇이 망가질 가능성이 있는지를 알려줍니다. 치명적인 버그를 사전에 막는 용도로 가장 가치 있게 쓰입니다.
비슷한 도구들과 어떻게 다른가
한국 개발자 사이에서 자주 언급되는 비슷한 도구로 CodeBoarding이 있습니다. 정적 분석에 LLM 에이전트를 결합해 코드 구조를 Mermaid.js 다이어그램으로 변환하는 오픈소스 AI 코드 매핑 도구입니다.
CodeBoarding이 다이어그램 생성에 무게를 둡니다. Understand-Anything은 대화형 탐색과 가이드 투어에 무게를 둡니다. 결과물 형태가 다르고 들어가는 방식도 다릅니다.
SLEXN이 다룬 CodeCenter Workspace나 튜토리얼 코드베이스도 비슷한 흐름의 시도입니다. 다만 워크스페이스 관리나 텍스트 튜토리얼 생성에 가깝습니다.
Understand-Anything의 차별점은 다른 AI 도구의 컨텍스트 입력으로 쓰인다는 점입니다. 단독 도구가 아닌 워크플로우 부속으로 설계됐습니다.
솔직한 한계와 주의점
도구 자체는 인상적이지만 만능은 아닙니다. 첫째로 토큰 비용입니다. 25% 수치는 한 번 스캔 기준입니다. 코드가 자주 바뀌면 재스캔 비용까지 따져봐야 합니다.
둘째는 보조 수단이라는 점입니다. 코드를 직접 읽는 과정을 완전히 대체하지는 않습니다. 이해를 돕는 보조 도구로 봐야 합니다.
생성된 그래프와 가이드 투어가 항상 100% 정확하다고 가정하고 작업하면 위험합니다. LLM 기반 해석이 끼어 있는 만큼 핵심 흐름은 사람의 눈으로 한 번 더 검증하는 절차가 필요합니다.
셋째는 한국어 자료의 부족입니다. MIT 라이선스 오픈소스라 도구 자체는 누구나 쓸 수 있지만 한국어 가이드는 거의 없는 상황입니다. 도입을 진지하게 검토하신다면 영문 README와 깃허브 이슈를 직접 따라가야 합니다.
어떤 팀이 가장 먼저 써볼만한가
세 가지 조건이 맞으면 도입 효과가 큽니다. 첫째는 코드베이스가 10만 줄 이상이고 문서가 부실한 경우입니다.
둘째는 신규 입사자가 자주 들어오거나 외주 작업이 많은 팀입니다. 온보딩 시간이 곧 비용으로 잡히는 환경이라면 토큰 비용이 충분히 정당화됩니다.
셋째는 Cursor나 Claude Code를 일상적으로 쓰는 팀입니다. 시스템 지도를 다른 도구의 입력으로 넘길 때 시너지가 가장 큽니다.
반대로 5만 줄 미만의 가벼운 프로젝트라면 굳이 필요 없습니다. 직접 코드를 읽거나 기존 IDE 그래프로도 파악 가능한 범위입니다.
📺 출처: Better Stack — “This AI Tool Maps Any Codebase Before You Touch It (Understand-Anything)”
자주 묻는 질문
다만 도메인 특화 언어나 마이너 언어는 정적 분석 단계에서 정확도가 떨어질 수 있습니다. 도입 전 사용 중인 스택으로 시범 스캔을 한 번 돌려보시는 편이 안전합니다.
또한 Claude Max보다 Gemini 같은 저비용 모델로 연결하면 한 번의 스캔당 단가가 떨어집니다. 정확도 차이는 있지만 온보딩 용도로는 충분한 수준입니다.
다만 그 경우 분석 품질이 Claude나 Gemini 대비 떨어집니다. 보안이 최우선이라면 CodeBoarding 같은 다이어그램 중심 도구를 먼저 검토하시는 편이 현실적입니다.
다만 코드가 바뀌면 재분석이 필요합니다. 자주 변경되는 부분은 별도 모듈로 분리해 부분 재스캔하는 운영 방식이 권장됩니다.
반면 대화형 탐색이 필요하다면 Understand-Anything이 맞습니다. 두 도구는 경쟁이 아닌 보완 관계입니다.
레거시 코드 분석은 사람이 직접 읽어야 했던 시간을 줄여주는 보조 인프라입니다. Understand-Anything은 새 코드 앞에서 막막함을 느끼는 첫 며칠을 단축해줍니다.
토큰 비용과 정확도 한계를 미리 알고 들어가면 효용이 충분합니다. 워크플로우에 코드 이해 도구 한 자리를 둘 시점이 왔습니다.