Claude Code Unpacked: 소스코드 기반 시각적 분석 가이드
Claude Code Unpacked : A visual guide
TL;DR Highlight
유출된 Claude Code 소스코드 분석이 에이전트 루프와 50개 이상의 툴, 미공개 기능을 시각적으로 정리함으로써 개발자가 Claude Code 내부 동작을 파악할 수 있게 함
Who Should Read
Claude Code를 실무에서 쓰고 있거나 자체 코딩 에이전트를 만들려는 개발자. 특히 에이전트 아키텍처 설계나 툴 시스템 구조를 참고하고 싶은 사람.
Core Mechanics
- 이 사이트는 유출된 Claude Code 소스코드(약 50만 줄)를 분석해서, 메시지를 입력했을 때 내부에서 일어나는 과정을 Input → Message → History → System → API → Tokens → Tools → Loop → Render → Hooks → Await 순서로 시각화한 것이다.
- Claude Code의 툴 시스템은 총 50개 이상이며, 파일 조작(FileRead, FileEdit, FileWrite 등 6개), 코드 실행(Bash, PowerShell, REPL 3개), 검색/웹(WebSearch, WebFetch 등 4개), 에이전트/태스크(Agent, TaskCreate, TaskList 등 11개), MCP(mcpList, McpResourceRead 등 4개), 시스템(TodoWrite, AskUserQuestion 등 11개), 실험적 툴(Sleep, StructuredOutput 등 8개)로 분류된다.
- 슬래시 커맨드도 총 70개 이상으로, Setup & Config(/init, /login, /config 등 12개), Daily Workflow(/compact, /memory, /plan 등 24개), Code Review & Git(/review, /commit, /diff 등 13개), Debugging(/status, /cost, /heapdump 등 23개), Advanced & Experimental(/advisor, /voice, /desktop 등 23개)로 나뉜다.
- 소스코드에는 아직 공개되지 않은 미공개 기능들이 숨겨져 있다. 'Kairos'는 세션 간 메모리를 통합하고 백그라운드에서 자율적으로 동작하는 영속적 모드이고, 'Coordinator Mode'는 메인 에이전트가 작업을 분해해서 독립된 git worktree에 병렬 워커를 생성하는 멀티에이전트 오케스트레이션 기능이다.
- 다른 미공개 기능으로 'Bridge'는 폰이나 브라우저에서 Claude Code를 원격 제어하는 기능, 'Daemon Mode'는 tmux를 이용해 백그라운드에서 세션을 실행하는 --bg 옵션, 'Auto-Dream'은 세션 사이에 AI가 자동으로 학습 내용을 정리하는 기능, 'Buddy'는 계정 ID 기반으로 종과 희귀도가 정해지는 터미널 가상 펫이다.
- 소스코드는 utils(564파일), components(389파일), commands(189파일), tools(184파일), services(130파일), hooks(104파일), ink(96파일) 등으로 구성되어 있고, 전체 디렉토리 구조를 클릭해서 탐색할 수 있는 아키텍처 익스플로러도 제공한다.
- 이 사이트 자체는 Claude Code 유출 직후 제작자가 단 몇 시간 만에 만들었으며, 유출된 소스코드를 분석해서 자신만의 에이전트 하네스(agent harness)를 만들 때 참고하려는 목적으로 시작됐다. 비공식 자료이므로 일부 내용은 오래되었거나 틀릴 수 있다.
Evidence
- 50만 줄 코드베이스의 규모에 대해 '단순한 TUI가 어떻게 이렇게 커지냐'는 의문이 많았다. 한 댓글러는 '이 코드의 90%는 에이전트가 드리프트하거나 조용히 뭔가를 망치는 걸 막기 위한 방어적 프로그래밍일 것'이라고 분석했다. 즉, frustration regex, context sanitizer, 툴 재시도 루프, 상태 롤백 등 LLM을 결정론적으로 동작하게 만들려는 코드가 대부분이라는 것이다.
- 'vibe coding으로 만들어서 기술 부채를 신경 안 쓴 거 아니냐'는 의견도 있었다. 출시된 지 약 1년밖에 안 됐는데 50만 줄은 너무 과하다는 반응이었고, LLM이 코드를 생성할 때 불필요하게 부풀리는 경향이 있다는 지적도 나왔다.
- 실제 사용자가 Claude Code로 멀티에이전트 시스템을 구축하면서 토큰 비용 문제를 겪었다는 경험을 공유했다. Pro 플랜 주간 예산의 75%를 예상보다 훨씬 빠르게 소진했고, 이후 복잡한 신규 구현은 Claude Code로, 기존 코드 반복 작업은 웹 인터페이스에서 Sonnet에 파일을 직접 붙여넣는 방식으로 전략을 바꿨다고 한다.
- '이 정도는 소스코드 없이도 알 수 있는 내용 아니냐', 'Anthropic의 진짜 가치는 모델 자체이고 프론트엔드 루프는 누구나 만들 수 있다'는 냉소적인 댓글도 있었다. 반면 미공개 기능들(특히 세션 간 크로스 레퍼런싱, 클로드 코드 spirit animal)에 열광하는 반응도 있어서 온도차가 컸다.
- 이 사이트와 비슷한 분석 사이트를 비슷한 시점에 독립적으로 만든 다른 개발자도 있었다(brandonrc.github.io/journey-through-claude-code). 유출 소스코드를 기반으로 단 하루 이틀 만에 여러 시각화 사이트가 생겨난 것에 대해 '2020년이었으면 상상도 못 했을 일'이라는 감탄 댓글도 달렸다.
How to Apply
- 자체 코딩 에이전트나 LLM 기반 자동화 파이프라인을 설계할 때, Claude Code의 툴 분류 체계(파일/실행/검색/에이전트/MCP/시스템/실험적)를 참고해서 툴 카탈로그를 설계하면 어떤 범주의 기능이 필요한지 빠르게 파악할 수 있다.
- Claude Code 사용 비용이 예상보다 많이 나온다면, 내부 에이전트 루프가 어떻게 동작하는지 이해하고 작업 유형을 분류하는 것이 좋다. 복잡한 신규 구현은 Claude Code, 단순 반복 작업이나 파일 일부 수정은 웹 인터페이스 + Sonnet 조합으로 나누면 비용을 줄일 수 있다.
- Coordinator Mode, Kairos, Auto-Dream 같은 미공개 기능들이 향후 릴리즈될 가능성이 높으므로, 지금 멀티에이전트 시스템이나 장기 실행 에이전트를 설계한다면 이 기능들의 구조(병렬 worktree 분기, 세션 간 메모리 통합 등)를 미리 참고해두면 아키텍처 방향을 잡는 데 도움이 된다.
- 유출된 Claude Code 소스코드 전체는 codeberg.org/wklm/claude-code에서 직접 볼 수 있고, 이 시각화 사이트는 어느 파일이 어떤 역할을 하는지 빠르게 찾는 지도로 활용할 수 있다. 특정 툴이나 커맨드의 실제 구현이 궁금할 때 소스 파일 위치를 바로 파악할 수 있다.
Terminology
관련 논문
Forge – Guardrails로 8B 모델 성능을 53%에서 99%로 끌어올리기
작은 로컬 LLM(8B)에 guardrails(구조적 안전망)를 씌워 멀티스텝 에이전트 작업 성공률을 53%에서 99%까지 올린 Python 프레임워크 Forge 공개. 모델 자체는 건드리지 않고 실행 환경을 강화하는 접근법이라 주목받고 있음.
Mini Shai-Hulud 재등장: npm 패키지 314개 동시 감염 사건 분석
2026년 5월 19일, npm 계정 하나가 탈취되어 22분 만에 637개 악성 버전이 배포됐고, echarts-for-react·size-sensor 등 월 수백만 다운로드 패키지들이 감염되어 AWS 자격증명·SSH 키·AI 코딩 에이전트까지 탈취하는 정교한 공급망 공격이 발생했다.
Semble – AI 에이전트용 코드 검색 도구, grep 대비 토큰 98% 절감
AI 에이전트가 코드베이스를 탐색할 때 grep+파일 읽기 대신 자연어로 관련 코드 스니펫만 뽑아주는 검색 라이브러리로, 토큰 사용량을 약 98% 줄여준다.
Zerostack – 순수 Rust로 작성된 Unix 철학 기반 코딩 에이전트
Claude Code나 OpenCode처럼 메모리를 수 GB씩 잡아먹는 코딩 에이전트 대신, Rust로 만든 초경량(~8MB RAM) 코딩 에이전트 Zerostack이 공개됐다. 저사양 환경에서도 쓸 수 있고, 직접 만든 유사 프로젝트들과 비교 토론이 활발하게 이뤄지고 있다.
Δ-Mem: LLM을 위한 효율적인 온라인 메모리 메커니즘
LLM의 컨텍스트 윈도우를 늘리지 않고도 과거 정보를 효율적으로 기억할 수 있는 경량 메모리 모듈 δ-mem을 제안한 논문. 모델 자체를 바꾸거나 파인튜닝 없이 기존 LLM에 붙여서 장기 기억 성능을 높일 수 있어 에이전트 시스템 개발자에게 관심을 끌고 있다.
대규모 코드베이스에서 Claude Code가 동작하는 방식: 모범 사례와 시작점
Anthropic이 수백만 줄짜리 모노레포, 레거시 시스템, 수십 개 마이크로서비스 환경에서 Claude Code를 운영한 패턴을 정리한 글이다. RAG 방식 대신 에이전틱 검색을 쓰는 이유와 실제 현장의 한계를 함께 확인할 수 있다.