루프 엔지니어링이란 — AI 코딩의 다음 단계, 트리거와 목표로 에이전트 자동화

핵심 메시지

• 루프는 프롬프트를 일일이 입력하는 대신 트리거와 검증 가능한 목표를 설계해, 에이전트가 목표에 도달할 때까지 스스로 반복하게 하는 방식이다.
• Peter Steinberger와 Boris Cherny의 발언을 계기로 AI 코딩 업계에서 "루프"가 화제가 됐다.
• 루프의 트리거는 크게 세 가지다: PR 생성 같은 이벤트, 스케줄(크론), 그리고 사람이 직접 시작하는 것.
• 자동화와 루프의 차이는 "판단"에 있다. 루프는 목표 달성 여부를 스스로 결정하는 단계를 포함한다.
• 루프는 강력하지만 토큰 비용이 매우 크고 설정이 어려워, 현재는 토큰 예산이 넉넉한 극소수만 실전에서 활용한다.

쉽게 이해하기

영상은 최근 AI 코딩 업계에서 갑자기 화제가 된 "루프"라는 개념을 설명한다. OpenAI의 Peter Steinberger와 Anthropic의 Boris Cherny가 비슷한 시기에 "더 이상 코딩 에이전트에 직접 프롬프트를 넣지 말고, 에이전트에게 프롬프트를 주는 루프를 설계하라"고 말하면서 주목받았다.

루프는 두 가지 요소만 있으면 된다. 하나는 트리거, 다른 하나는 검증 가능한 목표다. 목표 검증은 테스트 통과 같은 결정론적 방식일 수도, "목표가 달성됐는가"를 LLM이 판단하는 비결정론적 방식일 수도 있다. 발표자는 이 구조가 검증 가능한 보상을 쓰는 강화학습과 닮았다고 설명한다.

실제 사례로는 커서의 Automations 기능에서 PR이 열릴 때마다 에이전트가 코드를 리뷰하고 문제를 고쳐 같은 PR에 커밋하며 테스트와 CI를 통과시키도록 설정하는 방식을 보여 준다. 클로드 코드에는 /loop 기능이 있어 "5분마다 스펙과 비교해 완성될 때까지 계속 빌드하라"처럼 주기와 목표를 지정할 수 있다.

다만 목표가 추상적일수록 루프는 어려워진다. 테스트 통과처럼 명확히 검증되는 목표와 달리 "이 기능을 완성하라" 같은 목표는 최종 상태를 사람이 미리 정의해야 하므로, 탐색하며 만들어 가는 개발 과정과 충돌한다. 잘못 설정하면 에이전트가 무한정 토큰을 소모할 위험도 있다.

발표자는 비용과 설정 난이도라는 한계를 분명히 짚는다. 루프는 사람을 코드 작성에서 멀어지게 할수록 토큰 소비가 커진다. Steinberger가 월 130만 달러의 토큰을 썼다는 예시처럼, 사실상 무제한 토큰을 쓸 수 있는 상위 극소수만 지금 실험할 수 있다. 그럼에도 이것이 소프트웨어 엔지니어링의 미래라고 본다.

주요 인사이트

• 엔지니어의 역할이 "코드를 짜는 사람"에서 "코드를 짜는 공장을 설계하는 사람"으로 옮겨갈 수 있다는 관점이 핵심이다.
• 루프의 성패는 목표를 얼마나 검증 가능하게 정의하느냐에 달려 있다. 결정론적 목표는 쉽지만, 추상적 목표는 무한 반복과 비용 폭증의 위험을 키운다.
• 오늘 비싼 기술은 내일 저렴해진다는 기술 확산의 역사에 비추어, 지금은 비싸도 루프의 작동 원리를 이해해 두는 것 자체가 가치가 있다.
• 자동화와 루프를 구분하는 기준은 반복 실행 여부가 아니라, 목표 도달 여부를 스스로 "판단"하는 단계의 유무다.

자주 묻는 질문

관련 AI 소식