이번 주는 AI 계열 도구와 Go 주변의 업데이트가 겹쳤다. GitHub 측에서는 에이전트 관련 발표가 두 차례 연속되었고, Go Blog에서는 1.25에 실험적인 새로운 GC가 도입된다는 뉴스도 들려왔다. 관심 있는 것부터 차례대로 다뤄보았으므로 정리해 둔다.

GitHub가 「Copilot CLI가 서브 에이전트(Sub-agent)로의 위임을 더욱 선택적으로 만들었다」는 블로그를 공개했다. 새로운 설정 항목이 늘어난 것이 아니라, 내부의 판단 로직이 바뀌었다는 이야기다.

실제로 gh copilot suggest를 계속 사용해 오면서 확실히 변화를 느끼는 장면이 있었다. 이전에는 조금 복잡한 명령어를 물어보기만 해도 오케스트레이터(Orchestrator)에게 태스크를 던졌던 것이, 단순한 것은 즉시 답변하도록 바뀌어 있다.

$ gh copilot suggest "git でリモートの不要なブランチを一括削除したい"
# 이전: 에이전트가 플랜 수립 → 확인 → 실행이라는 다단계 스텝
# 현재: 직접 명령어를 반환해 줌
...

위임에 따른 오버헤드가 없어진 만큼, 체감 응답 속도가 빨라졌다. "왜 이것을 에이전트에게 던질 필요가 있는 거지"라는 스트레스가 줄어든 것이 가장 크다.

Microsoft Build 2026에서 발표된 GitHub Copilot app은 에이전트를 전제로 하는 데스크톱 앱이다. 기존의 "IDE의 확장 기능으로서 Copilot이 있다"라는 위치에서, "에이전트가 상주하는 허브"로서 재정의되고 있다.

업무에서 시도해 본 것은, 긴 리팩터링(Refactoring)을 백그라운드에서 실행시키면서 자신은 다른 태스크를 수행하는 플로우다. 에이전트가 판단에 망설여질 때만 알림이 오고 확인을 요청받는다.

처음에는 "또 새로운 UI인가"라고 생각했지만, 에이전트의 작업이 타임라인 형식으로 보이는 것은 생각보다 편리했다. 어떤 파일을 어떤 이유로 변경했는지가 로그에 남기 때문에 나중에 리뷰하기 쉽다. "에이전트가 무엇을 했는지 모르겠다"라는 불안감이 경감되었다.

Zenn에서 「서브 에이전트 활용으로 Claude의 최신 모델을 가성비 좋게 운용하는 법」이라는 기사가 화제가 되고 있었다. 성능이 올라간 모델은 단가도 올라가기 때문에, 태스크의 성질에 따라 모델을 구분해서 사용하는 전략이다.

나도 비슷한 일을 하고 있었기에 코드를 정리해 보았다. 요구사항 정의나 설계의 모호함 해소에는 상위 모델을, 사양이 확정된 코드의 구현에는 Sonnet을 사용하는 구성:

import anthropic
client = anthropic.Anthropic()
def design_phase(requirements: str) -> str:
...

전부 상위 모델에 던졌을 때와 비교하여 API 비용이 35~40% 낮아졌다. 품질은 체감상 거의 차이가 없다. "설계 페이즈만 강한 모델에 맡긴다"는 것은, 인간 팀에서 말하는 상급 엔지니어에게 설계만 부탁하고 구현은 다른 사람에게 맡기는 것과 비슷한 발상이다.

Go Blog에서 발표된 Green Tea GC는 Go 1.25부터 GOEXPERIMENT=greenteagc 플래그로 활성화할 수 있다. GC의 포즈 타임(Pause time) 단축을 목표로 한 새로운 구현이다.

# 빌드·테스트 시 플래그를 전달하는 것만으로 활성화됨
GOEXPERIMENT=greenteagc go build ./...
GOEXPERIMENT=greenteagc go test ./... -bench=. -benchmem

자신의 배치 처리(Batch processing) 프로젝트에서 테스트한 결과:

# 표준 GC
BenchmarkProcess-8 500 2.4ms/op GC pause 최대: ~9ms
# Green Tea GC
...

GC 포즈가 60% 이상 단축되었다. 처리량(Throughput) 자체의 개선은 그렇게 크지 않지만, 레이턴시(Latency)의 편차가 줄어드는 것은 API 서버에서 효과가 크다. 아직 실험용 플래그이므로 운영 환경에는 넣지 않았지만, Go 1.26 이후 안정판이 되면 즉시 이행할 예정이다.

Go 1.26에서는 타입 구축(Type construction)과 사이클 검출(Cycle detection)의 개선도 들어간다고 하니, 재귀 타입을 많이 사용하는 코드베이스에는 희소식이다.

이번 주의 공통 테마는 "AI를 어디에서 쓰고, 어디에서 쓰지 않을 것인가"의 최적화였다고 생각한다. Copilot CLI가 위임을 줄이고 심플한 케이스를 직접 처리하도록 한 것도, Claude를 설계 페이즈에만 상위 모델에 맡기는 것도 근본적으로는 같은 발상이다.

Green Tea GC는 아직 실험 단계이지만, 포즈 타임 (pause time)의 개선 폭이 명확하므로 정기적으로 상황을 추적해 나가고 싶다. Go의 릴리스 사이클 (release cycle)은 빠르기 때문에, 플래그 (flag)가 해제되는 타이밍을 놓치지 않도록 주의해야 한다.