정의
에이전트 코딩(Agentic Coding)은 개발자가 직접 코드를 작성하는 대신, AI 모델과 이를 감싸는 결정론적 제어 레이어(harness)를 통해 소프트웨어를 자동 생성하는 개발 패러다임이다. 신정규(Lablup 대표)의 Backend.AI:GO 개발 사례(40일, 130억 토큰, 100만 줄 코드)는 이 패러다임의 전형을 보여준다.
핵심 속성
- 토큰 경쟁력: AI 코딩 환경에서 토큰 사용 가능량은 기업의 생산 속도와 직결되는 핵심 경쟁력이다. Anthropic의 토큰 2배 이벤트가 Backend.AI:GO 개발의 직접적 계기가 되었다.
- 고속 추론 필요성: 기존 ChatGPT 수준의 코드 생성 속도 대비 5~10배 빠른 초고속 inference가 에이전트 코딩의 생산성을 좌우한다. adaptive thinking budget을 통해 작업 복잡도에 따라 thinking 양을 동적 조절해야 한다.
- Harness의 결정론적 역할: 모델 자체보다 모델을 감싸서 결정론적 동작을 만들어내는 소프트웨어 레이어(예: Claude Code의 harness)가 진정한 경쟁력이다. 동일한 모델이라도 harness에 따라 결과 품질이 크게 달라진다.
- 병렬 에이전트 운영: sub agent를 동시에 50개까지 fork하여 대규모 작업(문서 번역, 이슈 처리 등)을 분산 처리한다. context 폭발을 방지하기 위해 에이전트당 작업 단위를 제한한다.
- Cron 기반 자동화 파이프라인: GitHub 이슈 트래커를 입력으로, 15분 주기의 cron 작업이 이슈를 검증하고 개발 큐에 전달하는 CI/CD 형태의 자동화 체계. merge conflict도 AI가 자체 해결한다.
관계
- 20260607-harness-over-model — 하위개념: harness의 가치를 구체적으로 분석
- 20260607-human-ai-co-evolution — 연장: 인간과 AI의 공진화 메커니즘
- 20260607-brand-and-trust-as-new-moat — 연장: 소프트웨어 과잉 시대의 생존 전략
- 신정규 — 상위개념: 이 패러다임을 주도한 인물
인용
“Claude Code의 핵심 경쟁력은 Opus나 Sonnet 엔진이 아닙니다. Claude Code 그 자체예요. 기존의 소프트웨어라고 부르는 영역이 있고, 그 소프트웨어가 모델 겉에서 이걸 감싸면서 결정론적으로 동작을 만들어 주는 이 소프트웨어 로직, 이게 굉장히 강력하다.”
“어떻게 하면 토큰을 덜 쓸까가 핵심이 됩니다. 똑같은 일을 할 때 성능이 좋아지기 위해서 모델들이 선택한 방법이 thinking budget을 늘리는 쪽인데, 이 양이 늘어난다는 게 개발 속도가 느려진다는 거랑 같은 얘기다.”