매일 아침 반복되는 장면이 있다. 어제 밤 내가 Claude Code와 함께 확정한 아키텍처 결정을, 오늘 팀원이 Cursor를 열자마자 처음부터 다시 설명하고 있다. AI는 망각한 게 아니다—애초에 그 세션에 없었다. dev.to의 Context Cloud 소개 글이 정확히 짚은 문제다. "Your Claude Code session knows your project inside out. Your teammate's Claude Code session knows nothing." 이건 도구의 문제가 아니라 구조의 문제다.
MCP(Model Context Protocol)는 이 구조적 공백을 메우는 인터페이스다. Context Cloud 같은 MCP 메모리 서버를 팀 워크스페이스로 연결하면, 어떤 AI 도구를 쓰든 동일한 지식 저장소를 읽고 쓸 수 있다. Claude, Cursor, Codex가 각자 다른 머신에서 실행되더라도 "우리가 Postgres를 선택한 이유", "JWT는 httpOnly 쿠키에만 담는다"는 팀 결정이 세션을 넘어 전파된다. 커밋 단위가 코드가 아니라 맥락(context)이 되는 순간이다.
설정 자체는 10분이면 된다. Context Cloud 기준으로 워크스페이스를 만들고, 팀원을 Editor 권한으로 초대하고, 각자의 AI 도구 MCP 설정에 서버 URL을 추가하면 끝이다. Claude Code라면 ~/.claude/settings.json에 몇 줄, Cursor라면 MCP settings에 npx 커맨드 한 블록. 기술적 장벽은 낮다. 진짜 설계가 필요한 지점은 "무엇을 커밋할 것인가"다.
원문이 제시한 분류가 실용적이다. Context Cloud에 남길 것: 아키텍처 결정과 그 근거, 팀이 합의한 컨벤션, 발견한 버그 패턴과 엣지 케이스, 현재 진행 상태. CLAUDE.md에 남길 것: 린트 설정, 폴더 구조, 기술 스택처럼 정적인 프로젝트 레벨 지침. 커밋하지 말 것: 임시 디버깅 메모, 단발성 질문, 코드 스니펫(그건 git의 몫), 민감한 자격증명. 판단 기준은 단순하다. "내일 팀원의 AI가 알아야 할 정보인가?"
이 구조를 프론트엔드 코드 품질 관점으로 확장하면 또 다른 레이어가 보인다. velog의 React 렌더링 최적화 시리즈가 다룬 memo, useMemo, useCallback—이 세 가지 메모이제이션 훅은 팀에서 가장 잦은 리뷰 코멘트 중 하나다. AI가 컴포넌트를 생성할 때도 마찬가지다. memo로 감싼 자식 컴포넌트에 매 렌더링마다 새 주소값을 가진 객체나 함수를 props로 내려주면, 최적화가 아니라 의도치 않은 리렌더링 루프가 된다.
이 패턴 지식을 MCP 공유 메모리에 컨벤션으로 등록해두는 게 핵심이다. "객체·함수를 props로 전달할 때는 반드시 useMemo/useCallback으로 주소값을 고정한다", "useCallback 내부에서 state를 직접 참조하면 클로저 문제가 생긴다—setState(prev => prev + 1) 함수형 업데이트를 기본으로 쓴다"—이런 결정을 문서가 아니라 AI가 쿼리할 수 있는 구조화된 지식으로 저장하면, 팀원이 AI에게 컴포넌트 생성을 요청할 때마다 이 컨벤션이 자동으로 적용된다. CLAUDE.md가 정적 규칙집이라면, MCP 공유 메모리는 살아있는 팀 지식 그래프다.
주의할 지점도 있다. React 팀이 무분별한 메모이제이션을 경계하듯, MCP 공유 메모리도 과잉 커밋이 독이 된다. 모든 대화 내용을 저장하려 하면 노이즈가 쌓이고 AI의 컨텍스트 라우팅 품질이 떨어진다. 구조적 최적화로 먼저 해결하고 메모이제이션을 선택적으로 적용하라는 원칙처럼, 공유 메모리도 "팀 전체에 지속적으로 가치 있는 지식"만 선별적으로 적립해야 한다. 지식 베이스를 서비스별, 관심사별로 분리하는 것도 같은 이유다.
전망은 분명하다. AI 도구가 개인 생산성 레이어에서 팀 인프라 레이어로 이동하고 있다. Cursor나 Claude Code의 설정 파일이 팀 레포에 커밋되고, MCP 서버가 CI/CD 파이프라인에 연결되고, 새 팀원이 온보딩 첫날부터 6개월치 팀 결정을 AI에게 물어볼 수 있는 환경—이것이 다음 단계의 개발자 경험이다. 코드 품질을 높이는 가장 빠른 방법은 더 좋은 AI를 쓰는 게 아니라, 팀이 쌓은 맥락을 AI가 정확히 읽을 수 있는 구조를 먼저 설계하는 것이다.