safishamsi/graphify는 2026년 7월 4일 기준 GitHub에서 빠르게 관심을 받은 Python repo다. rank 13, 937 stars today라는 숫자도 눈에 띄지만, 더 흥미로운 부분은 이 프로젝트가 AI coding assistant를 위해 어떤 문맥을 준비하려 하는가다.
Graphify의 설명은 꽤 넓다. Claude Code, Codex, OpenCode, Cursor, Gemini CLI 같은 도구를 위한 skill이며, 임의의 폴더를 queryable knowledge graph로 바꾼다고 한다. 대상은 코드에만 머물지 않는다. SQL schema, R script, shell script, docs, papers, images, videos까지 포함한다.
이 범위 설정은 중요하다. 실제 소프트웨어 프로젝트에서 assistant가 놓치는 정보는 코드 밖에 있는 경우가 많다. 테이블 구조는 DB schema에 있고, 운영 가정은 shell script나 infrastructure 쪽에 남아 있으며, 오래된 설계 의도는 문서나 논문 형태로 흩어져 있다. 코드 검색만으로는 이런 관계를 안정적으로 따라가기 어렵다.
Graphify가 제안하는 방식은 이런 산물을 하나의 그래프에 올리는 것이다. 앱 코드, 데이터베이스 스키마, 인프라를 같은 그래프 안에서 다루면 "이 함수가 어디서 불리는가"보다 더 넓은 질문을 할 수 있다. 예를 들어 API 변경이 어느 테이블 정의와 연결되는지, 배포 스크립트의 가정이 현재 코드와 맞는지, 문서의 설명이 실제 구조와 어긋나는지 같은 질문이다.
물론 위험한 지점도 있다. 코드와 SQL은 구조화하기 비교적 쉽지만, 이미지나 영상, 논문은 추출 품질에 따라 그래프의 신뢰도가 흔들릴 수 있다. knowledge graph라는 이름이 붙었다고 해서 모든 입력이 같은 수준으로 해석되는 것은 아니다. 특히 coding agent가 그 결과를 바탕으로 수정까지 하려면 검증 루프가 필요하다.
그래도 Graphify가 가리키는 방향은 분명하다. AI 코딩 도구가 더 긴 작업을 처리하려면 단순히 더 많은 파일을 읽는 것만으로는 부족하다. 프로젝트의 코드, DB, 인프라, 문서가 어떤 관계로 묶여 있는지 기억해야 한다. Graphify는 그 기억을 검색 결과 목록이 아니라 질의 가능한 그래프로 만들려는 시도다.