# \#large-codebase **URL:** https://discuss.pytorch.kr/tag/large-codebase/7703.md [최신](https://discuss.pytorch.kr/latest.md) · [카테고리](https://discuss.pytorch.kr/categories.md) · [태그](https://discuss.pytorch.kr/tags.md) --- ## [Anthropic이 소개하는 대규모 코드베이스에서 Claude Code를 성공적으로 도입하는 방법](https://discuss.pytorch.kr/t/anthropic-claude-code/10253)
**Author:** [@9bow](https://discuss.pytorch.kr/u/9bow)\ **댓글:** 0\ **마지막 업데이트:** [5월 17, 2026, 3:30오전 UTC](https://discuss.pytorch.kr/t/anthropic-claude-code/10253 "2026-05-17T03:30:31Z")
Claude Code 대규모 도입 가이드 소개 Anthropic이 Claude Code를 대규모 코드베이스에서 성공적으로 도입하기 위한 실전 패턴을 정리한 글을 공개했습니다. 여기서 말하는 대규모 코드베이스는 단순히 파일 수가 많은 저장소만을 뜻하지 않습니다. 수백만 줄짜리 모노레포, 수십 년 동안 축적된 레거시 시스템, 여러 저장소에 흩어진 마이크로서비스, 그리고 C, C++, C#, Java, PHP처럼 AI 코딩 도구가 상대적으로 다루기 어렵다고 여겨졌던 언어까지 모두 포함합니다. 이 글의 핵심은 "좋은 모델 하나를 붙인다고 대규모 코드베이스 문제가 자동으로 풀리지는 않는다" 는 점입니다. 실제 성공 사례에서는 모델 자체만큼이나 그 모델을 둘러싼 하네스(harness), 즉 컨텍스트 파일, 훅, 스킬, 플러그인, MCP 서버, LSP 통합, 서브에이전트 같은 실행 환경이 중요했습니다. 사람 개발자가 낯선 코드베이스에서 README, 빌드 스크립트, 테스트 명령, 팀 규칙, IDE 탐색 기능을 함께 사용하듯이, Claude Code도 코드베이스를 읽고 수정하려면 주변 환경이 잘 정리되어 있어야 합니다. 특히 대규모 조직에서 AI 코딩 도구를 도입할 때 흔히 생기는 문제는 기술 자체보다 운영 방식에서 나옵니다. 누군가는 잘 동작하는 CLAUDE.md를 만들었지만 다른 팀에는 공유되지 않고, 어떤 팀은 훅으로 자동 검증을 잘 구성했지만 조직 전체 표준은 없으며, 새로 들어온 개발자는 무엇을 설치해야 하는지 모른 채 시행착오를 반복합니다. Anthropic은 이런 상황을 피하려면 개인의 팁을 조직의 인프라로 끌어올려야 한다고 설명합니다. 이 글은 PyTorchKR의 Claude Code의 조직별 활용 전략, Claude Code 플러그인 기능, Everything Claude Code 같은 기존 글에서 보셨던 개념을 더 큰 조직과 더 큰 코드베이스 관점에서 다시 묶어 이해하는 데 도움이 됩니다. 인덱스보다 중요한 것은 살아 있는 코드베이스를 직접 탐…