VILA-Lab/Dive-into-Claude-Code

해결하는 문제

이 프로젝트는 Claude Code 에이전트에 대한 심층 아키텍처 분석을 제공하며, 코드의 대부분(98.4%)이 AI 추론이 아닌 결정적 인프라에 사용된다는 것을 밝힙니다. 권한, 컨텍스트, 도구 실행을 관리하는 데 필요한 복잡한 "하네스"를 분석하여 개발자가 안정적이고 안전하며 확장 가능한 AI 에이전트 시스템을 구축하는 방법을 이해하도록 돕습니다.

작동 방식

이 저장소는 Claude Code 시스템을 계층형 아키텍처로 분해합니다. 에이전트가 "ReAct" while 루프를 통해 작동하며 턴마다 9단계 파이프라인을 관리하는 방법을 설명합니다. 이 파이프라인은 컨텍스트 조립, 도구 디스패치, 권한 실행, 복구 로직까지 모든 것을 처리합니다. 이 프로젝트는 이러한 기술적 구현을 5가지 핵심 인간 가치와 13가지 설계 원칙에 매핑하여 에이전트 시스템을 구조화하는 방법에 대한 청사진을 제공합니다.

대상 독자

• 에이전트 빌더: 자신만의 AI 에이전트를 설계하고 프로덕션급 아키텍처에서 배우고자 하는 사람들.
• 보안 연구원: 자율 시스템에서 안전 계층과 권한 게이트를 구현하는 방법에 관심이 있는 전문가들.
• 제품 관리자: AI 지원 도구 구축에 관련된 설계 원칙과 트레이드오프를 이해하려는 리더들.
• 연구자: 현재 및 미래 AI 에이전트 시스템의 설계 공간을 연구하는 학자들.

주요 특징

• 인프라 중심 설계: 코드베이스의 98.4%가 결정적 인프라이고 AI 결정 로직은 1.6%에 불과함을 보여줍니다.
• 안전 우선 아키텍처: 7개의 독립적인 안전 계층과 "기본 거부" 권한 시스템을 자세히 설명합니다.
• 포괄적인 설계 가이드: 컨텍스트 관리, 하위 에이전트 위임, 세션 지속성을 포함한 에이전트 구축에 대한 실행 가능한 지침을 제공합니다.
• 교차 시스템 분석: Claude Code를 OpenClaw 및 Hermes-Agent와 같은 다른 시스템과 비교하여 업계 전반의 설계 패턴을 강조합니다.
• 확장성 프레임워크: 후크, 스킬, 플러그인, MCP(모델 컨텍스트 프로토콜)를 사용하여 에이전트 기능을 확장하는 방법을 설명합니다.