요즘 팀에서 AI 코딩을 도입할 때 제일 빨리 막히는 지점이 ‘코드를 쓰게 하는 것’보다 ‘맞는 맥락을 계속 먹이는 것’이라는 얘기가 계속 보인다. Hacker News의 한 Ask HN 글도 “큰 기존 코드베이스에서 LLM 코딩을 어떻게 하느냐”는 질문 하나에 70점대 반응과 수십 개 댓글이 붙었는데, 댓글을 읽어보면 다들 비슷하게 돌아간다. 작은 테스트나 보일러플레이트는 맡기지만, 레거시 코드·모노레포·마이그레이션·통합 테스트가 끼면 컨텍스트 창과 검증 비용이 바로 병목이 된다. 흥미로운 건 임시 해결책이 꽤 구체적이라는 점이다. 누군가는 worktree와 작은 셸 스크립트, 루트 guardrails README, PR 리뷰 봇, Graphite stacked PR, Playwright, 임시 dev environment를 이어 붙여서 굴린다. 문제는 이 조합이 제품이라기보다 팀마다 새로 짜는 운영 레시피에 가깝다는 것. AI가 코드를 쓴 뒤에도 사람이 “관련 파일을 제대로 봤나, DB migration은 안전한가, 브라우저로 만져보면 깨지지 않나”를 다시 확인하느라 시간이 새고 있다. 여기서 작은 기회는 거창한 코딩 에이전트가 아니라, PR마다 코드베이스 맥락 패키지와 검증 샌드박스를 자동으로 만들어주는 얇은 레이어 같아 보인다. 변경 파일 주변의 의존성, 기존 패턴, 테스트 명령, migration 체크, 수동 확인 URL까지 한 장으로 묶어주고 에이전트와 리뷰어가 같은 화면을 보게 하는 것. 토큰을 더 사는 문제가 아니라, 매번 반복되는 ‘맥락 포장’ 일을 줄이는 문제에 더 가깝다.