AI 에이전트 툴링의 폭발적 성장
AI 에이전트의 발전 속도가 매우 빠릅니다. 어떤 주에는 사람들이 채팅에 대해 이야기하고, 그다음 주에는 당신이 잠든 사이 기능을 구현하는 에이전트에 대해 이야기합니다.
최근 한 새로운 플러그인이 3주 만에 73,000개의 GitHub 스타를 획득했습니다. 이는 단순한 유행이 아닙니다. 소프트웨어를 구축하는 방식의 근본적인 변화입니다.
저는 가장 인기 있는 오픈 소스 에이전트 도구들을 연구했습니다. 단 5개의 프로젝트만으로도 거의 500,000개의 스타를 보유하고 있습니다. 이들은 서로 경쟁하는 것이 아니라, 동일한 문제의 서로 다른 부분들을 해결합니다.
데이터는 다음과 같습니다:
• obra/superpowers: 245,614 stars. 에이전트 기술 및 방법론을 위한 프레임워크. • thedotmack/claude-mem: 85,713 stars. 에이전트를 위한 지속성 메모리. • bytedance/deer-flow: 76,027 stars. 리서치 및 코딩을 위한 도구. • DietrichGebert/ponytail: 73,143 stars. 에이전트가 시니어 개발자처럼 생각하도록 만듭니다. • cobusgreyling/loop-engineering: 신규. 엔지니어링 루프 프레임워크.
이 도구들은 우리에게 다섯 가지 교훈을 줍니다:
코드를 적게 작성하십시오. 대부분의 도구는 양에 집중합니다. 가능한 한 많은 코드를 생성하려고 합니다. 하지만 최고의 도구는 가치에 집중합니다. Ponytail이라는 도구는 에이전트가 게으른 시니어 개발자처럼 행동하도록 가르칩니다. 코드를 작성하기 전에 변경이 정말 필요한지 먼저 묻습니다. 가장 빠른 코드는 작성하지 않은 코드입니다.
구조가 똑똑한 모델보다 중요합니다. 에이전트에게 단순히 기능을 만들어 달라고 요청할 수는 없습니다. 프로세스가 필요합니다. 성공적인 도구들은 다음과 같은 구조화된 라이프사이클을 사용합니다:
- Spec: 무엇을 만들지 정의합니다.
- Plan: 작업을 단계별로 나눕니다.
- Implement: 단계별로 코드를 작성합니다.
- Review: 리뷰를 자동화합니다.
- Refactor: 발견된 사항을 바탕으로 개선합니다.
에이전트에게는 메모리가 필요합니다. 일반적인 에이전트는 5분 전에 무엇을 했는지 잊어버립니다. Claude-mem과 같은 도구는 에이전트에게 '두뇌'를 제공합니다. 이들은 서로 다른 세션에 걸쳐 프로젝트 패턴과 결정 사항을 저장합니다. 이를 통해 같은 작업을 반복하는 것을 방지할 수 있습니다.
중간 계층에 집중하십시오. 어떤 에이전트를 사용할지만 고민하지 마십시오. 진정한 가치는 스택의 중간에 있습니다:
- Skills: 에이전트의 행동 방식.
- Memory: 기억 방식.
- Orchestration: 작업 관리 방식.
- 보안은 중대한 리스크입니다. 많은 에이전트가 시스템 프롬프트를 유출합니다. 에이전트가 코드나 자격 증명(credentials)에 접근할 수 있다면 이는 매우 위험합니다. 샌드박스 환경을 사용하고 에이전트에게 필요한 최소한의 권한만 부여하십시오.
미래는 하나의 슈퍼 에이전트가 아닙니다. 미래는 함께 작동하는 도구들의 스택입니다.
Optional learning community: https://t.me/GyaanSetuAi