코딩 에이전트 만드는 법

https://news.hada.io/topic?id=22706

ChatGPT 요약

• 핵심 요지: 300줄 정도의 간단한 코드와 LLM 기반의 토큰 루프로 구성되는 코딩 에이전트를 직접 만들어보는 것이, 2025년 현재 AI 시대에 개인 개발자로 성장할 수 있는 최적의 프로젝트 중 하나입니다.

• 에이전트의 구성 요소:

  • 주요 기능으로 파일 읽기(ReadFile), 디렉터리 목록 조회(ListFiles), 쉘(Bash) 실행, 파일 편집(Edit), 코드 검색(CodeSearch) 등을 포함합니다.

  • 이러한 구성 요소들은 대부분 ripgrep 같은 기존 오픈소스 도구를 기반으로 작동합니다.

• 모델 선택:

  • Claude Sonnet, Kimi K2처럼 agentic 특성을 가진 모델이 적합하며, 필요 시 GPT 같은 오라클(oracle) 모델을 연결해 고차원적 검증 기능으로 활용할 수 있습니다.

  • 모든 LLM이 에이전트로서 유사한 성능을 보이는 것은 아니며, 모델의 특성을 잘 이해하고 선택해야 합니다.

• 설계 철학 및 최적화 팁:

  • “Less is more” 원칙을 강조하며, 맥락 문맥(Context Window)을 지나치게 확장하거나 MCP(Model Context Protocol) 형태의 툴을 과도하게 등록하면 성능이 저하될 수 있습니다.

• 워크숍 & 실습:

  • Geoffrey Huntley가 진행한 무료 워크숍에서는 Roo code, Cline, Amp, Cursor, Windsurf, OpenCode 등 기존 상용 AI 도우미들과의 차이를 비교하며, 실습을 통해 직접 에이전트를 구현하는 과정을 안내합니다. 관련 코드는 GitHub에 공개되어 있습니다.

• 확장 가능성과 오픈소스 사례:

  • GitHub상에는 SST Open Code, mini‑swe‑agent 등 비교적 짧은 코드로 구현된 에이전트 프로젝트들이 존재하며, 구조와 성능 참고에 유용합니다.

  • 직접 제작 경험을 기반으로 한 이해와 활용이, 개발자 개인 또는 조직의 자동화 역량 강화로 이어질 수 있습니다.

• 결론 및 시사점:

  • 핵심은 복잡한 기술이 아니라, 간단한 루프 구조와 도구의 조합입니다. 직접 제작 경험을 쌓음으로써, AI 기술 변화에 능동적으로 대응할 수 있게 됩니다.

  • “AI가 당신의 일을 빼앗는 것이 아니라, AI 에이전트를 사용하는 동료가 더 빠르게 일하는 것이 위협이다.” 이는 개인의 성장 전략이자 시대적 요구입니다.

요약 테이블