에이전틱 코딩 기본기 정리: 모델과 하니스, 에이전트 그리고 컨텍스트 엔지니어링의 실체

핵심 메시지

• AI 코딩 도구는 모델, 추론 공급자, 하니스라는 세 층위로 나뉘며 그중 성능의 대부분은 모델이 좌우한다.
• 하니스는 텍스트만 뱉는 모델이 실제로 파일을 읽고 명령을 실행하게 만드는 실행 껍데기이며, 모델과 조합해 바꿔 쓸 수 있다.
• 도구 호출은 모델이 직접 실행하는 것이 아니라 '이걸 하고 싶다'는 의도만 내놓고 하니스가 대신 실행한 뒤 결과를 되먹이는 구조다.
• AGENTS.md와 스킬은 특별한 기술이 아니라 그냥 마크다운 텍스트이며, 많이 깔수록 좋아지는 것이 아니라 유지 비용이 붙는다.
• 뒤처졌다는 불안에 휩쓸릴 필요 없이 하나를 골라 직접 써보며 감을 잡는 편이 낫다.

쉽게 이해하기

발표자는 에이전틱 코딩 생태계에 쏟아진 용어들부터 문제 삼는다. 하니스, 컨텍스트 엔지니어링 같은 말은 불과 몇 년 전만 해도 아무 의미가 없었는데, 이제는 그 뜻을 다 알고 있어야 한다는 압박이 생겼다는 것이다. 그는 링크드인이나 새 상사가 '뒤처졌다'고 말하더라도 실제로는 그렇지 않다고 선을 긋는다. 생태계 자체가 1년 전과 다르고 1년 뒤에도 또 달라질 것이므로, 유행을 좇기보다 변하지 않는 기본기를 붙잡는 편이 낫다는 게 발표의 전제다.

그가 제시하는 기본 구조는 세 덩어리다. 첫째는 모델이다. GPT 계열, 클로드 계열, 제미나이 계열처럼 두뇌 역할을 하며 전체 성능의 95%를 차지한다. 주변을 아무리 잘 꾸며도 모델이 원하는 대로 작동하지 않으면 소용이 없다는 것이다. 둘째는 추론 공급자로, 모델을 직접 호스팅하는 회사도 있지만 여러 모델을 대신 서빙하는 사업자도 있고 로컬 실행도 가능하다. 셋째가 하니스다.

발표에서 가장 힘을 준 단어가 바로 하니스다. 모델은 텍스트를 넣으면 텍스트가 나오는 기계일 뿐이어서 그 자체로는 아무것도 못 한다. 하니스는 그 모델이 파일을 읽고 터미널 명령을 돌리고 웹을 가져오게 만드는 껍데기이고, 여기에 시스템 프롬프트와 도구 목록이 붙으면 우리가 흔히 말하는 에이전트가 된다. 이론상으로는 좋아하는 모델과 원하는 하니스를 섞어 쓸 수 있다. 회사가 특정 기업 계약을 맺고 있다면 그쪽 모델을, 내 컴퓨터에서 도는 클라이언트는 뜯어볼 수 있는 오픈소스를 고르는 식이다.

도구가 실제로 어떻게 작동하는지도 코드로 보여준다. 파일을 읽는 함수를 선언할 때 정작 그 안에 구현이 없다는 점이 핵심이다. 모델에게 넘어가는 것은 도구의 이름과 설명, 파라미터 같은 텍스트뿐이고, 모델은 학습을 통해 도구 호출을 아주 잘 흉내 내지만 실행 능력은 없다. 모델은 의도를 반환하고, 하니스가 그것을 받아 파일을 읽은 뒤 결과를 다시 모델에게 먹인다. 이 되먹임이 생기는 순간 작업 방식이 바뀐다. 챗봇처럼 질문하고 코드를 복사해 붙이는 방식은 사람이 루프의 큰 부분을 차지하지만, 에이전트에게 목표를 주면 스스로 코드베이스를 뒤지고 테스트를 돌려 그 결과를 보고 다시 움직인다.

실전 조언은 단순하다. 무엇이든 텍스트로 바꿀 수 있으면 잘 풀린다는 것이다. 그는 코드베이스의 의존 관계를 그림으로 보고 싶었을 때 디자인 도구를 켜서 직접 그리는 대신 다이어그램용 마크업 언어를 쓰게 해 그때그때 생성하도록 했다. 문서도 마찬가지여서, 깊숙한 사내 위키나 워드 파일에 묻혀 있으면 에이전트가 접근하기 어려우니 코드베이스 안에 마크다운으로 두라고 권한다. 사람이 읽고 이해할 수 있으면 모델도 대개 읽고 이해한다는 것이 판단 기준이다.

컨텍스트와 스킬에 대한 시각도 냉정하다. 컨텍스트 엔지니어링이라는 말이 유행하지만 실체는 모델에게 어떤 텍스트를 밀어 넣느냐일 뿐이고, 새 동료에게 업무를 브리핑하듯 접근하면 된다는 것이다. AGENTS.md에는 '테스트 전에 이 명령을 먼저 실행하라' 같은 프로젝트 고유 정보나 도메인 용어집을 담고, 타입스크립트 사용법처럼 똑똑한 새 동료가 이미 아는 내용은 넣지 말라고 조언한다. 링크드인에서 자랑하는 수천 개의 스킬도 열어보면 결국 마크다운이었다며, 처음에는 가볍게 시작하고 너무 자주 방향을 잡아줘야 할 때만 하나씩 붙이라고 권한다. MCP 역시 각주 취급인데, 그냥 도구일 뿐이고 모델은 명령줄에도 능숙해서 깃허브 풀 리퀘스트를 열려고 전용 MCP를 붙일 필요 없이 CLI를 쓰면 되는 경우가 많다는 것이다.

주요 인사이트

• 성능의 대부분이 모델에서 나온다는 진단은, 프롬프트 기법이나 도구 조합을 아무리 정교하게 다듬어도 모델이 못 하는 일은 여전히 못 한다는 뜻이다. 주변 장치를 늘리기 전에 모델 선택부터 점검하는 편이 비용 대비 효과가 크다.
• 모델이 도구를 '실행'하는 것이 아니라 실행 의도만 반환한다는 사실은 안전 문제와 바로 연결된다. 실제로 파일을 지우거나 명령을 돌리는 주체는 내 컴퓨터에서 도는 하니스이므로, 통제해야 할 지점도 모델이 아니라 하니스 쪽이다.
• 발표자는 모델이 블랙박스인 것은 감수할 수 있어도 하니스까지 블랙박스가 되는 것은 반대한다고 밝혔다. 공급자·하니스·모델이 한 회사로 묶여 사용자가 하니스를 손댈 수 없게 되는 방향은 생태계에 좋지 않다는 문제 제기다.
• 스킬과 MCP를 많이 설치할수록 좋아진다는 통념과 달리, 발표자는 AGENTS.md가 매번 프롬프트에 주입되고 스킬도 유지 비용이 붙는다는 점을 지적한다. 필요할 때 하나씩 늘리는 쪽이 현실적이다.

자주 묻는 질문

관련 AI 소식