00:00:00또 다른 코딩 에이전트에 대해 이야기해야겠네요. 알고 있습니다, 이미 관련 영상들을
00:00:07만들었다는 걸요. Claude Code와 Codex에 대한 강의도 만들었죠. 둘 다 정말 훌륭하니까요. 물론
00:00:15Cursor와 GitHub Copilot도 있고, 그에 대한 강의도 있습니다. 링크는 아래에서 확인하세요. 하지만 오늘은
00:00:21Pi 코딩 에이전트에 대해 이야기하고 싶습니다. 단순한 코딩 에이전트 그 이상이기 때문이죠.
00:00:31다시 말씀드리지만, 이 도구들 모두 목적지에 데려다줄 겁니다. 틀리거나 맞느냐의 선택 문제는 아니에요.
00:00:38이 상황이 마치 2019년의 프레임워크 전쟁, 자바스크립트 프레임워크 전쟁처럼 느껴질 수 있다는 점 충분히 이해합니다.
00:00:46매주 새롭고 화려한 도구가 쏟아져 나오니까요. 네, 어느 정도는 그런 면이 있다고
00:00:53생각합니다. 하지만 그때와 마찬가지로, 솔직히 말해서 어떤 것을 선택하느냐는
00:01:00그다지 중요하지 않습니다. 이 영상은 유료 광고도 아니고, 관련 강의도 없습니다.
00:01:06그저 진심으로 이 Pi 코딩 에이전트가 여러분이 살펴볼 만한 도구라고 생각할 뿐입니다.
00:01:13Codex나 Claude Code, 또는 Open Code와 달리, 이 도구는 별도의 구독 모델이
00:01:20따로 있지 않습니다. Open Code의 경우, 다른 구독 서비스(Codex 등)를 연결하거나
00:01:27사용한 만큼 지불하는 방식으로 구독 없이 쓸 수 있죠. Pi 코딩 에이전트도
00:01:32종량제(pay-per-use)로 결제하거나 다른 구독 서비스를 연동해서 사용해야 합니다. 예를 들어,
00:01:39저는 시스템에 설치한 뒤 제 Codex 구독 정보를 연동해 사용 중입니다. Codex 앱이나
00:01:45Codex CLI에서 쓰던 구독을 여기서도 쓸 수 있는 거죠. Anthropic의 Claude Code 구독도
00:01:50연동 가능하다고는 들었지만, 그쪽에서 그런 방식을 선호하지 않아 계정이 정지될 수도 있다고
00:01:55알고 있습니다. 자, 그럼 이 Pi라는 녀석은 무엇이 그렇게 특별할까요? 왜 일반적인
00:02:00Codex CLI 대신 이걸 써야 할까요? 몇 가지 이유가 있습니다. 우선,
00:02:08이 Pi 에이전트는 긍정적인 의미에서 굉장히 가볍고 단순합니다. 시스템 프롬프트가
00:02:20매우 최소화되어 있고, 제공되는 도구도 몇 개 안 됩니다. 기본적으로는,
00:02:28읽기(read), 쓰기(write), 수정(edit), 그리고 bash 도구만 제공되는 것으로 압니다. 그리고 bash 도구가
00:02:36가장 강력하죠. bash 도구만 있다면 사실상 모든 것에 접근할 수 있기 때문입니다.
00:02:44단순히 커맨드 라인을 통해 시스템 전체와 머신 전체를 제어할 수 있고,
00:02:50거기서 수많은 다른 도구들을 호출할 수 있으니까요. 그리고 알고 보니,
00:02:55제가 다른 영상에서도 다뤘듯이, 현재로서는 CLI(커맨드 라인 인터페이스)가 코딩 에이전트에게
00:03:03제공해야 할 핵심 요소인 것 같습니다. 에이전트들은 처음 보는 CLI조차도
00:03:10매우 능숙하게 다루기 때문이죠. 물론 CLI나 타인이 만든 도구들을 통해
00:03:15에이전트는 컴퓨터에서 수많은 일을 할 수 있습니다. HTTP 요청을 보낼 수도 있고,
00:03:21스크립트를 만들고 실행하거나 JSON 데이터를 파싱하는 등 온갖 작업을 수행합니다.
00:03:29이것이 Pi 에이전트의 철학입니다. 매우 미니멀하지만, bash라는 가장 강력한 도구에
00:03:35접근 권한을 주어 사실상 무엇이든 할 수 있게 만드는 것이죠. 여기에
00:03:41내장된 가볍고 간결한 시스템 프롬프트가 결합되어, 컨텍스트 윈도우가
00:03:50지저분하지 않으면서도 사용자가 원하는 대로 유연하게 작동하는 에이전트가 됩니다.
00:03:57그들의 철학은 많은 기능을 쑤셔 넣는 대신,
00:04:04확장성이 뛰어난 에이전트를 제공하는 것입니다. “확장 프로그램(extensions)”이라는 걸 설치할 수 있는데, 나중에 다시 설명하죠.
00:04:10또한 에이전트 기술(skills)을 사용할 수 있습니다. 여기서는 일종의 표준처럼 통용되는 방식을
00:04:17말하는 건데, 도구마다 구현 방식은 다를 수 있습니다. 하지만 핵심 아이디어는
00:04:24기술 디렉토리와 skill.md 파일을 두고, 그 안에 프롬프트나 추가 컨텍스트를 담는 것입니다.
00:04:31이것들은 미리 다 불러오는 게 아니라, 에이전트가 수행 중인 작업에 따라 필요할 때만 불러옵니다.
00:04:39예를 들어, 현재 실행 중인 Pi 세션에는
00:04:46제가 설정해둔 여러 기술이 로드되어 있습니다. 개인적으로 테스트해본 전역 기술들과
00:04:53코드 리서치 기술처럼 아주 유용한 기술들이 있죠. 이걸
00:04:59살펴보면, 이름과 설명이 적힌 단순한 마크다운 파일일 뿐입니다. 여기서 설명(description) 부분은
00:05:03매우 중요합니다. 결국 에이전트가 이 설명을 보고
00:05:08해당 기술을 활성화하고 사용할지 결정하기 때문입니다. 이름과 설명에 따라
00:05:16기술이 현재 작업에 관련 있다고 판단할 때만 파일의 나머지 내용을 불러오게 됩니다. 그리고,
00:05:21그 내용은 일종의 추가 컨텍스트나 프롬프트입니다. 제 코드 리서치 기술의 경우,
00:05:26Pi나 Codex 같은 에이전트가 이 기술을 로드했을 때 코드 조사를
00:05:32어떻게 수행해야 하는지 알려줍니다. 예를 들어 Peter Steinberger가 만든 MC Porter 도구를 사용해
00:05:38deep-wiki MCP 서버 같은 다른 MCP 서버를 활용하라고 지시하는 식이죠. 이 서버는
00:05:46GitHub 리포지토리를 탐색하고 분석하는 데 쓰이며, 그 외의 다른 조사 도구들도 명시되어 있습니다.
00:05:51여기서 MCP에 대해 중요한 점이 하나 있는데, Pi 에이전트는
00:05:58자체적으로 MCP를 지원하지 않습니다. 그 이유는 MCP가 컨텍스트 윈도우를
00:06:05심각하게 채우는 경향이 있기 때문입니다. 사용 가능한 MCP 도구와 리소스에 대한 방대한 정보가
00:06:10AI가 인식할 수 있도록 컨텍스트 윈도우에 포함되어야 하거든요. 하지만 Pi의 개발팀,
00:06:18혹은 개발자는 그런 방식을 원치 않습니다. 저를 포함해 많은 사람이
00:06:23동의하는 철학이기도 하죠. 물론 MCP 검색 같은 대안이 있긴 하지만, 여전히
00:06:28공식적인 MCP 지원은 없습니다. 대신 앞서 언급한 MC Porter 같은 도구를 쓰면 충분합니다.
00:06:35여기서 사용한다는 말은, AI가 MCP 작업을 원할 때 실시간으로 이 MC Porter 도구를
00:06:43어떻게 호출해야 하는지 알려준다는 뜻입니다. 덕분에 컨텍스트 윈도우에 미리 설치하거나
00:06:49노출할 필요가 없죠. 감이 오시나요? 정말 가볍고 미니멀합니다. 이것이
00:06:54Pi 코딩 에이전트의 핵심이자 전부입니다. 그리고 이미 언급했듯이,
00:07:01이 에이전트의 또 다른 강점은 확장성입니다. 단순히 기술(skills)뿐만 아니라,
00:07:08무엇보다 “확장 프로그램(extensions)”이 핵심입니다. 이 개념은 Pi 코딩 에이전트가
00:07:16기능 확장이나 에이전트의 여러 단계, 즉 에이전트 루프의 다양한 시점에
00:07:22개입(hook)할 수 있는 기능을 공식적으로 지원한다는 것을 의미합니다. 에이전트가 작동하면서
00:07:30다양한 방식으로 기능을 확장하도록 허용하는 거죠. 원한다면 직접 MCP 지원을 추가할 수도 있습니다.
00:07:36저도 몇 가지 확장 프로그램을 설정해뒀는데요, 예를 들어 확장을 통해
00:07:41플랜 모드(plan mode)를 추가했습니다. 원래 기본 내장 기능은 아니지만,
00:07:47확장성이 워낙 좋아서 에이전트가 쓰기나 수정 도구를 쓰지 못하게 차단하는 기능을 만들 수 있습니다.
00:07:53플랜 모드 상태일 때 말이죠. 이 확장을 통해 해당 모드로 전환하는
00:08:00단축키를 설정하거나, 현재 플랜 모드임을 알려주도록 터미널 UI를 업데이트할 수 있습니다.
00:08:07또한 `/plan` 같은 슬래시 명령어를 추가해 플랜 모드로 전환하고
00:08:14상태 표시를 띄울 수 있죠. 그러면 특정 도구들이 차단되고, 다시 모드를 빠져나올 수도 있습니다.
00:08:20이런 것들이 확장을 통해 가능한 일들입니다. 그리고 일종의
00:08:24공식 확장 프로그램 마켓플레이스도 존재합니다. Pi 에이전트는 사용자가 만든
00:08:31확장 프로그램이나 기술을 패키징해서 다른 사람과 공유할 수 있도록 설계되었기 때문입니다.
00:08:36여러분이나 저 같은 사람들이 다른 이가 만든 확장 프로그램 패키지를 설치해 사용할 수 있죠.
00:08:40서브 에이전트를 추가해주는 패키지도 있고, 웹 액세스 패키지 같은 훌륭한 것도 있습니다.
00:08:47에이전트가 웹 리서치를 수행하고 웹사이트 콘텐츠를 효율적으로 가져올 수 있는 추가 도구를 제공하죠.
00:08:54이제 감이 오시죠? 정말 확장성이 좋습니다. 아주 미니멀한 코어에서 시작해
00:09:00원하는 대로 확장하고 어떤 기술이나 확장 프로그램도 추가할 수 있습니다. 이것만으로도
00:09:06충분히 흥미로운 도구입니다. 왜냐하면 Claude Code나 Codex 같은
00:09:12다른 도구들은 기본적으로 훨씬 강력한 도구들이 미리 내장되어 있지만,
00:09:20그만큼 확장성은 떨어지기 때문입니다. Pi는 정반대의 개념이죠.
00:09:28최소한의 코어만 제공하고 여러분이 원하는 무엇으로든 변신시킬 수 있게 합니다.
00:09:33이런 설정은 전역적으로 적용할 수도 있지만 프로젝트 단위로도 가능합니다. 모든 기술과
00:09:39확장 프로그램은 전역 또는 개별 프로젝트별로 설치할 수 있거든요. 그 점이 Pi를 다재다능하게 만듭니다.
00:09:46지난 몇 주간 제가 사용해본 바로는 충분히 살펴볼 가치가 있습니다. Claude Code나 Codex와 병행하며
00:09:51계속 번갈아 사용 중인데, 도구들의 발전 속도가 정말 빠르고 Pi도 아주 만족스럽습니다. 그런데 여기서
00:09:59흥미로운 점은, Pi를 코딩 용도로만 한정해서 쓸 필요가 없다는 것입니다. 이름은 코딩
00:10:08에이전트이고, 여러분이나 저 역시 주로 그 목적으로
00:10:15사용하겠지만, 그게 한계는 아닙니다. 예를 들어, 저는 웹 액세스
00:10:21패키지를 설치하고 Gemini API 키를 연동했습니다. 덕분에 이 Pi 에이전트는
00:10:30Gemini API를 기반으로 강력한 웹 리서치 기능을 갖게 되었죠. 그래서 특정 프로젝트나
00:10:35코딩 작업과 상관없이 이런 작업을 시킬 수 있습니다. “지난 7일간
00:10:41애플과 엔비디아의 주가를 조사해서 가져오고, 7일간의 수익률 성과를 분석해줘.”
00:10:46이렇게 시키면 에이전트가 작업을 시작합니다. 그리고 주가 데이터를
00:10:55가져올 방법을 스스로 찾아낼 겁니다. 웹 검색을 하거나 기업의 투자자 정보(IR)
00:11:04페이지를 방문할 수도 있겠죠. 데이터를 얻은 뒤에는 당연히 실제 계산을 위해
00:11:12임시 스크립트를 실행하는 등 필요한 작업을 할 겁니다. 보시죠, 여기서는 웹 리서치
00:11:18기술을 활성화했네요. 제가 웹 조사를 어떻게 수행해야 하는지 세부 지침을 넣어둔 기술입니다.
00:11:23이제 조사를 시도합니다. 아, 제 시스템에 'python'이라는 명령어로 실행되는 실행 파일이 없어
00:11:29문제가 생겼는데, 에이전트가 'python3'로 실행해야 한다는 걸 스스로 알아냈습니다.
00:11:34그리고 파이썬을 이용해 웹사이트에서 데이터를 긁어오는 임시 스크립트를 작성했고,
00:11:40그걸 실행해서 주가를 확보한 것 같네요. 이제 아마도 얻은 데이터를 바탕으로
00:11:47수치를 계산하고 주가 변동률을 산출하는
00:11:55작은 스크립트를 또 작성할 겁니다. 뉴스 검색을 포함해 다양한 조사를
00:12:01한동안 수행한 끝에 작업이 완료되었습니다. 애플과 엔비디아의 지난 7일간
00:12:08주가 변동 추이를 보여주고 있네요. 여기 성과 요약도 보여주고요.
00:12:14결과를 요약해서 보고서처럼 읽어볼 수 있도록
00:12:23텍스트 분석 결과도 제공합니다. 이 모든 것이 제가 부여한 확장 프로그램과 기술을 활용해
00:12:29Pi 코딩 에이전트가 해낸 일입니다. 제가 코드를 짠 것도 아니고, 어떤 사이트를 방문하라고
00:12:36구체적인 지시를 내린 것도 아닙니다. 스스로 해냈죠. 물론 이런 작업은 Claude Code나
00:12:43Codex로도 가능합니다. 결국 이들은 모두 도구를 활용해 문제를 해결하는 AI 에이전트들이니까요.
00:12:50주로 코딩용으로 만들어졌지만, 다른 용도로 얼마든지 활용(abuse)할 수 있습니다.
00:12:56결국 방금 시킨 작업도 웹사이트 정보를 가져와서 스크립트를 쓰는 일이었고,
00:13:01이는 문서에서 정보를 찾아 코드를 작성하는 일반적인 코딩 프로젝트와
00:13:06매우 유사하니까요. 따라서 다른 많은 일도 할 수 있습니다. 제 생각에
00:13:11이런 작업에서 Pi가 Codex나 Claude보다 조금 더 나은 이유는
00:13:17최소한의 핵심 기능을 바탕으로, 프로젝트 단위까지도 사용자가 원하는 정확한 도구로
00:13:24커스터마이징할 수 있기 때문입니다. 예를 들어 어떤 프로젝트는
00:13:29리서치 전문가로, 다른 프로젝트는 주식 분석 전문가로 설정할 수 있고,
00:13:37세 번째 프로젝트는 시스템 분석이나 하드웨어 사용량 분석 전문가로
00:13:42만들 수 있는 거죠. 아마도 이런 이유 때문에 OpenClaw가
00:13:50내부적으로 Pi를 사용하고 있는 것 같습니다. 지금 OpenClaw 리포지토리의 deep-wiki 페이지에 와 있는데요.
00:13:55혹시 모르시는 분들을 위해 설명하자면, GitHub 리포지토리를 학습하기에 아주 좋은 사이트입니다.
00:14:00코드를 분석해서 즉석에서 문서를 만들어주기도 하죠. 리포지토리와 직접 대화도 가능합니다.
00:14:05여기서 “OpenClaw가 내부적으로 Pi 코딩 에이전트를 사용하나요? 그렇다면 어떻게 쓰나요?”라고
00:14:12물어보겠습니다. 이미 로드된 코드를 분석한 뒤에 답변을 주겠죠.
00:14:18네, OpenClaw가 Pi 코딩 에이전트를 사용하고 있다고 하네요. 그리고 정확히 어떻게 구현되었는지도
00:14:24설명해줍니다. 이것이 Pi 코딩 에이전트입니다. 그냥 여러분께 공유하고 싶었습니다.
00:14:31거듭 말씀드리지만, 홍보를 통해 제가 얻는 건 아무것도 없습니다. 강의도 없고요. 하지만
00:14:38코딩 이외의 작업에 에이전트를 활용해보고 싶다면 정말 훌륭한 도구가 될 것입니다.
00:14:44물론 코딩 작업에서도 탁월합니다. 두 가지 모두 가능하죠. 매우
00:14:50다재다능한 AI 에이전트입니다. OpenClaw 사례처럼 직접 도구를 구축할 수도 있고요.
00:14:56Codex로도 가능하겠지만, Pi의 이 미니멀한 코어는 정말 매력적입니다.
00:15:02그러니 Codex나 Claude Code와 함께, 혹은 대신해서 한 번쯤 사용해볼 만합니다.
00:15:09지난 몇 주간 저도 아주 즐겁게 사용했습니다. 앞으로 에이전트 기술이
00:15:14어디까지 발전할지, 1년 뒤엔 무엇이 가능할지 기대되네요. 조금
00:15:18무섭기도 하지만 동시에 매우 흥미로운, 묘한 기분이 듭니다.