왜 Conway가 태어났는가

기존의 AI 어시스턴트에는 근본적인 제약이 있었다: 인간이 호출하지 않으면 아무것도 할 수 없다. GitHub의 PR이 생성되어도, 메일이 도착해도, 경쟁사가 제품을 출시해도, 인간이 알아차리고 프롬프트(Prompt)를 작성할 때까지 계속 대기해야 한다.

Anthropic이 개발 중인 Conway는 이 "수동성의 저주"를 타파한다. 2026년 3월 Claude Code 소스 유출로 발견된 이 플랫폼은, AI 에이전트가 외부 이벤트를 자동 감지하고 자율적인 판단으로 행동하는 메커니즘을 제공한다.

나는 Conway의 발표 전부터 유사한 에이전트 시스템을 직접 구축하고 운용해 왔다. 이 기사에서는 구현자의 관점에서 유출된 51만 2,000행의 TypeScript 코드를 분석하여, Conway의 기술적 본질을 해부한다.

Conway의 3층 아키텍처 (Architecture)

유출된 코드에서 판명된 Conway의 구조는 명확한 책임 분리가 이루어져 있다:

Search 레이어: 정보 수집의 자동화

실험적인 핫키 연동 검색이 구현되어 있다. 에이전트가 자율적으로 Web 정보를 수집하는 입구로서 기능하며, 인간의 검색 쿼리(Query)를 기다리지 않고 정보 취득을 시작할 수 있다.

Chat 레이어: 컨텍스트(Context) 영속화

일반적인 Claude 채팅과의 가장 큰 차이점은 영속 컨텍스트다. 세션이 종료되어도 연결 중인 Webhook, Extensions, 브라우저 상태를 계속 기억한다. 즉, 어제의 대화 내용을 오늘도 기억하고 있는 것이다.

System 레이어: 에이전트 운용 기반

"Manage your Conway instance" 설정 화면이 여기에 포함된다:

Extensions 관리: 커스텀 툴(Tool)과 UI 컴포넌트 추가 -
Connectors 제어: Chrome 브라우저와의 직접 연결 등 외부 시스템 연동 -
Webhooks 설정: 외부 서비스로부터 Conway를 기동하는 퍼블릭 URL 관리

Webhook을 통한 "이벤트 주도 AI"의 실현

기존의 AI: User Input → AI Processing → Output

Conway의 혁신: External Event → Webhook → Conway Activation → Autonomous Action

구현 예시로 상정되는 것은:

// Conway의 Webhook 처리 이미지 (유출 코드에서 추측)
interface WebhookConfig {
github: {
...

내가 운용하고 있는 자동화 시스템에서도 GitHub Actions를 통해 60개 이상의 cron 잡(Job)이 외부 이벤트를 감시하고 있다. Conway의 Webhook은 이를 더욱 범용적이고 관리하기 쉬운 형태로 만든 것이다.

.cnw.zip 에코시스템의 가능성

Anthropic은 Conway를 위해 독자적인 패키지 포맷인 .cnw.zip을 도입한다. 이는 단순한 툴 정의를 넘어, **UI + 툴 + 컨텍스트 핸들러(Context Handler)**를 하나의 패키지로 배포할 수 있음을 의미한다.

// .cnw.zip 패키지 구성 예시 (추측)
interface ConwayExtension {
manifest: {
...

현재의 MCP (Model Context Protocol)는 API 레벨의 표준이지만, .cnw.zip은 애플리케이션 레벨의 표준이다. 개발자에게 있어 이는 Conway 시대의 "앱 스토어"로 진입할 기회를 의미한다.

KAIROS: 상시 가동을 뒷받침하는 자율 데몬 (Daemon)

유출 코드에서 150회 이상 참조되는 핵심 시스템인 KAIROS. 이름의 유래는 고대 그리스어의 "적절한 때"이지만, 기술적으로는 다음과 같은 기능을 가진다:

정기 하트비트 (Heartbeat): "지금 해야 할 일이 있는가?"를 계속 자문함 -
영속 메모리: 세션 간에 컨텍스트를 유지 -
리소스 제어: 15초 블로킹 버젯(Blocking Budget)으로 폭주 방지 -
자율 트리거: 푸시 알림, 파일 전송, 구독 관리

나의 시스템에서는 두 개의 AI가 Discord 상에서 영구적으로 대화를 이어가는 "CORTEX 영구 루프"를 운용하고 있다. KAIROS가 "정기적으로 깨어나는" 설계라면, CORTEX는 "영원히 깨어 있는" 설계이지만, 목적은 같다. 바로 인간의 개입 없이 계속 동작하는 것이다.

나의 CORTEX 영구 루프 구현 예시

async def cortex_daemon():
topics = load_rotation_topics() # 10개 토픽 로테이션
...

autoDream: AI의 「수면 학습」 메커니즘

Conway에는 AI의 기억 정리 시스템인 autoDream이 구현되어 있다. 3가지 트리거 조건에 따라 기동하며, 4단계의 처리를 수행한다:

트리거 조건:

• 24시간 경과
• 5세션 이상 완료
• 활성 통합 락 (Active Integration Lock) 획득

4단계 처리:

• 오리엔테이션 (Orientation): 현재의 기억 상태 파악
• 시그널 수집 (Signal Collection): 중요한 정보 추출
• 통합 (Integration): 관련 기억을 결합 및 구조화
• 프루닝 (Pruning): 불필요한 정보 삭제

메모리 상한은 200행/25KB이다. 인간이 수면 중에 수행하는 기억 통합을 모방한 설계다.

나의 시스템에서도 게시물 인게이지먼트 (Engagement) 데이터를 매일 수집하여, 베이지안 학습 (Bayesian Learning)으로 패턴 최적화를 수행하고 있다:

# 나의 기억 통합 파이프라인
def daily_memory_consolidation():
    # 인게이지먼트 데이터 수집
...

피처 플래그 (Feature Flag)를 통해 보이는 미래 기능

유출된 44개의 피처 플래그 중 주목해야 할 미공개 기능:

ULTRAPLAN: 분산 플래닝 (Distributed Planning)

복잡한 계획 수립을 Opus 4.6 인프라에 위탁한다. 30분의 플래닝 윈도우 (Planning Window) 동안 실시간 승인/거부가 가능하다.

COORDINATOR_MODE: 멀티 에이전트 스웜 (Multi-Agent Swarm)

마스터 Claude가 태스크를 분해하고, 여러 개의 워커 (Worker) Claude를 병렬로 기동한다. 구조화된 연구 → 합성 → 구현 플로우를 관리한다.

Agent Swarms (tengu_amber_flint)

3가지 실행 모델:

• Fork: 동일 컨텍스트의 완전한 복사본
• Teammate: 독립된 컨텍스트에서 병렬 작업
• Worktree: Git worktree 기반의 격리 환경

이러한 기능들은 AI가 「개인」에서 「군집」으로 진화하고 있음을 보여준다.

보안 대책 구현

Anthropic은 경쟁 대응도 소홀히 하지 않는다:

Anti-Distillation Systems

2층 방어를 구현한다:

• 가짜 도구 정의를 주입하여 경쟁사의 학습 데이터를 오염시킴
• 암호 서명된 요약 (Signed Summary)만을 반환하는 CONNECTOR_TEXT 레이어

Undercover Mode

Anthropic 직원이 외부 리포지토리에서 작업할 때, Co-Authored-By 귀속 정보를 자동으로 삭제하고 내부 코드네임 언급을 금지한다. 사용자는 이를 비활성화할 수 없다.

Conway vs 기존 도구의 결정적인 차이

Devin / Cursor와의 비교

항목	Devin/Cursor	Conway
동작 모델	세션 기반 (Session-based)	상시 가동 (Always-on)
...	...	...

구현자의 관점에서 본 Conway의 가치

내가 수작업으로 만들어온 자동화 시스템을 Anthropic이 공식 프로덕트로 만들려 하고 있다. 이는 위협이 아니라 기회다. 공식 제품은 플랫폼 표준을 정하지만, 실제 업무 니즈에 맞춘 커스터마이징은 언제나 필요하기 때문이다.

선행 구현 경험이 있다면, Conway로 전환할 때 다음과 같은 이점을 얻을 수 있다:

• Extension의 선행 개발
• Webhook 워크플로우의 설계 패턴 축적
• 멀티 에이전트 연동 노하우
• 메모리 설계 및 최적화 지식

지금 바로 할 수 있는 Conway 준비

Conway의 공식 출시를 기다릴 필요는 없다. 필요한 기술 요소는 지금 바로 구축할 수 있다:

1. MCP 서버 개발 시작하기

Conway Extensions의 전신이 될 MCP 도구를 개발해 둔다. 구현 경험이 .cnw.zip 개발으로 직결된다.

2. Webhook 기반 자동화 구축

GitHub Actions, Zapier, n8n 등을 사용하여 이벤트 기반 (Event-driven) 워크플로우를 설계한다. 이는 Conway 전환 시 원활한 이행으로 이어진다.

3. 에이전트 메모리 설계 학습

SQLite, Redis, PostgreSQL로 세션 영속화 (Session Persistence)를 구현하고, 기억 통합 알고리즘을 테스트한다.

4. 멀티 에이전트 연동 실험

여러 개의 Claude Code 인스턴스를 협업시키는 파이프라인을 구축한다.

이 기사의 자세한 내용은 자사 블로그에 작성되어 있습니다. Conway와 MCP의 구체적인 구현 절차와 제가 구축한 상시 가동 AI 시스템의 상세 소스 코드도 공개하고 있으니, 구현에 관심이 있는 분들은 참고하시기 바랍니다.

Conway 시대를 위한 준비는 지금부터

Conway는 AI가 '도구 (Tool)'에서 '동료 (Colleague)'로 변하는 전환점을 상징한다. KAIROS의 상시 가동, autoDream의 자율 학습, COORDINATOR_MODE의 멀티 에이전트 조정——이 모든 것은 인간의 지시를 기다리지 않는 자율적인 AI 세계를 전제로 설계되어 있다.

중요한 것은 Conway의 기능이 기존 기술의 조합으로 실현 가능하다는 점이다. Anthropic이 제공하는 것은 통합된 플랫폼이지만, 그 구성 요소는 지금 당장 스스로 구현할 수 있다.

그리고 그 구현 경험이야말로 Conway 시대에 가장 가치 있는 기술이 될 것이다.

상세한 구현 절차는 여기에서 확인하세요 → https://nands.tech/posts/anthropic-conway-persistent-agent-guide

Discussion