이 게시물은 MSA 환경에서 AI 코딩 도구가 단일 레포 컨텍스트만 보게 되어 숨은 서비스 의존성을 놓치는 한계를 그래프 RAG로 해결하려 했습니다. 컨텍스트 윈도우 한계보다 근본 문제는 “A를 바꾸면 B에 영향”을 추적하는 관계 탐색 부족이며, 벡터 기반 RAG는 멀티홉 의존성 발견에 적합하지 않다고 설명합니다. 이에 Channel Knowledge라는 살아있는 지식 그래프를 구축하고, 코드에서 API/DB/큐/이벤트를 추출(Layer 1)한 뒤 도메인 의미를 LLM+전문가 검수로 보강(Layer 2)하여 Neo4j에 저장합니다. AI 도구가 그래프를 조회할 수 있도록 MCP 서버를 두고, 엔티티 변경 시 직접/간접 영향 서비스와 영향 API·워크플로우를 멀티홉으로 즉시 반환하도록 했습니다. Git 기반 SSOT로 지식 변경 이력과 Neo4j 동기화를 관리하며, 정적 문서가 아니라 코드 변경에 맞춰 증분 분석으로 그래프를 최신화하는 방향을 제시합니다.