Cursor에서 Claude Code로 컨택스트 마이그레이션

Cursor IDE에서 Claude Code CLI로 전환하면서, 프로젝트에 특화된 12개의 Skills, 57개 레퍼런스 문서를 구축했습니다.
이 글에서는 전환을 결정하게 된 배경과 Skills 시스템 구축 과정을 공유합니다.

---

전환을 결심하게 된 계기

2일 만에 50만원이 사라졌습니다

Eco² 프로젝트의 Chat Agentic Workflow를 Cursor로 개발하던 중이었습니다. LangGraph 파이프라인 설계, Agentic Workflow 사례 리서치, Intent-Eval Agent 디벨롭 등 하네스를 생성, 코드베이스에 적용하며 디벨롭 밀도를 올리니, 단 2일 만에 약 50-60만원이 소진되었습니다. 이미 $7,000 가량을 토큰 비용으로 소모한 만큼 장기적으로 지속 가능한 대안이 필요했습니다. 먼저 두 툴의 요금제를 비교해 봅시다.
 
Cursor 요금제

Hobby	무료	제한된 Agent 요청
Pro	$20	Extended limits, Background Agents
Pro+	$60	3x 사용량 (OpenAI, Claude, Gemini)
Ultra	$200	20x 사용량

 

Claude 요금제

Free	무료	기본 채팅
Pro	$20	Claude Code 접근, Extended Thinking
Max 5x	$100	5x 사용량, 고급 기능
Max 20x	$200	20x 사용량, Claude Code 최적화

 

• Cursor Ultra: 서드파티 도구로서 OpenAI, Anthropic, Google의 API를 중개합니다
• Claude Max 20x: 모델 제공자인 Anthropic이 직접 운영하며, Claude Code에 최적화되어 있습니다

세 가지 이유로 전환을 결정했습니다

1. 퍼스트파티의 이점
Cursor는 여러 AI 제공자의 API를 중개하는 서드파티 도구입니다. 반면 Claude Code는 Anthropic이 직접 개발하고 운영합니다.
모델 제공자가 지원하지 않는 서드파티 도구에는 장기적 비용 이점을 확보하기 어렵습니다.
API 비용 구조가 변경되거나 새로운 기능이 출시될 때, 퍼스트파티 도구가 더 빠르게 대응할 수 있다고 판단했습니다.
2. Credential 제한 정책
Anthropic은 구독 크레덴셜 헤더를 Claude Code 전용으로 제한했습니다. oh-my-opencode 같은 대안 도구들에서 구독 요금제를 사용할 수 없게 차단되면서, 공식 도구를 사용하는 것이 가장 안정적인 선택이 되었습니다.
3. 학습 투자 관점
Cursor에 이틀동안 지불한 Opus 4.5 토큰 비용 60만원은 약 3개월 분의 Claude Max 20x 구독료에 해당합니다.
Claude Code로 컨택스트를 마이그레이션하면 보다 효율적이고 지속 가능한 워크플로우를 구축할 수 있을 것이라 기대했습니다.

---

Cursor에서 가져올 수 있는 것들

마이그레이션을 시작하기 전에, Cursor의 데이터 저장 구조를 분석해 마이그레이션 가능한 리소스를 파악했습니다.

Cursor의 시맨틱 검색은 어떻게 동작하는지

Cursor는 7단계 벡터화 프로세스로 코드베이스를 인덱싱합니다:

┌─────────────────────────────────────────────────────────────────┐
│                 Cursor Semantic Search Pipeline                  │
├─────────────────────────────────────────────────────────────────┤
│                                                                  │
│  1. File Sync        워크스페이스 파일을 Cursor 서버로 동기화      │
│         ↓                                                        │
│  2. Code Chunking    함수, 클래스, 논리적 블록 단위로 분할         │
│         ↓                                                        │
│  3. Vector Embedding AI 모델로 청크를 수학적 벡터로 변환           │
│         ↓                                                        │
│  4. Database Storage 벡터 DB에 임베딩 저장 (서버 사이드)          │
│         ↓                                                        │
│  5. Query Conversion 검색 쿼리를 동일 모델로 벡터화               │
│         ↓                                                        │
│  6. Similarity Match 쿼리 벡터와 저장된 임베딩 비교               │
│         ↓                                                        │
│  7. Result Ranking   시맨틱 유사도 기준 결과 정렬                 │
│                                                                  │
└─────────────────────────────────────────────────────────────────┘

 
여기서 중요한 점이 있습니다:

• 임베딩 데이터는 Cursor 서버에만 저장됩니다. 로컬에는 벡터 데이터가 없습니다
• 소스 코드는 인덱싱 중 메모리에만 존재하며, 이후에는 폐기됩니다
• 5분마다 자동 동기화가 이루어지고, 6주간 미사용 시 인덱스가 삭제됩니다

Cursor 로컬 저장소 구조를 살펴보았습니다

~/Library/Application Support/Cursor/
├── User/
│   ├── globalStorage/
│   │   └── state.vscdb              # 전역 상태 DB (~10GB)
│   ├── workspaceStorage/
│   │   └── {workspace-hash}/
│   │       ├── anysphere.cursor-retrieval/
│   │       │   ├── embeddable_files.txt      # 인덱싱 대상 파일 목록
│   │       │   └── high_level_folder_description.txt  # 폴더 설명 JSON
│   │       ├── state.vscdb          # 워크스페이스 상태 DB
│   │       └── workspace.json       # 워크스페이스 경로 매핑
│   ├── History/                     # 에디터 히스토리
│   └── settings.json                # 사용자 설정
│
~/.cursor/
├── projects/
│   └── {project-path-hash}/
│       ├── agent-tools/             # AI 대화 로그 (UUID.txt)
│       ├── rules/                   # 프로젝트 규칙
│       └── terminals/               # 터미널 히스토리
├── extensions/                      # 설치된 확장
└── plans/                           # AI 플랜 히스토리

{project-root}/
├── .cursorrules                     # 프로젝트별 AI 규칙
└── .cursorignore                    # 인덱싱 제외 패턴

이전 가능 여부

자산	위치	이전 가능	활용 방법
.cursorrules	프로젝트 루트	✅	CLAUDE.md로 변환
embeddable_files.txt	workspaceStorage	✅	중요 파일 목록 참조
high_level_folder_description.txt	workspaceStorage	✅	프로젝트 구조 요약
agent-tools/*.txt	~/.cursor/projects	△	대화 히스토리 참고용
벡터 임베딩	Cursor 서버	❌	서버 사이드, 접근 불가
시맨틱 인덱스	Cursor 서버	❌	서버 사이드, 접근 불가

시맨틱 검색의 대안

Cursor의 클라우드 기반 시맨틱 검색을 완전히 대체하기는 어렵습니다. 하지만 다음과 같은 방법으로 보완할 수 있습니다:

1. Claude Code의 Grep/Glob: 키워드 기반 검색으로 대부분의 케이스를 커버할 수 있습니다
2. Skills 시스템: 도메인 지식을 명시적인 문서로 구조화합니다
3. 코드베이스 검색용 로컬 RAG 구축 (필요 시): LlamaIndex + ChromaDB로 자체 임베딩 시스템을 구축할 수 있습니다

# 로컬 RAG 구축 예시 (향후 옵션)
from llama_index import VectorStoreIndex, SimpleDirectoryReader

documents = SimpleDirectoryReader("./apps").load_data()
index = VectorStoreIndex.from_documents(documents)
query_engine = index.as_query_engine()

 
현재로서는 Skills 시스템만으로도 충분히 효과적이었습니다.

---

Skills 시스템 이해하기

Claude Code의 Skills는 특정 도메인에 대한 지식을 마크다운 파일로 구조화한 것입니다. 키워드 트리거를 통해 관련 컨텍스트가 자동으로 로드됩니다.

기본 구조

{skill-name}/
├── SKILL.md                # 메인 가이드
│                           # - 트리거 키워드 정의
│                           # - Quick Reference
│                           # - Reference 파일 링크
└── references/
    ├── topic-1.md          # 세부 참조 문서
    ├── topic-2.md
    └── ...

SKILL.md와 Reference 문서는 역할이 다릅니다

역할	진입점, Quick Reference	세부 가이드, 심화 내용
트리거	키워드로 자동 로드	SKILL.md에서 링크로 참조
내용	개요, 핵심 명령어, 체크리스트	상세 설명, 코드 예시, 시나리오
분량	100-200줄	200-500줄

{skill-name}/
├── SKILL.md              ← 트리거 시 먼저 로드됩니다 (Quick Reference)
└── references/
    ├── topic-1.md        ← 필요할 때 추가로 참조합니다 (Deep Dive)
    └── topic-2.md

트리거는 이렇게 정의합니다

---
name: clean-architecture
description: Clean Architecture 구현 가이드. "clean architecture",
             "port", "adapter", "hexagonal" 키워드로 트리거됩니다.
---

---

구축한 Skills 현황

12개의 Skills를 생성했습니다

Anthropic	mcp-builder	4	MCP 서버 구축 (의존도 낮음, bash 위주로 사용 예정)
Anthropic	doc-coauthoring	0	문서 공동 작성
Anthropic	skill-creator	2	Skill 생성 도구
Custom	clean-architecture	5	Clean Architecture 4-Layer
Custom	code-review	4	에이전트 코드 리뷰 품질 향상
Custom	langgraph-pipeline	4	LangGraph 1.0+ 파이프라인
Custom	event-driven	4	Redis Composite Event Bus
Custom	grpc-service	4	gRPC 서비스 통합
Custom	rag-pipeline	4	RAG (Contextual Retrieval)
Custom	prompt-engineering	3	프롬프트 설계/평가
Custom	redis-patterns	3	Redis 패턴 가이드
Custom	k8s-debugging	8	Kubernetes 운영/디버깅

파일 수 요약

Anthropic Skills	3	6	9
Custom Skills	9	39	48
총계	12	45	57

---

Skills 폴더 구조

.claude/skills/
├── mcp-builder/                    # [Anthropic] MCP 서버 구축
│   ├── SKILL.md
│   └── references/
│       ├── mcp-architecture.md
│       ├── mcp-tools.md
│       ├── mcp-resources.md
│       └── mcp-prompts.md
│
├── doc-coauthoring/                # [Anthropic] 문서 공동 작성
│   └── SKILL.md
│
├── skill-creator/                  # [Anthropic] Skill 생성 도구
│   ├── SKILL.md
│   └── references/
│       ├── skill-structure.md
│       └── skill-examples.md
│
├── clean-architecture/             # Clean Architecture 4-Layer
│   ├── SKILL.md
│   └── references/
│       ├── layer-structure.md
│       ├── port-adapter.md
│       ├── cqrs-pattern.md
│       ├── evaluation-checklist.md
│       └── anti-patterns.md
│
├── code-review/                    # 체계적 코드 리뷰
│   ├── SKILL.md
│   └── references/
│       ├── review-workflow.md
│       ├── severity-levels.md
│       ├── python-best-practices.md
│       └── security-checklist.md
│
├── langgraph-pipeline/             # LangGraph 1.0+ 파이프라인
│   ├── SKILL.md
│   └── references/
│       ├── state-management.md
│       ├── graph-patterns.md
│       ├── checkpointing.md
│       └── testing-patterns.md
│
├── event-driven/                   # Redis Composite Event Bus
│   ├── SKILL.md
│   └── references/
│       ├── event-router.md
│       ├── sse-gateway.md
│       ├── idempotency.md
│       └── failure-recovery.md
│
├── grpc-service/                   # gRPC 서비스 통합
│   ├── SKILL.md
│   └── references/
│       ├── port-adapter-grpc.md
│       ├── proto-guide.md
│       ├── error-handling.md
│       └── testing-grpc.md
│
├── rag-pipeline/                   # RAG (Contextual Retrieval)
│   ├── SKILL.md
│   └── references/
│       ├── retrieval-strategy.md
│       ├── tag-based-retriever.md
│       ├── evidence-tracking.md
│       └── evaluation-phases.md
│
├── prompt-engineering/             # 프롬프트 설계/평가
│   ├── SKILL.md
│   └── references/
│       ├── template-structure.md
│       ├── evaluation-methods.md
│       └── optimization-techniques.md
│
├── redis-patterns/                 # Redis 패턴 가이드
│   ├── SKILL.md
│   └── references/
│       ├── cache-aside.md
│       ├── rate-limiting.md
│       └── messaging-patterns.md
│
└── k8s-debugging/                  # Kubernetes 운영/디버깅
    ├── SKILL.md
    └── references/
        ├── pod-troubleshooting.md      # Pod 트러블슈팅
        ├── log-analysis.md             # 로그 분석
        ├── network-diagnosis.md        # 네트워크 진단
        ├── label-policies.md           # 라벨 정책
        ├── cluster-architecture.md     # 클러스터 구조
        ├── gitops-argocd.md            # GitOps/ArgoCD
        ├── operators-crd.md            # Operator/CRD/CR
        └── helm-deployment.md          # Helm 배포

---

각 Skill을 소개합니다

1. clean-architecture

트리거: clean architecture, port, adapter, hexagonal, layer

 
Eco² 프로젝트의 코드베이스 아키텍처 원칙을 담은 Clean Architecture 4-Layer 구현 가이드입니다.
 
주요 내용

• Layer 구조: Domain → Application → Infrastructure → Presentation
• Port/Adapter 패턴: 인터페이스를 통한 의존성 역전
• CQRS: Command/Query 분리 패턴
• 평가 체크리스트: 아키텍처 준수 여부 점검
• Anti-Patterns: 피해야 할 패턴 목록

# Port 정의 (Application Layer)
class LLMClient(Protocol):
    async def generate(self, prompt: str) -> str: ...

# Adapter 구현 (Infrastructure Layer)
class GeminiClient(LLMClient):
    async def generate(self, prompt: str) -> str:
        return await self._client.generate_content(prompt)

---

2. code-review

트리거: review, code review, evaluate, check code, PR review

 
일관된 기준으로 코드 품질을 평가하는 체계적인 코드 리뷰 도구입니다.
 
주요 내용

• 6단계 리뷰 워크플로우: Context → Architecture → Logic → Style → Security → Summary
• 심각도 레벨: Critical / Major / Minor / Suggestion
• Python Best Practices: Eco² 코딩 컨벤션
• Security Checklist: OWASP Top 10 기반

## 심각도 레벨

| Level | 설명 | 예시 |
|-------|------|------|
| Critical | 즉시 수정 필요 | SQL Injection, 인증 우회 |
| Major | 머지 전 수정 | 에러 핸들링 누락, 레이스 컨디션 |
| Minor | 권장 수정 | 네이밍 개선, 중복 코드 |
| Suggestion | 선택적 | 성능 최적화 힌트 |

---

3. langgraph-pipeline

트리거: langgraph, pipeline, graph, workflow, subagent, checkpointer

 
Eco² Chat의 Intent-Routed, Feedback&Fallback Loop Workflow를 다루는 LangGraph 1.0+ 기반 파이프라인 구축 가이드입니다.
주요 내용

• Eco² Pipeline: Intent Node → Branching → Subagent Fan-out → Answer Generation
• StateGraph 패턴: Sequential, Branching, Fan-out, Loop, Feedback
• Cache-Aside Checkpointing: Redis L1 + PostgreSQL L2
• State 관리: TypedDict, Annotated Reducer

# Eco² Intent-Routed Workflow
graph = StateGraph(ChatState)
graph.add_node("intent", intent_node)
graph.add_node("rag", rag_node)
graph.add_node("character", character_node)
graph.add_node("answer", answer_node)

graph.add_conditional_edges(
    "intent",
    route_by_intent,
    {"rag": "rag", "character": "character", "direct": "answer"}
)

---

4. event-driven

트리거: event, sse, stream, pubsub, broadcast, realtime

 
실시간 이벤트 스트리밍 아키텍처를 다루는 Redis 기반 Composite Event Bus 패턴 가이드입니다.
주요 내용

• Event Router: Redis Streams Consumer Group (XREADGROUP)
• SSE Gateway: Pub/Sub 구독 + State 폴링
• Idempotency: E2E Exactly-Once 보장 패턴
• Failure Recovery: Consumer Crash, Network Partition 시나리오

┌─────────────────────────────────────────────────────────────┐
│                    Event Flow Architecture                   │
├─────────────────────────────────────────────────────────────┤
│                                                              │
│  Chat Worker ──XADD──▶ Redis Streams ──XREADGROUP──▶ Event  │
│                         (chat:events)                Router  │
│                                                       │      │
│                                                       ▼      │
│  SSE Gateway ◀──SUBSCRIBE── Redis Pub/Sub ◀──PUBLISH──┘     │
│       │                     (user:{id}:events)               │
│       ▼                                                      │
│   Browser (EventSource)                                      │
│                                                              │
└─────────────────────────────────────────────────────────────┘

---

5. grpc-service

트리거: grpc, proto, subagent, character, location, rpc

 
Character/Location Subagent 연동 패턴을 다루는 gRPC 서비스 통합 가이드입니다.
 
주요 내용

• Port/Adapter 적용: gRPC 클라이언트의 인터페이스 추상화
• Lazy Connection: 필요 시점에 연결 수립
• Proto 가이드: 메시지/서비스 정의
• 테스트 패턴: Mock Stub 활용

# Port (Application Layer)
class CharacterClient(Protocol):
    async def get_by_match(self, label: str) -> Character | None: ...

# Adapter (Infrastructure Layer)
class GrpcCharacterClient(CharacterClient):
    async def get_by_match(self, label: str) -> Character | None:
        response = await self._stub.GetCharacterByMatch(
            CharacterRequest(match_label=label)
        )
        return self._to_domain(response)

---

6. rag-pipeline

트리거: rag, retrieval, retriever, evidence, citation, nugget

 
Anthropic의 Contextual Retrieval 패턴을 적용한 RAG 파이프라인 가이드입니다.
 
주요 내용

• 검색 전략: Classification → Contextual → Keyword (Fallback Chain)
• TagBasedRetriever: 의도 기반 태그 필터링 + 임베딩 검색
• Evidence 추적: 출처 링크 및 신뢰도 스코어
• 평가 체계: Citation → Completeness → Groundedness → Next Steps

# Contextual Retrieval Flow
async def retrieve(self, query: str, intent: Intent) -> list[Evidence]:
    # 1. Intent에서 검색 태그 추출
    tags = self._extract_tags(intent)

    # 2. Tag 기반 필터링 + 임베딩 유사도
    candidates = await self._vector_store.search(
        query=query,
        filter={"tags": {"$in": tags}},
        top_k=10
    )

    # 3. Reranking
    return self._rerank(query, candidates)[:5]

---

7. prompt-engineering

트리거: prompt, template, system prompt, few-shot, chain-of-thought

템플릿 설계부터 평가까지 전 과정을 다루는 프롬프트 엔지니어링 가이드입니다.
 
주요 내용

• 템플릿 구조: Role → Context → Instruction → Constraints → Format → Examples
• 평가 방법: 자동 메트릭 (ROUGE, BERTScore) + LLM 기반 평가
• 최적화 기법: Compression, Few-Shot Selection, CoT, Self-Consistency

┌─────────────────────────────────────┐
│ Role: 역할 정의                      │
├─────────────────────────────────────┤
│ Context: 배경 정보, 도메인 지식        │
├─────────────────────────────────────┤
│ Instruction: 구체적인 작업 지시        │
├─────────────────────────────────────┤
│ Constraints: 제약 조건, 금지 사항      │
├─────────────────────────────────────┤
│ Format: 출력 형식 (JSON, Markdown 등) │
├─────────────────────────────────────┤
│ Examples: Few-shot 예시 (선택)        │
└─────────────────────────────────────┘

---

8. redis-patterns

트리거: redis, cache, rate limit, pubsub, streams

Eco² 프로젝트에서 사용하는 캐시, 레이트 리밋, 메시징 패턴을 다루는 Redis 활용 가이드입니다.
주요 내용

• Cache-Aside: Read-through/Write-through 패턴
• Rate Limiting: Sliding Window, Token Bucket
• Pub/Sub & Streams: 실시간 메시징 vs 영속 이벤트 스트림

# Cache-Aside Pattern
async def get_character(self, id: str) -> Character | None:
    # 1. Cache Hit?
    cached = await self._redis.get(f"character:{id}")
    if cached:
        return Character.model_validate_json(cached)

    # 2. Cache Miss → DB 조회
    character = await self._repo.find_by_id(id)
    if character:
        await self._redis.setex(
            f"character:{id}",
            timedelta(hours=1),
            character.model_dump_json()
        )
    return character

---

9. k8s-debugging

트리거: k8s, kubernetes, pod, debug, logs, kubectl, argocd, helm, operator, crd

디버깅뿐 아니라 클러스터 인프라 전반을 다루는 Kubernetes 운영/디버깅 가이드입니다.
디버깅 영역

• 라벨 정책: tier, domain, version, environment
• Pod 트러블슈팅: CrashLoopBackOff, ImagePullBackOff, Pending
• 로그 분석: stern, kubectl logs 활용
• 네트워크 진단: DNS, Service Discovery, gRPC 연결

인프라/배포 영역

• 클러스터 구조: EKS Node Pool, Namespace Tier 체계, Istio Service Mesh
• GitOps/ArgoCD: App-of-Apps, Sync Wave 전략, Kustomize 통합
• Operator/CRD/CR: External Secrets, Prometheus Operator, Cert Manager
• Helm 배포: Values 관리, ArgoCD+Helm 통합, Chart 버전 관리

# 라벨 기반 조회
kubectl get pods -l tier=business-logic -A    # API 서비스
kubectl get pods -l tier=worker -A            # 워커
kubectl get pods -l domain=chat -A            # Chat 도메인 전체

# ArgoCD 상태 확인
argocd app list
argocd app get chat-api-prod

# Helm Release 확인
helm list -A
helm get values prometheus -n prometheus

# CRD/CR 상태
kubectl get externalsecret -A
kubectl get servicemonitor -A

---

마이그레이션 과정

1단계: Cursor 자산 분석

.cursorrules에 정의된 프로젝트 컨텍스트를 Claude Code 형식으로 변환했습니다.

기존 .cursorrules (일부)

## 프로젝트 구조
backend/
├── domains/              # 도메인별 API 소스코드
├── workloads/           # Kubernetes 매니페스트
├── clusters/            # ArgoCD Applications
└── scripts/             # 유틸리티 스크립트

## 자주 사용하는 명령어
### SSH 접속
./scripts/utilities/connect-ssh.sh master

변환된 CLAUDE.md

# Eco² Backend

## 아키텍처
- Clean Architecture 4-Layer
- Event-Driven (Redis Streams + Pub/Sub)
- LangGraph 1.0+ 파이프라인

## 디렉토리 구조
- apps/: 마이크로서비스 (chat_worker, sse_gateway, event_router)
- workloads/: Kubernetes 매니페스트 (Kustomize)

2단계: 외부 컨텍스트 정리

프로젝트 히스토리와 의사결정 배경을 Tistory 블로그에 정리했습니다. Claude Code에서 필요할 때 참조할 수 있는 외부 지식 베이스 역할을 합니다.

https://rooftopsnow.tistory.com/category/이코에코(Eco²)
https://rooftopsnow.tistory.com/category/이코에코(Eco²) Knowledge Base

3단계: CLAUDE.md 생성

프로젝트 루트에 CLAUDE.md 파일을 생성했습니다.

프로젝트 개요, 아키텍처 요약, 최근 작업 상태 등 세션 시작 시 자동으로 로드되는 핵심 컨텍스트입니다.

4단계: Anthropic Skills 배포

anthropics/skills 레포에서 범용 skills를 선별해 배포했습니다.

mcp-builder	Backend	MCP 서버 구축
doc-coauthoring	Backend	문서 공동 작성
skill-creator	Backend	커스텀 skill 생성
webapp-testing	Frontend	웹앱 테스트
pdf	Resume	PDF 처리

5단계: 커스텀 Skills 작성

프로젝트 코드베이스를 분석해 9개의 커스텀 skills를 작성했습니다.

• infrastructure/orchestration/langgraph/ - LangGraph 파이프라인 패턴
• infrastructure/integrations/ - gRPC 클라이언트 구현
• apps/event_router/, apps/sse_gateway/ - 이벤트 아키텍처
• workloads/ - Kustomize 라벨 정책
• docs/blogs/async/34-sse-HA-architecture.md - 아키텍처 문서

6단계: gitignore 설정

Skills는 로컬 전용으로 관리합니다. 개인 워크플로우 최적화 도구이므로 팀 레포에는 포함하지 않습니다.

# AI Coding Assistants (local skills)
.cursor/
.claude/

---

마치며

Eco² 프로젝트에는 이미 51개 이상의 로컬 문서와 83개 이상의 블로그 포스트 및 로컬 docs로 구성된 Knowledge Base가 있었습니다.
Skills 작성은 이 기존 자산을 Claude Code의 트리거 기반 시스템에 맞게 재구성하는 과정이었습니다.
모든 컨택스트를 이관하기 보단 현재 작업 중인 Chat Agentic 디벨롭을 이어서 진행할 수 있도록 마이그레이션을 진행했습니다.
 
이번 작업을 통해 얻은 것들

1. 컨텍스트 품질 향상: 트리거 기반으로 관련 지식이 자동 로드됩니다
2. 일관성 확보: 코드 리뷰, 아키텍처 평가에 동일한 기준을 적용할 수 있습니다
3. 에이전트 온보딩 가속: 새 세션에서도 프로젝트 컨텍스트를 즉시 활용할 수 있습니다
4. 지식 재구조화: 기존 문서를 트리거 기반 시스템에 최적화된 형태로 변환했습니다

Skills는 프로젝트와 함께 재귀적으로 발전합니다.
새로운 패턴이 도입되거나 아키텍처가 변경될 때마다 업데이트해서 코드베이스와의 동기화를 유지할 예정입니다.

---

References

• Cursor vs Claude Code 선택 과정
• Cursor Pricing
• Claude Pricing
• Anthropic Skills Repository