Codex-maxxing: AI 에이전트를 지속 가능한 운영 루프(Durable Operating Loops)로 변환하기

전통적인 AI 에이전트와의 상호작용은 주로 일회성(transactional)이었습니다. 단일 프롬프트가 단일 답변을 생성하고, 채팅이 종료되는 순간 컨텍스트가 소실되는 방식입니다. 그러나 현재 "Codex-maxxing"으로의 전환이 일어나고 있습니다. 이는 AI 에이전트를 단순한 챗봇이 아니라, 작업과 병행하며 상태를 유지하고 장기간 자율적으로 작업을 수행하는 지속 가능한 운영 루프(durable operating loops)로 취급하는 관행을 의미합니다.

이 접근 방식은 에이전트를 단순히 사용하는 도구에서, 공유 메모리, 시스템 수준의 액세스, 반복적인 트리거를 활용하여 지속적인 인간의 개입 없이도 추진력을 유지하는 전문적인 생태계 내에 존재하는 협업자로 격상시킵니다.

지속 가능한 워크스트림 구축

일회성 상호작용을 넘어서기 위한 첫 번째 요구 사항은 짧은 채팅에서 **지속 가능한 스레드(durable threads)**로 전환하는 것입니다. 모델에 과부하를 주지 않으면서 긴 스레드를 압축하는 "compaction" 기술을 활용함으로써, 사용자는 특정 워크스트림(예: "Chief of Staff" 스레드 또는 특정 SDK 프로젝트)을 위해 고정된 스레드를 유지할 수 있습니다.

이러한 메가스레드(megathreads)는 수개월 동안 히스토리, 선호도, 결정을 축적하여, 새로운 세션이 시작될 때마다 프로젝트의 상태를 다시 설명해야 하는 번거로움을 없애줍니다. 비록 캐시 미스로 인해 더 높은 계산 비용이 발생할 수 있지만, 여기서 제공되는 연속성은 높은 수준의 지식 작업에 필수적입니다.

입력 레이어: 음성 및 스티어링(Steering)

에이전트 중심 워크플로우의 효율성은 단순히 속도에 관한 것이 아니라, 의도의 충실도(fidelity)에 관한 것입니다.

"정돈되지 않은" 브레인 덤프의 힘

음성 입력은 편집되지 않은 사고의 흐름을 전달할 수 있게 해줍니다. 자연어는 종종 타이핑하기에는 너무 모호하거나 지루할 수 있지만, 컨텍스트가 매우 풍부합니다. 예를 들어, "Slack에서 Ben이라는 사람이 이걸 언급한 것 같은데, 가서 확인해봐"라고 말하는 것은, 텍스트 상자에서는 번거롭게 느껴질 수 있는 조사를 위임하는 자연스러운 방식입니다. 이러한 "정돈되지 않은" 사고 방식은 세련되고 편집된 프롬프트보다 모델에 더 나은 시작 자료를 제공하는 경우가 많습니다.

실시간 스티어링(Real-time Steering)

음성 입력과 "스티어링"을 결합하면 작업 단위가 달라집니다. 스티어링이란 에이전트가 이미 도구 호출(tool call)을 실행 중인 동안 지시 사항을 주입하는 능력입니다. 단계가 끝나기를 기다리는 대신, 사용자는 여러 의도를 큐에 쌓을 수 있습니다: "이걸 더 작게 만들어", "이 카피는 틀렸어", "작업이 끝나면 PR을 올려줘". 이는 상호작용을 중단과 재개로 반복하는 대화가 아니라, 유동적인 지시의 흐름으로 변환합니다.

메모리로서의 아티팩트: Vault 시스템

긴 스레드는 유용하지만, 채팅 내부에 갇힌 메모리는 취약합니다. 진정으로 지속 가능한 AI 에이전트를 만들기 위해서는 메모리가 외부의 검사 가능한 형식으로 직렬화되어야 합니다.

한 가지 효과적인 패턴은 Obsidian vault(또는 이와 유사한 Markdown 기반 시스템)를 공유 메모리 레이어로 사용하는 것입니다. 에이전트가 특정 파일(예: AGENTS.md, 프로젝트 노트 또는 인명부)을 업데이트하도록 지시함으로써, 에이전트의 학습 내용은 편집, diff 확인, 그리고 다양한 스레드에서 재사용할 수 있는 아티팩트(artifact)로 전환됩니다.

이 vault를 GitHub repository에 보관하면 두 가지 중요한 장점을 얻을 수 있습니다:

클라우드 접근성: 에이전트는 어떤 환경에서도 메모리에 접근할 수 있습니다.
Diff를 통한 검토 표면 제공: 에이전트가 vault를 업데이트할 때, 인간은 git diff를 검토하여 에이전트가 무엇을 중요하게 여기며 기억해야 한다고 판단했는지 정확히 확인할 수 있습니다. 이는 "느낌적인 느낌(vibes)의 조용한 축적"을 방지하고 메모리가 사실적이고 구조화된 상태를 유지하도록 보장합니다.

도달 범위 확장: 컴퓨터 사용 및 커넥터

에이전트는 자신이 접촉할 수 있는 인터페이스(surface)만큼만 유용합니다. 워크플로우 설계 시 접근 권한의 수준을 구분하는 것은 매우 중요합니다:

$browser: 로컬 웹 인터페이스를 검사하고 주석을 다는 데 사용됩니다.
@chrome: 인증된 세션과 여러 탭을 병렬로 관리하는 데 사용됩니다.
@computer: 데스크톱 애플리케이션의 GUI 기반 작업에 사용됩니다.

이러한 기능들이 Slack, Gmail, Calendar와 같은 커넥터와 결합될 때, 에이전트는 업무가 논의되는 곳(커뮤니케이션 도구)과 업무가 실행되는 곳(코드 및 문서) 사이의 간극을 메워줍니다.

하트비트(Heartbeats)를 통한 자율 실행

"하트비트"는 고정된 스레드를 수동적인 어시스턴트에서 능동적인 에이전트로 변환하는 메커니즘입니다. 정기적인 체크를 예약함으로써, 스레드는 특정 트리거를 감찰시킵니다. 그리고 이를 자율적으로 수행합니다.

사용 사례 예시:

Chief of Staff: 30분마다 Slack과 Gmail을 확인하고, 질문에 대한 답변을 조사하고, 사람의 검토를 위한 초안을 초안 작성합니다.
Feedback Loops: 비디오 렌더링에 대한 피드백백을 Slack 스레드에서 모니터링하고, Remotion에서 새로운 렌더링을 트리거하고, @computer 제어를 통해 결과를 업로드합니다.
Administrative Automation: 고객 지원 채팅을 모니터링하고, 인간 에이전트가 세션에 참여할 때 환불을 협정하는 자동화 프로세스입니다.

검증 및 "Goal" 프레임워크

에이전트가 더 자율성을 갖게 될수록, "vibe-coding"—에이전트가 겉보기에는 올바르게 보이지만 기능적으로는 고장 난 결과물을 만들어내는 현상—의 위험이 커집니다. 이를 방지하기 위해, Goals라는 개념은 에이전트가 반드시 충족해야 하는 성공 기준(oracle)을 도입합니다.

예를 들어, 라이브러리를 Python에서 Rust로 마이그레이션하는 것은...