스크립트
00:00:00벌써 한 해의 중간이 지났고 Claude Code는 백 개 이상의 기능을 출시했지만,
00:00:04대부분 멋지고 유용해 보일지라도 실제로는 자주 사용하지 않게 됩니다.
00:00:09외부 프로젝트는 물론, 저희가 직접 만든 커뮤니티 플랫폼인 AI Labs Pro와 같은
00:00:14내부 프로젝트를 진행하면서 이 점을 깨달았습니다. 왜냐하면 실제로 무언가를 구축할 때,
00:00:19대부분의 기능은 설정 과정이 너무 복잡해서 정작 중요한 건 몇 개 없기 때문이죠.
00:00:23채널에 처음 오신 분들 환영합니다. 저희는 소프트웨어 기업 AI Labs이며,
00:00:27저희 팀의 입증된 방법을 통해 AI로 비즈니스를 최적화하는 방법을 알려드립니다.
00:00:32이번 영상에서는 전체 기능 목록을 검토하여 저희 프로세스 전반에서
00:00:37가장 많이 사용하는 기능들을 추려보았습니다. 이곳의 대부분은 자신의 워크플로우를 자동화하기 위해 Claude Code를 사용하지만,
00:00:42Claude Code는 비기술직 사용자에게는 다소 어렵게 느껴질 수 있고,
00:00:47인사팀이나 채용 담당자들도 어려워합니다. 하지만 비용 절감을 위해 모두에게 20달러짜리 플랜을 따로 제공하지는 않습니다.
00:00:52대신, API를 통해 더 저렴한 Claude 모델을 사용하는
00:00:57채팅 플랫폼을 구축하고 있습니다. 그들의 워크플로우에는 Opus나 Sonnet까지는 필요 없기 때문이죠.
00:01:02Haiku 모델은 그들의 업무를 훌륭하게 수행하며, 덕분에 쉽게 상호작용하면서도
00:01:07MCP 연결과 각 부서의 지식 및 워크플로우를 그대로 활용할 수 있습니다. 하지만
00:01:11이 플랫폼을 구축할 때 가장 어려웠던 부분은 인증이었습니다. 여러 MCP를 연결하는 것은
00:01:17비기술직에게는 어렵고, 이 도구들을 모두 설정하다가 막히곤 합니다. Claude는
00:01:22커넥터를 통해 쉽게 해결해주지만, 저희에겐 그런 게 없죠. 그래서 오늘 영상의 스폰서인 Scalekit을 사용했습니다.
00:01:28Scalekit은 AI 에이전트를 개발하는 개발자를 위해 만들어진 완벽한 도구입니다. 한마디로 모든 에이전트를 위한 단일 로그인 도구죠.
00:01:35에이전트가 여러 앱에 로그인하여 연결된 사용자로서 대신 작업을 수행할 수 있게 해줍니다.
00:01:40모든 자격 증명을 한곳에 보관하므로 직접 번거롭게 관리할 필요가 없습니다.
00:01:45평소라면 API 키를 얻고 그를 이용해 MCP를 연결해야 하지만, 이 도구가 중간 계층이 되어
00:01:51에이전트는 이 하나의 중간 계층만 연결하면 됩니다. 그리고 저희 팀원 각자가
00:01:55자신의 Slack, Gmail, Notion에 연결되어 있기에 에이전트도 그 계정에 접근해야 합니다. 그래서 Scalekit이 그
00:02:01전체 인증 과정을 정말 간소화해주었습니다. 역할 기반 접근 제어가 설정되어 있어서 각 역할은
00:02:07필요한 문서와 접근 권한만 갖게 됩니다. 앱을 연결하려면 링크 하나만 클릭해서 인증하면 되고요.
00:02:12그 덕분에 비기술직 사용자에게 훨씬 쉬워졌고, 저희의 많은 설정 과정도 간소화되었습니다.
00:02:17에이전트의 모든 작업이 이 계층을 거치기 때문에, Scalekit은 단순히 로그인을 처리할 뿐만 아니라,
00:02:22각 에이전트가 어떤 앱과 상호작용했는지, 어떤 작업이 수행되었는지 등 모든 행동을 기록합니다.
00:02:28전체 팀이 사용하는 도구이기 때문에 에이전트가 정확히 무엇을 하고 있는지
00:02:33확인할 수 있다는 점은 매우 중요합니다. 이것이 바로 저희가 애초에 챗봇을 만든 이유와 연결되죠.
00:02:38저희는 Haiku 모델과 함께 Claude Agent SDK를 사용할 예정인데,
00:02:42그게 팀 전체가 하나의 공유 에이전트를 저렴하게 운영할 수 있는 방법이기 때문입니다. Claude Code에서 Scalekit을 사용하려면,
00:02:48설치 명령어를 복사해서 터미널에서 실행하기만 하면 됩니다. Scalekit MCP도 연결해주므로
00:02:55별도로 설정을 관리할 필요가 없습니다. 이제 저희가 정말 많이 사용하는 첫 번째 기능은 에이전트 팀(Agent Teams)입니다. 출시된 이후로 줄곧
00:03:01여러 프로젝트에서 사용해왔습니다. 기본 제품에는 없고, 설정을 한 번 하면 숨겨진 플래그를 통해
00:03:08에이전트 팀 기능이 나타납니다. 이 기능은 Tmux를 사용하여 여러 개의 Claude Code 세션을 생성하는데,
00:03:14Tmux는 하나의 창에서 여러 세션을 나란히 실행할 수 있는 터미널 도구입니다. 그런 다음
00:03:20해당 세션들에 작업을 배분합니다. 서브 에이전트와 무엇이 다르냐고요? 차이점은
00:03:26팀 내 에이전트끼리 대화할 수 있다는 점입니다. 서브 에이전트는 할 수 없는 기능이죠. 덕분에 그들은
00:03:30결과를 서로 공유하고 작업을 조정할 수 있습니다. 이는 특히 대립적인 검토 워크플로우에 유용한데, 한 에이전트가 문제를 찾아내고 다른 에이전트가 수정하는 식입니다. 에이전트 팀을 생성해 코드 리뷰를 시키면, 한 에이전트는 문제를 찾고 다른 에이전트는 즉시 수정사항을 구현합니다. 이는 에이전트들이 협력하도록 만들어 전체 과정을 간소화하죠.
00:03:50대안으로 한 에이전트가 문서를 작성하고 다른 에이전트가 읽는다면 시간이 너무 오래 걸립니다. 그렇게 하면 리뷰가 순차적으로 진행되어 Claude Code의 장점인 병렬 처리를 잃게 되죠. 실행하면 찾는 에이전트가 문제를 찾는 동안 수정하는 에이전트는 대기 상태에 있다가, 문제가 발견되는 즉시 수정하는 에이전트에게 메시지를 보내 바로 수정합니다. 단, 토큰을 많이 소모하는 워크플로우이니 프로젝트에 사용할 때 주의하세요. 저희가 사용하는 또 다른 기능은 성능을 높여주는 어드바이저 기능입니다.
00:04:20더 작은 모델에서도 Claude Code의 성능을 향상해줍니다. Claude가 막힐 때마다 더 강력한 모델에 조언을 구할 수 있게 해주죠. 이건 실험 기능이고, 역시나 토큰을 많이 소모하는 프리뷰 상태의 기능입니다. 복잡한 결정이나 문제에 직면할 때마다 (녹화 시점 기준으로 가장 강력한 모델인) Opus 4.8을 어드바이저로 설정하고 Sonnet을 메인 에이전트로 설정해 조언을 받아 문제를 해결합니다.
00:04:50챗봇을 구축할 때 계속해서 여러 문제에 부딪혔습니다. 문제를 해결하다 보면 가끔 에이전트 스스로는 역량이 부족하다고 느껴질 때가 있습니다. 그럴 때 어드바이저를 호출하면, 해결책을 구현하기 위해 어떤 경로로 가야 할지 제안받습니다. 덕분에 저희 입력 없이도 스스로 구현을 마무리할 수 있었죠.
00:05:10어드바이저는 앞을 내다보고 나중에 발생할 수 있는 문제를 미리 파악해서 보고합니다. 어드바이저의 가이드에 따라 더 약한 모델이 해결책을 구현하는 방식이죠. Claude의 어드바이저 활용법에 대한 전체 영상을 만들었으니 채널에서 확인해보세요.
00:05:26저희가 많이 사용하는 또 다른 기능은 목표(Goal) 기능입니다. 장시간 작업을 더 잘 처리하기 위해 만들어졌죠. 작업이 완료되었다고 판단할 조건과 메트릭을 지정하기만 하면 됩니다. 작동 방식을 모른다면, 작업과 종료 상태를 정의한다고 보시면 됩니다. 모델에게 작업이 올바르게 완료되었음을 알려주는 조건이죠. 그것을 목표로 설정하고 완료될 때까지 계속 작업합니다.
00:05:47이 목표 시스템은 Haiku처럼 덜 강력한 모델이 교차 검증을 수행하는 방식으로 작동합니다. 앱이나 기능이 제대로 만들어졌는지, 실제로 잘 작동하는지 확인하죠.
00:05:57목표 명령을 실행하면 현재 활성화된 목표를 볼 수 있습니다. 시작하면 필요한 것들을 만들기 시작하고, 더 작은 모델이 요청한 앱이나 기능이 완료되었다고 표시할 때까지 계속 작업합니다. 작업에 따라 한 번에 끝날 수도 있고 훨씬 오래 걸릴 수도 있습니다.
00:06:13가장 흔하게 사용하는 또 다른 기능은 자동 모드(Auto mode)입니다. '위험하게 권한 건너뛰기(dangerously skip permissions)'의 간단하고 장기적인 대안입니다. 에이전트가 장기 작업 처리에 능숙해지면서 대형 프로젝트에 사용하게 되면서 중요해졌습니다.
00:06:28가장 짜증 나는 부분은 일반 모드에서는 모든 권한 프롬프트를 수동으로 승인해야 한다는 점이었습니다. 그건 에이전트를 스스로 실행하는 장점을 완전히 죽이는 일이죠. 이 기능은 그 중간 지점을 제공합니다.
00:06:40'위험하게 권한 건너뛰기'는 에이전트가 모든 명령을 실행하게 하지만, 자동 모드는 훨씬 적은 권한 프롬프트를 보여주며 위험한 명령 실행 가능성을 낮춥니다.
00:06:49이는 분류기(classifier)를 통해 가능합니다. 각 동작을 검토하고 대량 데이터 삭제, 민감한 데이터 유출, 악성 코드 실행 등 위험한 명령을 확인하여 차단하죠.
00:06:59즉, 이 분류기가 '위험하게 권한 건너뛰기'라면 자동으로 허용했을 위험한 행동을 막아주는 겁니다. 그래서 에이전트로 작업할 때 이렇게 하죠.
00:07:08장기 작업은 에이전트를 자동 모드로 실행해서 모든 것을 스스로 처리하도록 맡깁니다.
00:07:14모두가 사용해야 하지만 잘 쓰지 않는 또 다른 기능이 있는데, 바로 Git 작업 트리(work tree) 수준의 서브 에이전트 격리입니다.
00:07:22보통 에이전트는 동일한 작업 디렉토리에서 생성되어 작업합니다. 하지만 이 플래그를 사용하면 기본적으로 분리된 작업 트리에서 생성되죠.
00:07:31작업 트리 격리는 매우 중요한데, 서브 에이전트가 만드는 모든 변경 사항이 나머지와 완전히 분리된 별도의 디렉토리에 있기 때문입니다.
00:07:39UI와 같은 기능의 여러 변형을 테스트해야 할 때 유용하게 씁니다. 메인 트리 대신 별도의 작업 트리에서 작업하게 할 수 있으니까요.
00:07:48디자인 변형 테스트를 위해 항상 HTML 모형을 만든다고 했는데, 그건 백엔드와 연결되지 않아 제한적입니다.
00:07:59따라서 데이터와 인증까지 실제로 작동하는 앱의 전체 흐름을 테스트하려면 별도의 작업 트리를 생성해 상호작용합니다.
00:08:09플래그를 설정하고 프롬프트를 입력하면 요청한 개수만큼 서브 에이전트를 생성하고 완료되길 기다립니다.
00:08:15작업이 끝나면 각 에이전트가 결과를 보고합니다. 그 후 저희가 만든 스타일을 직접 확인하고 변형들을 볼 수 있죠.
00:08:23그다음 가장 마음에 드는 변형을 선택해 메인 디자인에 병합하고 나머지는 버립니다.
00:08:30제품에는 코드의 품질을 보장하기 위해 순수하게 코드 리뷰를 목적으로 하는 명령어도 많이 내장되어 있습니다.
00:08:37이들은 Claude Code의 제작자들이 자신의 워크플로우에서 직접 사용하는 기술과 명령어에 기반합니다.
00:08:43첫 번째는 보안 검토 도구로, 정의된 지침 세트를 기반으로 코드 전체의 보안 검토를 수행합니다.
00:08:51두 번째는 simplify로, 코드의 재사용성, 단순화, 효율성을 검토합니다.
00:08:57코드를 단순화하고 더 이상 사용되지 않는 조각들이 남아 있지 않게 합니다.
00:09:02또한 제작자가 정한 엄격한 규칙에 따라 가능한 부분을 최대한 간소화합니다.
00:09:06그리고 코드 리뷰 도구가 있는데, 버그나 더 효율적으로 실행될 수 있는 부분을 검토합니다.
00:09:12최근에 나온 ultra review도 있죠.
00:09:15클라우드에서 리뷰와 버그 검사를 실행하는 클라우드 에이전트를 시작합니다.
00:09:19ultra review는 여러 브랜치로 나뉘어 각각 독립적인 검증 과정을 거치기 때문에
00:09:24일반 리뷰보다 성능이 더 좋습니다.
00:09:27그렇기에 다른 명령어의 로컬 검사보다 더 깊은 문제를 잡아냅니다.
00:09:31보안 검토 명령어는 저희가 챗봇을 만들 때 특히 자주 실행했습니다.
00:09:35프롬프트 주입이나 기타 보안 문제에 각별히 주의해야 했기 때문이죠.
00:09:40특히 에이전트에게 시스템 명령을 실행할 수 있는 bash 도구까지 주었으니까요.
00:09:45자, 저희가 많이 사용하는 또 다른 기능은 루프(loop)입니다.
00:09:48루프는 기본적으로 크론 작업인데, 반복 일정에 따라 스스로 실행되는 작업입니다.
00:09:53특정 시간에 실행되도록 설정하면 그 시간에 맞춰 똑같은 프롬프트를 계속 반복 실행하죠.
00:09:59단, 세션이 활성화된 동안에만 계속 실행됩니다.
00:10:03세션이 종료되면 루프도 끝납니다.
00:10:05저희는 ChromaDB라는 데이터베이스에 지식 베이스를 유지하고 있었습니다.
00:10:09회사의 프로세스 문서를 벡터 임베딩으로 저장하는데,
00:10:12텍스트를 숫자로 바꾸어 에이전트가 의미에 따라 검색할 수 있게 하는 방식입니다.
00:10:17이 기반 데이터를 최신 상태로 유지할 방법이 필요했죠.
00:10:19모든 부서의 마크다운 파일과 PDF를 특정 폴더에 추가하여 업데이트합니다.
00:10:24하루가 끝날 때마다 실행되는 루프를 생성해 수집 명령을 실행하고 지식 베이스를 업데이트할 수 있습니다.
00:10:30클라우드나 로컬 환경 모두에서 실행 가능합니다.
00:10:32클라우드의 장점은 루프가 계속 실행되기 위해 세션을 켜둘 필요가 없다는 점입니다.
00:10:37하지만 저희는 Mac mini에서 실행 중이라 로컬 옵션을 선택했습니다.
00:10:41이렇게 하면 새로운 프로세스가 지식 베이스에 추가되어도 수동으로 동기화할 필요가 없습니다.
00:10:46Claude가 예정된 루프가 실행될 때마다 모든 것을 자동으로 동기화해주니까요.
00:10:49전통적인 크론 작업 대신 루프를 사용할 때의 진짜 이점이 여기 있습니다.
00:10:53오류가 발생하면 스스로 교차 검증하고, 문제를 수정하여
00:10:57사람의 입력 없이도 작업이 올바르게 완료되도록 보장합니다.
00:11:01많은 분이 이미 Claude의 목표 및 루프 명령어에 익숙하실 겁니다.
00:11:05하지만 모니터(monitor)라는 명령어는 잘 모르는 분들이 많습니다.
00:11:09개발 워크플로우에서 매우 중요한 부분인데 말이죠.
00:11:12특히 저희처럼 에이전트를 개발하고 있다면 더욱 유용합니다.
00:11:15작동 방식은 로그나 실행 중인 프로세스처럼 모니터링할 대상을 알려주면
00:11:19계속 지켜보는 방식입니다.
00:11:21이상이 있거나 뭔가 잘못되었을 때만 보고합니다.
00:11:25모든 것이 정상이라면 조용히 백그라운드에서 실행됩니다.
00:11:28저희 워크플로우에서 자주 사용하죠.
00:11:30예를 들어, 앱을 개발하고 테스트하는 동안
00:11:33에이전트가 로그를 남기게 하고 Claude에게 백그라운드에서 모니터링하도록 했습니다.
00:11:37에이전트가 해서는 안 될 행동을 할 때 보고해주었죠.
00:11:40하지만 Claude가 모니터링 작업을 설정하기 전에 먼저 앱과 에이전트 설정을 검토했습니다.
00:11:45어떤 종류의 이상 현상이 발생할 수 있는지 먼저 파악하기 위해서죠.
00:11:49저희 설정에서는 의도한 워크플로우를 벗어나는 것,
00:11:53도구 호출 실패, Notion이나 Gmail 문서에서 너무 많은 데이터를 한 번에 로드하는 것,
00:11:58역할 기반 권한 문제 등이 포함되었습니다.
00:12:00잠재적인 문제들을 파악한 후 모니터링을 시작했습니다.
00:12:03그 후 에이전트와 상호작용하면서 모니터링 도구가 Gmail 가져오기 도구에서
00:12:07실패한 도구 호출 같은 문제를 보고했습니다.
00:12:09덕분에 무엇이 문제를 일으키는지 빠르게 파악하고 적절히 수정할 수 있었습니다.
00:12:13자, 저희가 이 영상에서 보여드리는 모든 기술, 워크플로우 등은
00:12:17저희 커뮤니티인 AI Labs Pro에서 찾을 수 있습니다.
00:12:20그곳에서 리소스, 스타터 팩 등을 얻을 수 있고,
00:12:23저희 팀을 포함한 많은 뜻이 맞는 사람들과 교류할 수도 있습니다.
00:12:27저희 활동이 도움이 되셨고 채널을 후원하고 싶으시다면 가장 좋은 방법이죠.
00:12:32링크는 설명란에 있습니다.
00:12:34이번 영상은 여기서 마치겠습니다.
00:12:35저희 채널을 후원하고 이런 영상을 계속 만드는 데 도움을 주고 싶으시다면,
00:12:39아래에 있는 'Super Thanks' 버튼을 이용해주시면 됩니다.
00:12:42항상 시청해주셔서 감사드리며, 다음 영상에서 뵙겠습니다.