Opus 5.5와 Jev로 구현한, 거의 불법적으로 보이는 AI 스택
요약
본 기사는 Opus 5.5와 Jev라는 프레임워크를 활용하여, AI 모델 주변에 의사결정 및 안전성 계층을 추가하는 고급 AI 스택 아키텍처를 소개합니다. 이 스택은 요청 처리 전 권한 확인(JevRouter), 코드 리뷰(jev-lint), 도구 호출 점수화(jev-guard) 등 여러 GitHub 저장소를 통해 복잡하고 통제된 워크플로우를 구축하는 방법을 제시합니다.
핵심 포인트
- Opus 5.5와 Jev를 결합하여 AI 스택을 구성함.
- 의사결정 계층(decision layer)을 추가해 안전성과 제어력을 높임.
- 라우트-규칙-가드-감독-배포의 체계적인 아키텍처를 제시함.
- 다양한 전용 훅과 에이전트를 활용하여 워크플로우를 정교하게 관리함.
Opus 5.5와 Jev 덕분에 이 AI 스택이 정말 불법적으로 보이네요.
모델 주변에 의사결정 계층(decision layer)을 추가하는 10개의 GitHub 저장소
01 JevRouter
▸ https://t.co/87nptDJN3Z
→ Jev가 각 요청마다 모델, 서브 에이전트(subagent), 스킬 또는 도구를 선택하고, 코드가 실행되기 전에 권한을 확인합니다.
02 blink
▸ https://t.co/I2zVHpe5Wm
→ 임베딩 인덱스 없이 디렉토리 이름을 탐색하여 올바른 파일을 찾습니다.
03 jev-engineering
▸ https://t.co/u9UI2YxqMX
→ 하드 규칙을 먼저 적용한 다음, Claude Code의 PreToolUse 훅(hook)으로 하나의 Jev 호출을 사용합니다.
04 jev-lint
▸ https://t.co/MTJahOFiHF
→ 코드 리뷰 전에 팀 규칙에 따라 모든 수정을 확인합니다.
05 skills
▸ https://t.co/OoQyo7ddAh
→ Jev 워크플로우를 구축하고 평가하기 위한 공식 스킬입니다.
06 jev-guard
▸ https://t.co/R2UREiUG6I
→ 모든 도구 호출을 점수화합니다: 허용(allow), 질문(ask) 또는 거부(deny).
07 jevguard-mcp
▸ https://t.co/sXPjcRbvtp
→ 쉘 명령어와 패치 회귀 위험도를 평가하는 MCP 서버로, 종속성이 없습니다.
08 Edward
▸ https://t.co/lKUvJ55vR7
→ 하나의 Jev 호출이 전체 세션을 판단합니다: 계속(continue), 일시 중지(pause) 또는 에스컬레이션(escalate)하며, 서명된 영수증을 제공합니다.
09 foreman
▸ https://t.co/4zXSOYEh8S
→ 코딩 에이전트가 과제에 집중하도록 유지하는 감독관입니다.
10 jev-use
▸ https://t.co/aS81vriWYD
→ Claude Code 내부에서 Jev 질문을 배치(batch) 처리하며, 불확실한 단계는 LLM으로 되돌아갑니다.
아키텍처:
라우트 → 규칙 → 가드 → 감독 → 배포(ship)
저는 스택을 이렇게 분할할 것입니다:
라우트(route):
JevRouter → blink
규칙(rules):
jev-engineering → jev-lint → skills
안전성(safety):
jev-guard → jevguard-mcp
제어(control):
Edward → foreman → jev-use
Opus 5.5가 코드를 계획하고 작성합니다. 그 주변의 모든 포크는 Jev를 거칩니다.
모델은 스택 내 하나의 폴더입니다 ⭣
AI 자동 생성 콘텐츠
본 콘텐츠는 X AI 사용법/팁의 원문을 AI가 자동으로 요약·번역·분석한 것입니다. 원 저작권은 원저작자에게 있으며, 정확한 내용은 반드시 원문을 확인해 주세요.
원문 바로가기