# Claude로 AI 에이전트 구축하는 법: 보리스 체르니 가이드

> 2026-07-27 · Y Combinator · 큐레이션 김태우
> https://challengekim.com/insights/how-to-build-ai-agents-with-claude-boris-cherny-guide-ko
> 원문: https://www.youtube.com/watch?v=qyPCVqFUyDo

## 핵심 요약

- **Opus 5의 획기적 성능**: Arc AGI 3에서 30% 달성, 프롬프트 주입 방어 완전 강화
- **제품 오버행(Product Overhang)**: 모델이 할 수 있는 것과 제품이 허용하는 것 사이의 격차를 활용
- **동적 워크플로우**: 수천 개의 에이전트를 효율적으로 병렬 실행하는 새로운 패러다임
- **실험적 접근법**: 자세한 지시보다 고수준 목표 설정 후 모델에 자율성 부여
- **자동화된 코드 유지보수**: Claude가 매일 루틴을 실행하며 자체 코드베이스 관리

## Opus 5: 새로운 기준의 AI 모델

Anthropic이 방금 출시한 **Opus 5** 는 이전 세대와 비교해 놀라운 도약을 이루었습니다. 특히 **Arc AGI 3에서 30%를 달성** 하며, 이는 이전 모델의 한 자릿수 초반\~십대 초반에서 대폭 상승한 수치입니다.

Opus 5의 가장 획기적인 특징은 **지속적 장시간 실행(extended-duration execution)** 능력입니다. 자동 모드와 결합하면 며칠, 몇 주, 몇 달 동안 중단 없이 작업을 수행할 수 있습니다. 스캐폴딩이나 특별한 프롬프트 없이도 모델이 자체적으로 작업을 계속 진행합니다.

### 프롬프트 주입 방어의 혁신

또 다른 핵심 발전은 **프롬프트 주입(prompt injection) 완전 방어** 입니다. 과거에는 인터넷에서 "모든 것을 삭제하라"는 악의적 지시를 읽으면 모델이 이를 따랐습니다. Opus 5는 다릅니다.

이 성과의 뒤에는:

- **3년간의 정렬(alignment) 연구**
- **기계적 해석 가능성(mechanistic interpretability)** 기반 분류기
- **Chris Ola의 신경 활성 분석**: 프롬프트 주입 시 불이 켜지는 뉴런을 실시간으로 감지

세 겹의 방어 계층으로 인해 프롬프트 주입을 시연하기가 불가능해졌습니다.

## 제품 오버행: 숨겨진 기회의 발견

**"제품 오버행(product overhang)"** 은 모델이 실제로 할 수 있는 것과 제품 설계가 허용하는 것 사이의 격차를 의미합니다.

### Claude Code의 역사적 예시

1년 반\~2년 전, Sonnet 3.5가 최고의 코딩 모델이던 시절 Claude Code를 개발했을 때:

- 당시 기존 코딩 제품은 자동 완성이나 코드 읽기만 제공했습니다
- 전체 파일이나 함수 작성은 불가능하다는 것이 업계의 통념이었습니다
- **Claude Code의 해결책**: 모든 스캐폴딩을 제거하고 최소한의 하네스만 제공

이 "잠재력 해방(unhobbling)" 접근법이 제품 오버행을 해결했습니다.

### 현재의 거대한 미개척 기회

오늘날 현대 모델들은 훨씬 더 큰 제품 오버행을 가지고 있습니다. 많은 스타트업이 아직 포착하지 못한 상업적 기회들이 존재합니다.

**핵심 발견**: Opus 5에 OpenCV 접근 권한을 부여했을 때, 명시적 훈련 없이도 인물·동물·풍경을 효과적으로 그릴 수 있었습니다. 이는 **"요청 격차(solicitation gap)"** — 올바른 방식으로 요청하면 모델이 수행할 수 있지만, 우연한 실험으로만 발견되는 능력 — 을 보여줍니다.

## 새로운 모델로 시스템 프롬프트 재구축하기

새 모델이 출시될 때마다 Claude Code 팀은 **모든 코드와 프롬프트의 상당 부분을 삭제** 하고 처음부터 시작합니다.

### 3단계 접근법

**1단계: 삭제**

- 시스템 프롬프트를 완전히 제거합니다

**2단계: 실행 및 관찰**

- 모델을 실제로 사용하며 실패 지점을 파악합니다
- 지시사항을 미리 추측하지 않습니다

**3단계: 선택적 재도입**

- 모델이 **반복적으로 같은 문제에 직면할 때만** 지침을 다시 추가합니다
- 너무 일찍 도입하지 않는 것이 중요합니다

### 모델 기반 구축의 고유한 특성

모델 기반 엔지니어링은 전통적 시스템 엔지니어링과 근본적으로 다릅니다:

- **전통적 방식**: 사전에 세밀한 설계, 광범위한 단위 테스트, 재설계는 수개월\~수년 소요
- **모델 기반**: 각 세대마다 미묘하게 다른 "개성"을 가진 살아있는 유기체처럼 작동

이는 **매우 경험적이고 과학적인 과정** — 실험, 관찰, 반복 — 이 필수적임을 의미합니다.

## 모델을 효과적으로 활용하는 프롬프트 엔지니어링

보리스는 "프롬프트 엔지니어"라는 직함이 트렌드로 왔다가 사라질 것이라고 강조합니다. **현재의 기술은 단순 프롬프트 엔지니어링이 아닙니다.**

### 일반적인 실수: 과도한 구체성

많은 엔지니어, 특히 경험 많은 개발자들이 범하는 오류:

- 모든 단계를 상세히 설명하는 지나친 구체성
- 모델이 정확히 당신이 한 방식대로 작업하도록 강제

**역효과**: 현대 모델의 경우 이러한 과도한 지침은 성능을 해칩니다.

### 올바른 접근: 자율성 부여

**고수준 작업 설명 → 가이드라인 정의 → 종료 기준 설정 → "모델이 스스로 작업하게 두기"**

모델은 종종 당신의 기대를 초과합니다. 예를 들어:

- 전체 코드베이스를 한 언어에서 다른 언어로 재작성
- 매우 복잡한 데이터 분석
- 수십 개의 풀 리퀘스트가 필요한 복잡한 기능 구축

## 실전 사례: Bun의 100,000줄 코드베이스 재작성

Bun 팀은 Zig에서 Rust로 전체 코드베이스(100,000줄 이상)를 재작성해야 했습니다. 메모리 관리 문제로 인한 누수가 있었고, 이를 해결할 필요가 있었습니다.

### 프롬프트

보리스의 팀은 Claude에게 간단한 지시를 제공했습니다:

> "Electron 앱을 Swift로 다시 작성해 줘. Mac 가상 머신에서 Electron 앱을 실행하고 스크린샷을 찍은 다음, 픽셀 단위로 확인해 줘. Swift 버전과 비교해 줘. 완료될 때까지 멈추지 마."

### 결과

- **기간**: 2주 이상 계속 실행
- **효과성**: 모델이 자체 검증을 수행하며 진행
- **프로덕션 단계**: 현재 프로덕션에서 실행 중

**핵심**: 프롬프트 자체는 믿을 수 없을 정도로 간단했습니다. 누구나 만들 수 있는 수준입니다.

## 동적 워크플로우: 수천 개 에이전트의 조율

동적 워크플로우는 Claude Code의 비교적 새로운 기능으로, **여러 에이전트를 효율적으로 조율** 합니다.

### 작동 방식

1. **첫 번째 단계**: 여러 에이전트가 병렬로 작업 실행
2. **검증 단계**: 다른 에이전트 세트가 결과를 검증/요약
3. **반복**: 필요시 여러 에이전트로 다시 분산

### 기술 구현

- **Bun 런타임** 샌드박스 사용
- 가상 머신 내에서 에이전트 시작
- 토큰을 효율적으로 사용하며 복잡한 작업 수행

### 함수형 프로그래밍 원리

보리스의 배경이 함수형 프로그래밍이므로, 에이전트 조율은 수학적 대수학 원리로 설계되었습니다:

- **순차 실행(Sequential execution)**
- **병렬 실행(Parallel execution)**
- 에이전트 간 효율적인 토큰 사용

### 새로운 테스트-타임 컴퓨트 패러다임

이는 **새로운 형태의 테스트-타임 컴퓨트** 입니다. 역사적으로 AI의 지능은 모델 크기, 훈련 데이터, 훈련 플롭(flops)의 함수였습니다. 최근에는 테스트-타임 컴퓨트(생성되는 토큰의 양)도 추가되었습니다. 동적 워크플로우는 이를 조율하는 새로운 방법이며, 어려운 작업에 사용하는 테스트-타임 컴퓨트 양을 대폭 증가시킬 수 있습니다.

## 자동화된 코드 유지보수: 루프와 루틴

동적 워크플로우 외에도, **루프(loops)** 와 **루틴(routines)** 으로 반복적인 유지보수 작업을 자동화합니다.

### 루프 vs 루틴

- **루프**: 로컬에서 실행되는 크론 작업
- **루틴**: 클라우드에서 실행 (노트북을 닫아도 계속 실행)

### Claude가 수행하는 일상 자동화 작업

Anthropic에서 실행 중인 루틴들 (CLI, iOS, Android, 데스크톱 앱):

1. **죽은 코드 정리**: 정적/동적 분석으로 미사용 코드 찾아 매일 삭제
2. **실험 배포**: 100% 배포된 실험을 코드베이스에서 제거 후 출시
3. **테스트 작성**: 커버리지가 부족한 영역에 테스트 자동 추가
4. **쓸모없는 테스트 삭제**: 과거 모델에 불필요한 테스트 제거
5. **추상화 경찰**: 코드베이스의 중복된 추상화 찾아 통합

### 규모와 효과

- **일일 실행**: 20\~30개 루틴
- **에이전트 수**: 하루에 수백\~수천 개
- **대체 인력**: 수십\~수백 명의 엔지니어가 하던 업무

이로 인해 엔지니어들은 새 제품 출시, 사용자 소통, 흥미로운 작업에 집중할 수 있습니다.

## 뛰어난 개발자와 일반 개발자의 차이

### 여전히 어려운 작업들

모든 코딩이 해결된 것은 아닙니다. Claude가 여전히 어려움을 겪는 영역:

- **깊은 시스템 코드베이스**
- **분산 시스템**
- **미세한 UI 검증** (픽셀 단위 정확도)

Opus 5는 시각·컴퓨터 사용 능력에서 큰 도약을 이루었지만, 여전히 완벽하지 않습니다.

### 차별화되는 사고방식: 경험적 접근

최고의 Claude 사용자들이 공통으로 가지는 특징:

1. **과거 가정 버리기**: 이전 모델에서 배운 모든 것 잊기
2. **이론적 지식 초월**: 컴퓨터 과학 이론보다 실험 우선
3. **개방적 실험**: 이전에 효과 없던 아이디어도 재시도
4. **유연성**: 새로운 상황에 빠르게 적응

이러한 **유연성과 실험적 개방성** 이 현재 가장 성공적인 기술입니다.

## 학생과 초보자를 위한 조언

보리스는 자신의 프로그래밍 학습 경험을 공유했습니다:

- **중학교**: TI-83 계산기로 BASIC 코딩 시작 (수학 시험 점수를 올리기 위해!)
- **심화**: 미적분 문제를 해결하기 위해 어셈블리어 학습

### 핵심 원칙: 실용성

**개념적 학습도 중요하지만, 실제 적용 방법을 이해해야 합니다.**

추천 학습 경로:

1. **자신이 만들고 싶은 것부터 시작**
2. **스타트업 및 제품 구축**
3. **데이터 과학, 사용자 소통 방법 학습**
4. **비즈니스 통찰력 개발**

이 모든 것이 **컴퓨터 과학과 결합될 때** 엄청난 가치를 발휘합니다.

## 결론

Claude Opus 5는 AI 에이전트 구축의 새로운 시대를 열었습니다. **제품 오버행을 인식하고, 과도한 구체성을 피하며, 모델에 자율성을 부여하는 경험적 접근법** 이 핵심입니다.

동적 워크플로우와 자동화된 루틴을 통해 수천 개의 에이전트를 조율하는 것이 가능해졌습니다. 가장 중요한 것은 **이전의 가정을 버리고, 실험하며, 관찰한 결과에 따라 반복하는 유연한 사고방식** 입니다.

당신의 "숨겨진 기회"를 찾고, 모델의 진정한 잠재력을 끌어내세요.

---

원문을 바탕으로 AI 가 한국어로 요약·재구성한 글입니다. 인용·수치는 원문 링크에서 확인해 주세요. [원문 링크](https://www.youtube.com/watch?v=qyPCVqFUyDo)