올해 4월, AI 지원 개발 중에 D 드라이브의 170GB 데이터가 순식간에 사라졌습니다. 작업 파일은 물론, 가족의 사진과 오랫동안 축적해 온 자료까지 모두 잃었습니다.

사고 후의 회고와 조사

그 후, 2025~2026년에 보고된 AI 관련 인시던트(incident)를 낱낱이 조사하고, 자신의 사고 경위도 하나씩 재구성했습니다.

그 과정에서 뼈저리게 느낀 점은, 이러한 트러블의 대부분이 「작업 상태의 관리 불능」에서 기인한다는 점입니다.

AI는 지시에 대해 응답할 뿐, 「현재의 진척도」, 「부과된 제약 사항」, 「다음에 해야 할 일」과 같은 정보는 모두 채팅 이력에 흩어져 있는 상태입니다.

결과적으로 인간도 AI도 공통된 컨텍스트 (context)를 유지하지 못해 잘못된 판단을 내리게 됩니다.

AI 워크플로우가 안고 있는 과제

저와 마찬가지로 Claude, ChatGPT, GitHub Copilot, Gemini 등 여러 AI 도구를 구분해서 사용하고 있는 개발자는 많을 것이라 생각합니다.

하지만 현재 상황은 회의로 작업을 중단하면 재개할 때 처음부터 다시 설명해야 하고, 도구를 전환할 때마다 같은 설명을 반복해야 합니다. 여러 태스크 (task)를 병행하면 각각의 진척도를 알 수 없게 됩니다.

이 「컨텍스트 (context) 재구축」 비용은 토큰 (token) 비용뿐만 아니라 개발자의 집중력과 시간을 크게 빼앗아 갑니다.

WRF 프로토콜이란

그러한 과제를 해결하기 위해 만든 것이 WRF (Workflow Recovery Framework) 프로토콜입니다.

작업의 모든 상태를 단일 .wrf.md 파일에 저장하는 오픈 프로토콜로, 목표 · 진척 단계 · 완료된 체크포인트와 그 에비던스 (evidence) · 다음 절차 · 인간의 지시 · AI의 커맨드 (command) 이력 등을 일원 관리합니다.

이를 통해 AI 도구의 전환은 물론, 며칠 후의 작업 재개나 팀으로의 인수인계, 메일 한 통으로의 태스크 (task) 전달까지, 파일 하나를 보내는 것만으로 정확하게 상태를 공유할 수 있게 됩니다.

WRF Deck의 기능

WRF Deck은 이 프로토콜을 조작하기 위한 비주얼 워크스페이스 (visual workspace)입니다.

설치가 필요 없이 브라우저에서 동작하며, 로컬상의 .wrf.md를 읽고 씁니다. AI 도구가 실제 작업을 담당하고, WRF Deck은 상태를 감시·관리하는 병렬 레이어 (layer)로서 기능합니다. 즉 「AI 도구를 바꿔도 WRF 파일은 그대로」라는 설계입니다.

Sentry: 위험 커맨드 (command)의 탐지와 억제

command_ledger에 기록된 커맨드 (command)가 rm -rf 등의 위험 패턴과 일치하면, 화면 상단에 빨간색 경고 배너를 표시하고 AI의 실행을 강제 정지합니다.

「🔒 증거를 잠금」 버튼을 누르면, 그 시점의 .wrf.md와 인시던트 (incident) 서머리를 SHA-256 해시 (hash)와 함께 저장할 수 있습니다. 나중에 「언제 · 무엇이 일어났는가」에 대한 증적으로서 활용할 수 있습니다.

도구 간의 심리스 (seamless)한 핸드오프 (handoff)

「Copy Step Handoff」, 「Copy Full Handoff」 버튼으로 작업 상태를 클립보드에 복사할 수 있습니다. 다른 AI 도구에 붙여넣는 것만으로 컨텍스트 (context)를 잃지 않고 작업을 계속할 수 있습니다.

멀티태스크 (multi-task) 관리

여러 AI 태스크 (task)를 병행할 경우, 태스크 (task)마다 독립된 .wrf.md로 관리할 수 있습니다. 어떤 태스크 (task)든 일시 정지 · 재개 · 도구 전환을 자유롭게 할 수 있습니다.

인간과 AI의 기여를 분리 기록

humanDirectionNotes에 인간의 창의적인 지시나 제약, AI에 대한 수정 지시를 기록하고, completed_checkpoints에 AI의 실행 에비던스 (evidence)를 저장합니다.

최종적으로 ZIP 형식으로 익스포트 (export)하면 인간과 AI 각각의 기여를 시계열로 시각화할 수 있습니다.

Proof Trail

파일을 드래그 앤 드롭 (drag & drop)하는 것만으로 로컬에서 SHA-256 해시 (hash)와 타임스탬프 (timestamp)를 생성할 수 있으며, OpenTimestamps로의 제출도 지원합니다.

왜 토큰 (token)을 절약할 수 있는가

.wrf.md를 운용하는 것이 언뜻 번거로워 보일 수 있지만, 「매번 같은 컨텍스트 (context)를 다시 설명하는」 비용을 대폭 삭감할 수 있습니다.

도구 전환 · 작업 재개 · 태스크 (task) 이행 시마다 목표 · 제약 · 현황을 재전송하는 토큰 (token)을 파일 하나로 묶을 수 있기 때문입니다.

퀵 스타트 (Quick Start)

curl -L https://github.com/1G10K/wrf-protocol/raw/main/templates/wrf/execution-track.wrf.md -o execution-track.wrf.md

• AI에게 프로젝트 계획을 .wrf.md 형식으로 작성하도록 요청하기
• WRF Deck의 Import to Start를 통해 파일을 불러오기
• Copy Next Step Command를 복사하여 AI에 붙여넣고 실행하기
• 도구를 전환할 때는 Copy Step Handoff를 이용하기

요약 (Summary)

WRF Deck는 AI 도구를 자유롭게 교체하며 사용하면서도, 작업 상태를 잃지 않고 진행할 수 있는 메커니즘입니다.

프로토콜과 SDK는 Apache-2.0 라이선스로 오픈 소스 공개되어 있습니다.

Discussion