ModelContextProtocol 서버는 AI 코딩 도구나 에이전트가 API, 서비스, 라이브러리 등에 대한 문서에 접근할 수 있도록 합니다. 에이전트가 문서를 빠르고 효율적으로 최신 상태로 유지할 수 있는 원스톱 서비스입니다.

자세한 내용은 ref.tools를 참조하세요.

정확히 맞는 맥락을 찾기 위한 에이전트 탐색

Ref의 도구들은 가능한 한 적은 컨텍스트를 사용하면서 모델이 검색하는 방식을 맞추도록 설계되어 맥락 부패를 줄입니다. 목표는 최소 토큰을 사용하면서 코딩 에이전트가 성공하기 위해 정확히 필요한 컨텍스트를 찾는 것입니다.

프롬프트의 복잡성에 따라, Claude Code 같은 LLM 코딩 에이전트는 보통 하나 이상의 검색을 한 뒤 몇 가지 자료를 선택해 더 깊이 읽습니다.

Figma의 Comment REST API에 대한 간단한 쿼리를 위해 몇 번 호출을 하면 정확히 필요한 정보를 얻을 수 있습니다:

더 복잡한 상황에서는 결과를 읽으면서 프롬프트를 다듬으려 합니다. 예를 들어:

Ref는 MCP 세션을 활용해 검색 경로를 추적하고 맥락 사용을 최소화합니다. 더 많은 아이디어가 떠오르고 있지만, 지금까지 구현한 것들을 소개합니다.

1. 검색 결과 필터링

Ref MCP

A ModelContextProtocol server that gives your AI coding tool or agent access to documentation for APIs, services, libraries etc. It’s your one-stop-shop to keep your agent up-to-date on documentation in a fast and token-efficient way.

For more see info ref.tools

Agentic search for exactly the right context

Ref’s tools are designed to match how models search while using as little context as possible to reduce context rot. The goal is to find exactly the context your coding agent needs to be successful while using minimum tokens.

Depending on the complexity of the prompt, LLM coding agents like Claude Code will typically do one or more searches and then choose a few resources to read in more depth.

For a simple query about Figma’s Comment REST API it will make a couple calls to get exactly what it needs:

SEARCH 'Figma API post comment endpoint documentation' (54 tokens)
READ https://www.figma.com/developers/api#post-comments-endpoint (385 tokens)

For more complex situations, the LLM will try to refine it’s prompt as it reads results. For example:

SEARCH 'n8n merge node vs Code node multiple inputs best practices' (126)
READ https://docs.n8n.io/integrations/builtin/core-nodes/n8n-nodes-base.merge/#merge (4961)
READ https://docs.n8n.io/flow-logic/merging/#merge-data-from-multiple-node-executions (138)
SEARCH 'n8n Code node multiple inputs best practices when to use' (107)
READ https://docs.n8n.io/code/code-node/#usage (80)
SEARCH 'n8n Code node access multiple inputs from different nodes' (370)
SEARCH 'n8n Code node $input access multiple node inputs' (372)
READ https://docs.n8n.io/code/builtin/output-other-nodes/#output-of-other-nodes (2310)

Ref takes advantage of MCP sessions to track search trajectory and minimize context usage. There’s a lot more ideas cooking but here’s what we’ve implemented so far.

1. Filtering search results

For repeated similar searches in a session, Ref will never return repeated results. Traditionally, you dig farther in to search results by paging to the next result but this approach allows the agent to page AND adjust the prompt at the same time.

2. Fetching the part of the page that matters