AI 코딩 에이전트 거버넌스: LangChain dcode를 NemoClaw 샌드박스에서 실행하는 법

핵심 메시지

• dcode(LangChain Deep Agents Code)는 익숙한 터미널 기반 코딩 에이전트지만, NemoClaw가 관리하는 OpenShell 샌드박스 안에서 돌리면 실행 환경과 접근 범위를 조직이 통제할 수 있다.
• 모델 추론은 Baseten이 제공하는 OpenAI 호환 엔드포인트를 통해 Nemotron 3 Ultra로 처리하고, 에이전트 실행은 샌드박스가 격리한다.
• 설치·온보딩에서 통합 방식(dcode), 추론 제공자(Baseten), 샌드박스 이름, 리소스 프로파일, 정책 등급(balanced)만 고르면 통제된 실행 환경이 프로비저닝된다.
• policy explain·policy list·logs 명령으로 정책 컨텍스트와 실행 로그를 확인할 수 있어, 에이전트 작업에 감사 가능성이 더해진다.
• 핵심은 '에이전트를 노트북에서 직접 돌리는 것'이 아니라, 에이전트 주변에 통제·감사 계층을 두는 것이다.

쉽게 이해하기

영상은 LangChain의 터미널 코딩 에이전트인 dcode(Deep Agents Code)를 NVIDIA NemoClaw가 관리하는 OpenShell 샌드박스 안에서 실행하는 과정을 처음부터 끝까지 보여준다. 개발자는 평소 쓰던 터미널 코딩 에이전트 경험을 그대로 유지하고, 조직은 에이전트가 어디서 무엇에 접근하는지에 대한 통제와 감사 가능성을 얻는 것이 목표다.

설정은 NVIDIA 공식 문서의 공개 설치 프로그램으로 NemoClaw CLI를 설치하는 데서 시작한다. 온보딩 메뉴에서 통합 방식으로 LangChain Deep Agents Code를 고르고, 추론 제공자로는 Baseten의 OpenAI 호환 엔드포인트를 선택한다. Baseten의 기본 URL·API 키·Nemotron 3 Ultra 모델 슬러그를 입력하면 모델 호출 경로가 완성된다. 이어 샌드박스 이름, 리소스 프로파일(OpenShell 기본값), 정책 등급(balanced)을 지정하면 샌드박스가 프로비저닝된다.

실제 작업 검증을 위해 발표자는 샌드박스에 접속해 작은 파이썬 프로젝트를 만든다. 덧셈 함수와, 아직 존재하지 않는 뺄셈 함수를 기대하는 단위 테스트를 넣어 일부러 테스트를 실패시킨 뒤, dcode에게 '이 프로젝트를 살펴보고 가장 작은 합리적인 변경으로 실패 테스트를 고치고, 테스트를 돌린 뒤 무엇이 바뀌었는지 요약하라'고 지시한다. 에이전트는 뺄셈 함수를 생성하고 테스트를 실행해 통과시키며, 사용자는 각 단계를 승인하며 진행한다.

작업 후에는 거버넌스 측면을 보여준다. policy explain으로 활성 프리셋과 승인·조치 동작, 지원 경계를 확인하고, policy list로 온보딩에서 설정한 정책 프리셋 구성을 점검하며, logs 명령으로 마지막 실행 로그를 확인한다. 이런 명령들이 에이전트 실행을 더 감사 가능한 형태로 만든다.

결론적으로 이 워크플로는 dcode라는 친숙한 코딩 에이전트에, NemoClaw의 통제된 OpenShell 샌드박스와 Baseten 추론을 결합한 구성이다. 개발자 생산성과 조직의 통제·감사 요구를 양립시키려는 시도로 볼 수 있다.

주요 인사이트

• 코딩 에이전트 도입의 병목은 '에이전트가 얼마나 똑똑한가'뿐 아니라 '에이전트가 무엇에 접근하고 무엇을 실행하도록 허용되는가'라는 운영·거버넌스 문제이기도 하다.
• 에이전트 실행 환경을 샌드박스로 격리하고 정책 등급을 지정하는 방식은, 조직이 개별 개발자 환경마다 통제를 강제하지 않고도 일관된 경계를 세울 수 있게 한다.
• 모델(추론)과 에이전트 실행(harness)을 분리하고 OpenAI 호환 엔드포인트로 연결하면, 특정 모델·제공자에 대한 결합도를 낮추면서 구성 요소를 교체하기 쉬워진다.
• policy explain·logs 같은 명령으로 정책과 실행 이력을 들여다볼 수 있게 하는 것은, 규제·보안 심사가 필요한 조직에서 에이전트 채택의 실질적 전제 조건이 된다.

자주 묻는 질문

관련 AI 소식