또 하나의 놀라운 Jev 사용 사례입니다!
Decision models(의사결정 모델)와 같은 Jev는 에이전트 실행(agent run) 내부에서 실제로 무슨 일이 일어나는지 평가하는 비용을 극적으로 낮추고 있습니다.
그리고 이제 이러한 평가 결과를 활용할 수 있도록 하는 오픈 소스 메모리 레이어(memory layer)가 등장하여, 20개 이상의 에이전트 하네스(agent harnesses) 전반에 걸쳐 유용한 교훈들을 재사용 가능하게 만듭니다:
- Claude Code
- Codex
- Cursor
- OpenCode
- 그리고 더 많은 도구들.
이 프로젝트의 이름은 @asymptotelabs에서 개발한 Beacon입니다.
GitHub: https://t.co/KNgtyAGf3b
(별표 표시 잊지 마세요 🌟)
아래 비디오에서 제가 수행한 과정을 소개합니다.
-
저는 Claude Code에 코딩 작업을 부여했습니다. 이는 변경 사항을 만들고 테스트를 실행했으며, Beacon이 세션을 자동으로 기록했습니다.
-
저는 Jev에게 해당 실행 결과를 평가하도록 했습니다. 첫 번째 평가는 수정 사항(correction)을 제공하지 않았기 때문에 '검토 필요'로 반환되었고, 따라서 제 앱은 아무것도 저장하지 못했습니다.
-
제가 에이전트를 수정한 후, 이는 작업을 업데이트하고 테스트를 재실행했습니다. Jev는 업데이트된 세션을 평가했고, 이번에는 그 결과가 메모리를 저장하기 위한 제 앱의 규칙을 충족했습니다.
-
저는 수정 사항과 이를 뒷받침하는 증거를 공유 메모리(shared memory)로 저장했습니다. 그런 다음 별도의 Codex 세션을 열고 명시적으로 이 메모리를 읽어달라고 요청했습니다.
Codex는 제가 다시 설명할 필요 없이 이전 Claude Code 세션에서 발생했던 수정 사항을 기억해냈습니다.
Beacon은 세션 기록 전체를 포착했습니다. Jev가 보존할 가치가 있는 것을 평가했고, 제 앱이 저장 규칙을 적용하여 교훈을 저장했습니다.
그 수정 사항은 이제 제가 처음 만들었던 대화 외부에서도 컨텍스트(context)로 이용 가능해졌습니다.
저는 이 빌드에 대해 Asymptote Labs의 공동 창업자인 Justin과 함께하는 비디오에서 더 자세히 다루었으며, 에이전트 간 세션 이동, 재사용 가능한 스킬 생성, 그리고 에이전트 활동 전반에 걸친 보안 위험 감지 기능도 다뤘습니다.
아래 전체 비디오를 시청하세요.
저는 Claude Code, Codex, Cursor에 자체 개선형 공유 MEMORY(메모리)를 부여했습니다.
이제 저의 코딩 에이전트들은 서로로부터 학습하며, 그 지식은 제가 작업하는 곳 어디든 따라다닙니다.
코딩 에이전트는 사일로(silos)에서 작동합니다. Cursor에서 수정한 내용은 Claude Code로 자동으로 전달되지 않으며, Codex에서 구축한 스킬도 자동으로 [내용 생략