AI 코딩이 Copilot 제안에서 자가 조정 에이전트 스웜(Agent Swarms)으로 진화하는 과정을 지켜보았습니다. 여기 5년간의 여정이

2021년: GitHub Copilot. 단일 행 자동 완성 (Single-line autocomplete). 표준적인 패턴에서는 인상적이었으나, 커스텀 로직에서는 신뢰할 수 없었습니다. 모델은 현재 파일 이외의 코드베이스에 대한 인식이 없었습니다.

2023년: 채팅 기반 코딩 (Chat-based coding). 원하는 것을 설명하면 완전한 함수를 받습니다. 여전히 사용자가 명시적으로 제공한 정보에 국한되어 있었습니다.

2024년: 다중 파일 인식 (Multi-file awareness). Cursor, Aider, Copilot Workspace. 파일 간의 조정된 변경 사항을 적용합니다. 대규모 리팩토링 (Refactoring)이 가능해집니다.

2025년: 전체 코드베이스 에이전트 (Full codebase agents). Claude Code, Gemini CLI, Devin. 목표를 설명하고 에이전트에게 작업을 맡깁니다. 그 결과물을 검토합니다. Claude Code: SWE-bench Verified에서 87.6%를 기록했으며, 10개 중 9개의 실제 GitHub 이슈를 자율적으로 해결했습니다.

2026년: 에이전트 팀 (Agent Teams). 여러 개의 Claude 세션이 조정된 팀으로서 작동합니다. 한 명의 리더와 전문화된 팀원들. 에이전트 간의 실시간 수평적 통신. 내장된 충돌 해결 기능을 갖춘 코드베이스 전반의 동시 작업.

그리고 OpenClaw가 있습니다.

오스트리아 개발자 Peter Steinberger에 의해 2025년 11월 "Clawdbot"으로 탄생했습니다. Anthropic이 상표권 문제를 제기한 후 "Moltbot"으로 이름을 바꿨습니다. 그리고 3일 후 다시 "OpenClaw"로 이름을 바꿨는데, 그 이유는 제가 정말 좋아할 만한 이유입니다: "Moltbot은 입에 잘 붙지 않았거든요 (Moltbot never quite rolled off the tongue)."

250,000개의 GitHub stars. 47,700개의 forks. 단 4개월 만에 달성했습니다.

무엇이 이것을 바이럴로 만들었을까요?

이것은 당신의 IDE에 머물지 않습니다. 당신의 머신에서 지속적으로 실행되며 WhatsApp, Telegram 또는 Discord를 통해 지침을 받습니다.

당신은 밤 11시에 메시지를 보냅니다: "밤새 저장소를 모니터링하고, 실패하는 CI 테스트를 수정하고, PR을 올려줘."

당신은 PR이 올라온 것을 확인하며 잠에서 깨어납니다.

이것은 IDE 플러그인이 만들어낼 수 있는 것과는 전혀 다른 AI 에이전트와의 관계입니다. 그 자체가 더 유능해서가 아니라, 항상 사용 가능하며 대화하기 위해 터미널을 열 필요가 없기 때문입니다.

엔지니어링 유스케이스 (Use case): ClawdHub를 통한 565개 이상의 커뮤니티 스킬. OpenClaw가 상위 수준에서 조정하는 동안 구현 작업을 Cursor에 위임하는 Cursor Agent 스킬. Task Brain: "AI 에이전트 작업에 적용된 Kubernetes 컨테이너 스케줄링 (Kubernetes container scheduling)."

보안의 현실 (Day 7 참조): 그것은 매우 강력합니다. 그에 걸맞은 거버넌스 태세 (governance posture)가 필요합니다.

반드시 알아야 할 주요 실패 모드 (failure mode):

확신에 찬 오답. 통계적으로는 올바른 코드와 일치하지만, 귀하의 시스템이라는 특정 맥락에서는 틀린 코드입니다. 컴파일도 되고, 테스트도 통과할 수 있습니다. 하지만 프로덕션 (production) 환경에서 드러나게 될 것입니다.

이는 다음과 같은 부분에 집중됩니다: 보안 경계 (security boundaries), 외부 API 통합 (external API integrations), 도메인 특화 비즈니스 로직 (domain-specific business logic), 그리고 귀하의 명세서 (specification)에 포함되지 않은 조직적 지식 (institutional knowledge)에 의존하는 모든 코드.

리뷰의 대상을 이 부분들에 맞추십시오. 표준 패턴은 신뢰하되, 경계 부분 (edges)을 면밀히 조사하십시오.

내일: 대부분의 팀이 완전히 잘못하고 있는 업스트림 (upstream) 단계, 그리고 아무도 활용하지 못하고 있지만 AI가 가장 큰 레버리지 (leverage)를 제공하는 단계에 대해 다룹니다.