2026년 지식 관리에서 가장 큰 변화는 새로운 앱이 아닙니다 — AI 에이전트가 이제 당신의 노트를 읽을 수 있다는 것입니다.

MCP(Model Context Protocol)를 통해 Claude Code 같은 도구들이 Obsidian 볼트에 직접 연결됩니다. 저장한 모든 기사, 작성한 모든 노트가 AI 어시스턴트를 당신의 작업에 대해 더 스마트하게 만드는 컨텍스트가 됩니다.

이것이 실제로 무엇을 의미하는지, 그리고 어떻게 설정하는지 설명합니다.

왜 이것이 중요한가

MCP 이전에는 AI와 노트를 함께 사용하려면 복사 붙여넣기를 해야 했습니다. 몇 단락을 가져와 ChatGPT에 붙여넣고 질문했습니다. 작동했지만 확장되지 않았습니다.

이제 AI 에이전트는:

전체 볼트를 검색해 관련 노트를 찾을 수 있습니다
여러 저장된 기사를 교차 참조할 수 있습니다
수십 개의 소스에 걸쳐 정보를 합성할 수 있습니다
처음부터 시작하지 않고 기존 연구를 바탕으로 구축할 수 있습니다

함정은? 노트가 AI가 읽을 수 있는 형식이어야 합니다. 그 형식이 마크다운입니다.

스택

웹 콘텐츠 → Save (깔끔한 마크다운) → Obsidian 볼트 → MCP → AI 에이전트

각 부분의 역할:

Save는 지저분한 웹 페이지를 깔끔하고 구조화된 마크다운으로 변환
Obsidian은 마크다운 파일을 로컬에 저장하고 구성
MCP는 AI 에이전트에게 볼트에 대한 읽기 접근 권한 부여
Claude Code (또는 MCP 호환 에이전트)가 지식 베이스를 쿼리

Obsidian에 MCP 설정

사전 요구사항

콘텐츠가 있는 Obsidian 볼트
Claude Code 설치 (npm install -g @anthropic-ai/claude-code)
파일시스템 접근을 위한 MCP 서버

볼트 연결

MCP를 통해 볼트에 접근하도록 Claude Code 구성:

claude mcp add obsidian-vault -- npx -y @anthropic-ai/files-mcp /path/to/your/vault

이제 Claude Code가 볼트의 모든 파일을 읽을 수 있습니다.

테스트

Claude Code를 열고 물어보세요:

React 성능에 대한 노트가 있나요?

볼트에 관련 콘텐츠가 있다면, Claude가 찾아서 읽고 당신의 저장된 지식을 기반으로 답변을 합성합니다.

마크다운이 핵심인 이유

이 전체 워크플로우는 한 가지에 달려 있습니다: 노트가 마크다운이어야 한다는 것입니다.

마크다운은 일반 텍스트 — 어떤 AI든 특별한 파서 없이 읽을 수 있습니다
마크다운은 구조를 보존 — 제목, 목록, 코드 블록, 링크 모두 의미를 가집니다
마크다운은 가볍습니다 — AI가 수백 개의 마크다운 파일을 빠르게 처리할 수 있습니다
마크다운은 범용적 — 벤더 종속성 없음, 어떤 도구와도 작동

이것이 웹 클리핑 단계가 중요한 이유입니다. PDF로 웹 콘텐츠를 저장하면 AI가 파싱하기 어렵습니다. HTML로 저장하면 노이즈가 너무 많습니다. 마크다운이 최적점입니다.

실제 사용 사례

연구 합성

몇 주 동안 한 주제에 대한 기사를 저장해왔습니다:

"서버리스 아키텍처에 관해 저장한 15개의 기사를 바탕으로,
언급된 주요 비용 최적화 전략은 무엇인가요?"

Claude가 볼트를 검색하고, 관련 노트를 읽고, 특정 기사에 대한 참조와 함께 합성된 답변을 제공합니다.

글쓰기 지원

블로그 포스트를 쓰면서 지지 증거가 필요합니다:

"저장된 콘텐츠에서 로컬 우선 소프트웨어가 성장하고 있다는
주장을 지지하는 예시를 찾아주세요."

Claude가 볼트에서 관련 인용구와 데이터 포인트를 가져옵니다.

의사 결정

프로젝트를 위한 도구를 평가 중입니다:

"Postgres 호스팅 프로바이더 비교 기사를 저장했습니다.
저장된 연구를 바탕으로 Neon, Supabase, PlanetScale 간의 트레이드오프를 요약해주세요."

모든 것을 다시 읽는 대신, 이미 수집한 것에 맞춤화된 합성 결과를 받습니다.

AI를 위한 더 나은 지식 베이스 구축

모든 볼트가 AI 에이전트에게 동등하게 유용한 것은 아닙니다. 최적화 방법:

설명적인 파일명 사용

# 좋음
react-server-components-performance-guide.md
nextjs-vs-remix-routing-comparison-2026.md

# 나쁨
note-2026-03-15.md
untitled-4.md

AI 에이전트는 파일을 읽기 전에 파일명을 사용해 어떤 노트가 관련 있는지 결정합니다.

프론트매터 추가

---
title: "React 서버 컴포넌트 성능 가이드"
source: "https://example.com/rsc-guide"
clipped: 2026-03-15
tags: [react, performance, server-components]
---

구조화된 메타데이터는 AI 에이전트가 노트를 필터링하고 우선순위를 정하는 데 도움이 됩니다.

깨끗한 콘텐츠 저장

여기서 Save가 가장 큰 차이를 만듭니다. Save로 저장된 웹 콘텐츠는 이미:

제목 계층과 함께 적절히 구조화됨
광고, 내비게이션, 쿠키 배너 없음
깨끗한 마크다운 구문으로 형식화됨
관련 메타데이터 포함

주제별로 구성

vault/
  references/
    react/
    nextjs/
    ai/
    devops/
  projects/
    my-saas-app/
    blog/

주제 기반 구성은 AI 에이전트가 검색을 빠르게 좁히는 데 도움이 됩니다.

복리 효과

매주 Save로 몇 개의 기사를 저장하고 Obsidian에 넣습니다. 한 달 후 볼트에는 20-30개의 잘 포맷된 참조 노트가 있습니다. 6개월 후에는 100개 이상.

그 시점에서 AI 에이전트는 어떤 일반 LLM도 맞출 수 없는 개인화된 지식 베이스를 갖게 됩니다. 당신이 읽은 것, 당신이 관심 있는 것, 당신의 프로젝트가 필요로 하는 것을 알고 있습니다.

이것이 Obsidian + AI 에이전트 워크플로우의 진정한 약속입니다: 시간이 지남에 따라 당신의 특정 컨텍스트에 대해 점점 더 스마트해지는 AI.

시작하기

깔끔한 웹 클리핑을 위해 Save 설치
references/ 폴더가 있는 Obsidian 볼트 설정
MCP를 통해 Claude Code 연결
저장 시작 — 클리핑하는 모든 기사가 AI의 컨텍스트의 일부가 됩니다

설정에 10분이 걸립니다. 지식은 영원히 축적됩니다.