Booster MCP

문서: English | Русский | 简体中文

Booster는 AI 코딩 에이전트를 위한 로컬 Model Context Protocol (MCP) 서버이자 인지 런타임입니다. 저장소의 경계가 있는 쿼리 가능한 세계 모델을 구축하여 에이전트가 코드를 변경하기 전에 아키텍처, 히스토리, 진단, 프로젝트 규칙, 검증 요구 사항을 검사할 수 있게 합니다.

대부분의 에이전트는 이미 손을 가지고 있습니다. 패치를 빠르게 작성할 수 있습니다. Booster는 보통 누락되어 있는 지각 계층을 제공합니다.

Booster가 존재하는 이유

대규모 저장소가 에이전트를 압도하는 주된 이유는 파일이 많기 때문이 아닙니다. 중요한 관계들이 소스 코드, 테스트, git 히스토리, 진단, 프로젝트 규칙에 흩어져 있기 때문에 에이전트를 압도합니다.

Booster가 없으면 에이전트는 종종 다음 루프를 따릅니다:

request -> grep/search -> read a few files -> write a patch -> stop

그 루프는 다음을 놓칠 수 있습니다:

• 대상 심볼의 호출자와 피호출자;

• 인터페이스 변경의 영향을 받는 파일과 테스트;

• 놀라운 코드 뒤에 숨은 역사적 이유;

• 프로젝트별 규칙과 저장된 아키텍처 결정;

• 기존 컴파일러, 타입, 린트, 보안 진단;

• 패치 후 실행해야 하는 검증 명령.

Booster는 그 신호들을 루프에 추가합니다:

request
  -> project memory
  -> repository map and hybrid search
  -> AST impact graph
  -> git history and blame
  -> diagnostics and security checks
  -> validation plan
  -> focused patch
  -> validation and repair

Related MCP server: SRC (Structured Repo Context)

기능

아키텍처

Booster는 두 개의 상호 보완적인 평면을 가집니다:

• MCP 제어 평면: 저장소 인덱싱, 의미론적 검색, 그래프, 메모리, 진단, 스킬, 검증 도구.

• Booster Home 데이터 평면: 컨텍스트를 컴파일하고, 복구 가능한 아티팩트를 저장하며, 요청을 로컬 또는 원격 모델 백엔드로 전달하는 선택적 로컬 OpenAI 호환 게이트웨이.

기존 저장소 인덱스와 Cognitive Runtime이 재사용됩니다. Home은 두 번째 저장소 인덱스, 게이트웨이, 또는 벡터 데이터베이스를 생성하지 않습니다.

MCP 제어 평면

핵심 서버는 다음을 제공합니다:

• hybrid_search를 통한 정규화된 FAISS 코사인 검색, BM25 어휘 검색, 상호 순위 융합;

• 재현 가능한 스캔 프로필을 사용한 경계 저장소 스캔;

• repo_map_architecture.md, repo_map_symbols.md, index_health.json, repo_map.md, code_city.html, scan_config.json, scan_report.json과 같은 생성된 .agents/booster/ 아티팩트;

• repo://map, repo://stack, repo://conventions, repo://artifacts의 컨텍스트 리소스;

• 심볼, import 및 호출 그래프, 플립차트, Code City, 저장소 진단;

• 영향 분석, git 인텔리전스, 구조화된 프로젝트 메모리, 보안 검사, 검증 루프;

• ~/.agents/skills에 동기화된 12개의 번들 워크플로우 스킬;

• MCP 클라이언트, 스캔 설정, 진단, 런처 관리를 위한 크로스 플랫폼 제어 표면인 booster control.

Booster Home 런타임

Home은 선택적 로컬 데이터 평면입니다. MCP 제어 평면을 그대로 유지하면서 결정적 컨텍스트 컴파일, 경계 로컬 워커, 세션 범위의 원시 아티팩트, 기존 Booster 인덱스 및 Cognitive Runtime과의 대상 통합을 갖춘 OpenAI 호환 게이트웨이를 추가합니다.

루프백에서 시작하세요:

booster home \
  --base-url http://127.0.0.1:1234/v1 \
  --model nvidia/nemotron-3-nano-4b \
  --api-key lm-studio \
  --project .

Home은 다음을 노출합니다:

• /v1/models;

• /v1/chat/completions;

• /v1/responses;

• /health;

• /booster/status.

업스트림 모델 ID는 /v1/models에서 발견됩니다. 로컬 OpenAI 호환 서버가 보고한 ID로 교체하세요. Nemotron 배포는 출력 예산이 추론에 소비될 때 message.content 대신 공급자별 reasoning_content를 반환할 수 있습니다. Home은 해당 필드를 보존하며 불완전한 추론 응답을 성공적인 답변으로 조용히 변환하지 않습니다.

스트리밍 응답은 청크로 전달됩니다. 블록이 축출되기 전에 원시 콘텐츠가 불변 아티팩트로 저장되고 콘텐츠 해시로 검증됩니다. 지속성이 실패하면 컨텍스트를 조용히 잃는 대신 요청이 실패-폐쇄됩니다.

저장소 인덱싱은 작업 기반입니다. add_repo(wait=true)는 호환성을 위해 계속 허용되지만 더 이상 MCP 요청을 차단하지 않습니다. index_status, cancel_index, 경계 wait_until_ready를 사용하여 작업을 관찰하세요. 각 상태에는 job_id, 단계, 처리됨/전체, 경과 시간, ETA, 마지막 진행 상황, 생성 ID, 오래된 상태, 마지막 준비 스냅샷이 포함됩니다. 읽기 전용 저장소 메서드는 새 생성이 구축되는 동안 해당 준비 스냅샷을 계속 반환합니다.

생성된 아티팩트는 목적별로 분리됩니다:

• repo_map_architecture.md는 최상위 모듈 다양성, 엔트리포인트/설정/계약 커버리지, 커버리지 요약이 포함된 경계 매크로 맵입니다;

• repo_map_symbols.md는 파일별 상한이 있는 상세 심볼 맵을 포함합니다;

• index_health.json은 생성, 오래된 경로, 선택/건너뜀 파일, 맵 완전성을 기록합니다;

• repo_map.md는 아키텍처 맵의 호환성 복사본으로 유지됩니다.

구성 우선순위는 다음과 같습니다:

defaults
  -> ~/.booster/home.toml
  -> <project>/.agents/booster/home.toml
  -> explicit --config
  -> CLI flags

API 키는 업스트림 요청 헤더에서만 사용되며 상태, 텔레메트리, 타임라인, 로그, 예외 텍스트에서 삭제됩니다. 다음 명령은 두 번째 서버나 저장소 인덱스를 시작하지 않고 Home을 검사합니다:

booster home status
booster home doctor --json
booster home inspect-context --input request.json --json
booster home sessions delete <session-id>

루프백이 기본값이며 게이트웨이 토큰이 필요하지 않습니다. 루프백이 아닌 바인드는 home.auth_token이 TOML, BOOSTER_HOME_AUTH_TOKEN, 또는 --auth-token을 통해 구성되지 않으면 거부됩니다. 원격 요청은 Authorization: Bearer <token>을 보내야 합니다. 토큰은 상태나 로그에서 절대 반환되지 않습니다.

증명: Booster + Nemotron 4B

Booster를 이해하는 가장 강력한 방법은 어려운 문제에서 루프를 보는 것입니다. 동일한 4B급 Nemotron 모델을 사용한 수동 LM Studio 실행에서 그럴듯한 첫 번째 솔루션이 숨겨진 케이스에서 실패했습니다. Booster 컨텍스트, 명시적 제약 조건, 수리 및 제출 루프 후에 동일한 워크플로우가 승인된 제출을 생성했습니다:

이 패턴은 추가적인 어려운 동적 프로그래밍 작업에서 반복되었습니다:

• 689. Maximum Sum of 3 Non-Overlapping Subarrays: 동점 처리 실패 -> 43/43 승인;

• 123. Best Time to Buy and Sell Stock III: 214/214 승인;

• 기록된 승인 실행은 36 ms 및 170 ms 로컬 런타임을 보여줍니다.

이것은 증거 사례 연구이지 통제된 벤치마크가 아닙니다. 고객 대면 가치를 보여줍니다: Booster는 그럴듯해 보이는 코드에서 멈추는 대신 제약 조건, 프로젝트 컨텍스트, 진단, 검증을 하나의 루프에 유지합니다.

기준, 수리 단계, 스크린샷, 재현 체크리스트는 전체 LeetCode 사례 연구를 참조하세요.

컨텍스트 압축

Home은 압축을 되돌릴 수 없는 망각이 아닌 컨텍스트 컴파일로 취급합니다:

1. 역할과 콘텐츠 유형별로 메시지를 분류합니다.

2. 중복 줄, 진행 출력, ANSI 이스케이프 시퀀스와 같은 결정적 노이즈를 정규화합니다.

3. 축출되기 전에 원본 블록을 지속합니다.

4. 관련성을 점수화하고 우선순위에 따라 사용 가능한 입력 예산을 할당합니다.

5. 선택적으로 경계 의미론적 워커와 대상 세계 모델 검색을 실행합니다.

6. 보호된 컨텍스트와 도구 호출 무결성을 유지하면서 선택된 메시지를 패킹합니다.

컴파일러는 original_tokens, compiled_tokens, removed_tokens, compression_ratio, 작업, 경고, 아티팩트 참조를 보고합니다. 주요 불변 조건은 다음과 같습니다:

• 시스템 및 활성 사용자 컨텍스트는 보호됩니다;

• 알려진 하드 제한은 보호된 컨텍스트가 맞지 않을 때 실패-폐쇄됩니다;

• 원시 데이터는 축출 전에 지속됩니다;

• 아티팩트 콘텐츠는 쓰기 및 읽기 후 해시 검증됩니다;

• 압축은 비활성화할 수 있지만 policy=off도 알려진 하드 입력 예산을 초과하는 요청을 거부합니다;

• reasoning_content를 포함한 공급자별 필드가 보존됩니다.

포함된 스트레스 벤치마크를 실행하세요:

uv run python benchmarks/home_context_benchmark.py

벤치마크는 원시, 결정적, 검색된, 최종 토큰 수, 압축 비율, 컴파일러 지연 시간, 정확한 아티팩트 복구, 대상 강화 결과를 출력합니다. 성공적인 실행에는 다음이 포함되어야 합니다:

exact_artifact_recovery=True

연구 코프로세서

Home에는 로컬 실험을 위한 경계 연구 코프로세서도 포함됩니다. research_state.json, memory_bank.md 또는 memory-bank/*.md, 메트릭, 보고서 파일에서 증거를 읽습니다. 불투명한 모델 생성 요약을 진실로 제시하는 대신 구조화된 JSON을 반환합니다.

바이너리 체크포인트 본문은 절대 읽히거나 인덱싱되거나 모델로 전송되지 않습니다. 파일명, 크기, 스텝, 부모, 메트릭, 실험, 상태, 유지 플래그, 브랜치 같은 메타데이터만 사용할 수 있습니다. 사이드카 메타데이터는 .pt.json, .json, _metadata.json, .metadata.json 규칙을 사용하여 체크포인트 옆에서 검색됩니다.

컨텍스트 팩은 다음과 같이 구성됩니다:

L0  current task
L1  current experiment and active hypotheses
L2  recent evidence and relevant code
L3  project invariants and runtime contract
L4  archive

일반 추론은 L0, L1, 그리고 L2와 L3의 관련 부분을 사용합니다. 중복 로그, 오래된 실패 버전, 바이너리 아티팩트, 관련 없는 이력은 정책에 따라 제외됩니다. 저장소 콘텐츠, 메트릭, 보고서, 메모리는 신뢰할 수 없는 데이터이며 구성으로 실행되지 않습니다.

허용되는 워커 역할은 다음과 같습니다:

log_analyst
code_search
benchmark_reader
artifact_indexer
summarizer

리서치 상태와 레지스트리는 <project>/research_state.json에 원자적으로 기록됩니다. 홈 세션 아티팩트는 .agents/booster/runtime/sessions/에 별도로 유지되며, 리서치 상태는 채팅 타임라인이나 레거시 .agents/booster/memory.json과 섞이지 않습니다.

저장소 레이아웃

.
├── booster_home/              # Optional OpenAI-compatible data plane
├── assets/                    # README and Code City visual assets
├── algocheck/                 # Customer-facing LeetCode validation evidence
├── benchmarks/                # Reproducible context and runtime benchmarks
├── docs/                      # Architecture and maintainer documentation
├── skills/                    # Bundled agent workflow skills
├── tests/                     # Pytest suite, including Home regressions
├── server.py                 # MCP server entrypoint
├── cli.py                    # `booster` CLI entrypoint
├── cognitive_runtime.py      # Impact, memory, diagnostics, and validation tools
├── indexer.py                # Repository indexing and graph construction
├── visualizer.py             # Code City generation
├── AGENTS.md                 # Agent-first bootstrap and project instructions
├── RECOMENDET_PROMPT.md      # Repository-wide engineering prompt for agents
├── CONTRIBUTING.md           # Development and contribution workflow
├── CHANGELOG.md              # Release history
├── pyproject.toml            # Package metadata and tool configuration
├── MANIFEST.in               # Source distribution contents
└── uv.lock                   # Reproducible dependency lockfile

레거시 MCP 컨트롤 플레인 모듈은 의도적으로 저장소 루트에 유지됩니다. 패키지 엔트리포인트(server:main과 cli:main)와 기존 통합은 안정적인 모듈 이름에 의존합니다. 이를 src/로 이동하는 것은 별도의 호환성 마이그레이션으로 취급해야 하며, 일상적인 기능 작업에 섞지 않아야 합니다.

권장 에이전트 프롬프트

이 저장소에는 전용 엔지니어링 시스템 프롬프트인 RECOMENDET_PROMPT.md가 포함되어 있습니다.

에이전트가 패치 생성기가 아닌 엔지니어로 작업해야 할 때, 단순하지 않은 코딩 세션 시작 시 이를 로드하세요. 이 프롬프트는 프로젝트 컨텍스트 라우팅 규칙, PERCEIVE -> MODEL -> PLAN -> ACT -> VERIFY -> LEARN 워크플로, Booster 우선 컨텍스트 검색, 근본 원인 분석, 보안 검사, 검증 요구 사항, 메모리 규율을 정의합니다.

이는 코딩 에이전트를 위한 저장소 지침이지 애플리케이션 런타임 구성이 아닙니다. 프롬프트는 의도적으로 루트에 유지되어 에이전트 도구가 첫 편집 전에 이를 발견할 수 있습니다.

설치

요구 사항

• Python 3.11, 3.12 또는 3.13. Python 3.12 권장.

• Git.

• 첫 실행 시 임베딩 모델을 다운로드하기 위한 인터넷 접속.

Windows

Invoke-WebRequest https://raw.githubusercontent.com/NeuroGhostDev/Booster-mcp/main/install.ps1 -OutFile install.ps1
.\install.ps1

macOS 및 Linux

curl -fsSL https://raw.githubusercontent.com/NeuroGhostDev/Booster-mcp/main/install.sh | bash

각 설치 프로그램은 사용자 로컬 bin 디렉터리에 booster 런처를 생성합니다:

• Windows: %USERPROFILE%\.local\bin\booster.cmd;

• macOS 및 Linux: ~/.local/bin/booster.

설치 프로그램은 해당 디렉터리를 PATH에 추가합니다. 현재 셸에서 런처가 아직 보이지 않으면 새 터미널을 여세요.

개발 설치

git clone https://github.com/NeuroGhostDev/Booster-mcp.git
cd Booster-mcp
uv sync --locked --extra dev

uv가 없으면 Python 3.12 가상 환경을 사용하세요:

python3.12 -m venv .venv
source .venv/bin/activate
python -m pip install --upgrade pip
python -m pip install .

Windows에서는 \.venv\Scripts\Activate.ps1로 활성화하고 런처가 설치될 때까지 \.venv\Scripts\booster.exe를 사용하세요.

에이전트 부트스트랩: GitHub 링크를 붙여넣고 워크플로 얻기

이 저장소가 AI 코딩 에이전트에서 GitHub URL로 열리면, 에이전트는 AGENTS.md를 프로젝트 부트스트랩 계약으로 취급해야 합니다. 코드를 편집하기 전에 로컬 의존성을 설치하고, Booster 스킬을 동기화하고, 엔지니어링 지침을 로드하고, 제한된 저장소 아티팩트를 생성하고, MCP 서버를 연결해야 합니다.

저장소 루트에서 한 번 실행하세요:

# 1. Install the project and its development dependencies.
uv sync --locked --extra dev

# 2. Install or update the bundled Booster skills for the current agent.
uv run python -c "from skill_installer import install_bundled_skills; print(install_bundled_skills())"

# 3. Load the repository into the bounded Booster world model.
uv run booster expand --profile balanced .

# 4. Connect the current repository to VS Code MCP.
uv run booster control connect \
  --client vscode \
  --scope workspace \
  --project . \
  --with-repository \
  --force

# 5. Verify the environment and generated artifacts.
uv run booster control doctor --project .
uv run booster control status --client vscode --scope workspace --project .

Claude Desktop의 경우 대신 사용자 수준 연결을 사용하세요:

uv run booster control connect \
  --client claude \
  --scope user \
  --project . \
  --with-repository \
  --force

uv를 사용할 수 없으면 python -m pip install -e ".[dev]"를 사용하고 uv run booster를 python -m cli 또는 설치된 booster 런처로 대체하세요.

그런 다음 에이전트는 모든 단순하지 않은 작업을 다음으로 시작해야 합니다:

Read AGENTS.md and RECOMENDET_PROMPT.md.
Call inject_context(include_map=true, include_stack=true, include_conventions=true).
Use preflight_analysis and impact_analysis before editing code.
Use run_validation_checks after the patch.
Call booster.task_complete(task_id="<task-id>") before the final response.

이는 의도적으로 프로젝트 수준이며 이식 가능합니다. 저장소는 호스트 애플리케이션의 숨겨진 시스템 프롬프트나 관련 없는 전역 클라이언트 구성을 조용히 다시 작성해서는 안 됩니다. AGENTS.md는 에이전트 호스트가 발견할 수 있는 명령 파일입니다; booster control connect는 선택한 MCP 클라이언트 항목만 변경하고 다른 서버는 보존합니다.

VS Code 연결

관리하려는 저장소에서 컨트롤 메뉴를 실행하세요:

booster control

하나의 저장소에는 워크스페이스 연결을 사용하세요:

cd path/to/project
booster control connect --client vscode --scope workspace --project .
booster expand --profile balanced

Booster가 모든 VS Code 워크스페이스에 표시되어야 하면 사용자 연결을 사용하세요:

booster control connect --client vscode --scope user --project .

사용자 수준 서버가 시작된 후, 에이전트에게 현재 편집 중인 저장소에 대해 add_repo를 호출하라고 요청하세요. 인덱싱은 기본적으로 백그라운드에서 실행됩니다; index_status는 단계와 진행률을 보고합니다. add_repo(wait=true)는 호환성을 위해 계속 허용되지만 역시 비차단입니다. 필요할 때 cancel_index 또는 제한된 wait_until_ready를 사용하세요. --with-repository를 사용하여 사용자 수준 서버를 하나의 저장소에 바인딩하세요.

VS Code는 워크스페이스와 사용자 MCP 구성을 별도로 유지합니다. 서버를 변경한 후 MCP: List Servers를 실행하고, Booster를 선택하고, 시작하거나 재시작하고, 신뢰 프롬프트를 수락하세요. 여전히 보이지 않으면 Developer: Reload Window를 실행하고 MCP: List Servers -> Booster -> Show Output을 검사하세요.

Booster 컨트롤

booster control은 대화형 연결 관리, 스캔 프로필, 아티팩트 새로고침, 진단, 서버 제거, 런처 업데이트를 제공합니다. 동일한 작업을 비대화형으로도 사용할 수 있습니다:

# Show the active runtime, client entry, scan policy, and artifacts.
booster control status --client vscode --scope workspace --project .

# Add or remove a client entry.
booster control connect --client vscode --scope workspace --project .
booster control disconnect --client vscode --scope workspace --project .

# Connect another desktop client in the user profile.
booster control connect --client claude --scope user --project .

# Inspect and persist the bounded scan policy.
booster control scan --project .
booster control scan --project . --profile deep --max-files 2000

# Verify Python, FastMCP, FAISS, BM25, and embedding dependencies.
booster control doctor --project .

제한된 저장소 스캔

대규모 저장소를 연결하기 전에 booster expand를 실행하세요. 실시간 MCP 연결 없이 스캔 정책을 저장하고 초기 맵을 생성합니다.

booster expand --profile balanced

스캐너는 일반적인 소스 루트를 우선시하고, 기본적으로 생성 디렉터리와 의존성 디렉터리를 무시하며, 모든 제한 결정을 .agents/booster/scan_report.json에 기록합니다. 디렉터리가 현재 작업과 관련이 없으면 .boosterignore에 로컬 제외 항목을 추가하세요.

인지 런타임 워크플로

에이전트가 코드를 변경하려고 할 때 이 흐름을 사용하세요:

1. project_memory_recall로 프로젝트 규칙을 불러옵니다.

2. hybrid_search, semantic_search 또는 find_symbol로 대상을 찾습니다.

3. impact_analysis로 블래스트 반경을 추정합니다.

4. 코드가 예상 밖일 때 git_intelligence로 이력을 확인합니다.

5. 범위 내 파일에 대해 collect_diagnostics로 진단을 수집합니다. 보안에 민감한 변경의 경우 별도의 자문 도구인 security_audit를 실행하세요.

6. 프로젝트의 기존 패턴을 사용하여 좁은 범위로 패치합니다.

7. run_validation_checks로 검증하고 통과하거나 가설이 기각될 때까지 동일한 조각을 수리합니다.

일반적인 사전 점검:

project_memory_recall(query="refactor billing invoice flow", repo="<repo>")
impact_analysis(target="InvoiceService", repo="<repo>", max_depth=3)
git_intelligence(symbol="InvoiceService", repo="<repo>", limit=8)
collect_diagnostics(paths=["src/billing/invoice.py"], repo="<repo>")

일반적인 패치 후 검증:

run_validation_checks(
  paths=["src/billing/invoice.py"],
  commands=["pytest tests/billing -q"],
  repo="<repo>"
)

진단은 실패 시 폐쇄(Fail-Closed)입니다

Booster는 진단을 엔지니어링 증거로 취급합니다. 시간 초과되거나, 충돌하거나, 파싱할 수 없는 출력을 반환하는 진단 도구는 error 발견 사항으로 보고됩니다. 이를 통해 에이전트가 고장난 검증 실행을 깨끗한 코드베이스로 착각하는 것을 방지합니다.

예제

리팩터링 전

impact_analysis(target="AuthService", repo="<repo>", max_depth=4)
git_intelligence(symbol="AuthService", repo="<repo>")
collect_diagnostics(paths=["src/auth/service.py"], repo="<repo>")

에이전트는 무엇이 서비스를 호출하는지, 서비스가 무엇을 호출하는지, 어떤 파일이 영향을 받는지, 어떤 테스트가 관련되는지, 그리고 빨간 진단이 이미 존재하는지 답할 수 있습니다.

버그 헌팅 중

analyze_error("<stacktrace>")
git_intelligence(path="src/payments/locks.py", symbol="payment_lock")
flipchart_call_graph(symbol="payment_lock", max_depth=4)

에이전트는 스택 트레이스, 호출 그래프, 의심스러운 줄 뒤의 역사적 이유를 결합할 수 있습니다.

장기 프로젝트 지식용

remember_project_fact(
  category="architecture",
  fact="Frontend talks to backend only through the BFF layer",
  confidence=0.95,
  source="repo_map+impact_analysis"
)

향후 세션은 API나 프론트엔드를 편집하기 전에 그 사실을 기억할 수 있습니다.

번들 워크플로 스킬

• booster-architecture-map

• booster-bug-hunt

• booster-context-inject

• booster-cognitive-runtime

• booster-deep-dive

• booster-feature-add

• booster-flipchart

• booster-mcp-workflow

• booster-onboard

• booster-project-memory

• booster-refactor

• booster-review

주요 MCP 도구

저장소 바인딩은 공유 사용자 레지스트리인 ~/.booster/repositories/에 유지되므로, 독립적으로 생성된 MCP 프로세스들도 동일한 활성 프로젝트를 볼 수 있습니다. booster.task_complete는 해당 작업의 저장소에 대해 최종 제한된 재인덱스를 큐에 넣습니다. 완료된 각 인덱스는 .agents/booster/repo_map.md, code_city.html, scan_config.json, scan_report.json을 불변의 .agents/booster/snapshots/<commit>-<state>-<digest>/ 디렉터리에 보존합니다. 이전 스냅샷은 절대 삭제되지 않으며, .agents/booster/latest.json은 가장 최신 스냅샷을 가리킵니다. 각 스냅샷은 또한 repo_map_architecture.md, repo_map_symbols.md, index_health.json을 보존합니다. 아키텍처 맵은 최상위 모듈 다양성과 엔트리포인트/설정/계약 커버리지를 위한 공간을 확보하며, 심볼 맵은 파일별 상한을 적용하여 대용량 파일이 전체 컨텍스트 예산을 소비하지 못하게 합니다.

문제 해결

VS Code에서 Booster가 보이지 않는 경우

두 구성 범위를 모두 확인하세요:

booster control status --client vscode --scope workspace --project .
booster control status --client vscode --scope user --project .

해당 작업 공간에는 작업 공간 항목만 표시됩니다. 사용자 항목은 모든 작업 공간에 표시됩니다. MCP: List Servers를 사용하여 서버를 시작, 신뢰, 재시작 또는 검사하세요. MCP: Open User Configuration을 사용하여 VS Code가 읽고 있는 정확한 전역 파일을 여세요.

No module named rank_bm25

클라이언트가 Booster의 환경 대신 다른 시스템 Python을 시작하고 있습니다. 환경을 복구하고 Booster Control을 통해 다시 연결하세요:

uv sync --locked --extra dev
booster control doctor --project .
booster control connect --client vscode --scope user --project . --force

스캔 범위가 너무 좁은 경우

보고서를 검사한 후 더 넓은 프로필 또는 명시적 한도를 선택하세요:

booster control scan --project . --profile deep
booster expand --profile deep

릴리스 검증

uv lock --check
uv run python -m pytest tests -q
uv run ruff check .
uv run python -m compileall -q booster_home indexing_jobs.py server.py
uv build

자세한 워크플로는 COOKBOOK.md를 참조하세요. 게시 및 클라이언트 배포에 대해서는 MARKETPLACE.md를 참조하세요. 유지관리자는 CONTRIBUTING.md 및 CHANGELOG.md도 읽어야 합니다.

로드맵

Booster는 이미 인메모리 Tree-sitter 심볼, 호출 및 임포트 그래프를 유지하고 있습니다. 계획된 프로덕션 개선 사항은 다음과 같습니다:

• 지식 그래프를 Neo4j 또는 Memgraph에 영속화하여 세션 간 그래프 쿼리와 더 깊은 의존성 탐색을 지원;

• Pyright, TypeScript, rust-analyzer, gopls, clangd 및 Java 언어 서버를 위한 헤드리스 LSP 클라이언트 추가;

• 커밋을 풀 리퀘스트 및 이슈에 연결하여 git_intelligence가 코드가 무엇이 변경되었는지뿐만 아니라 왜 변경되었는지도 설명할 수 있게 함;

• Docker Compose, 헬스 체크 및 서비스 로그에 대한 검증 레시피 추가;

• 번들된 스킬을 에이전트별 아키텍처, 디버깅, 메모리 및 품질 팩으로 확장.

라이선스

MIT