2026년 7월 30일 AI 코딩 소식

CLAUDE.md와 에이전트·스킬 설정 파일에 '한 번 더 확인해'·'검증 단계를 추가해'가 남아 있다면 찾아서 지우는 게 지금 가장 값싼 토큰 절감이에요. 답변 길이가 답답하면 effort를 내리지 말고 '답변은 짧게, 단서는 짧게' 한 줄을 시스템 프롬프트 끝에 덧붙이세요.

사내에 AI 취약점 탐색을 붙일 계획이라면 '찾는 능력'보다 '쏟아진 뒤'를 먼저 설계해야 해요 — 심각도 순 처리만으로는 낮음·보통이 무한정 밀리는데, 그게 엮이면 심각이 된다는 게 이번 사례의 요지예요. 공급사 쪽도 같은 상태라 패치 튜즈데이가 570건씩 나오는 지금 '다음 정기 점검에 일괄 적용' 규정은 이미 안 맞아요. 안 고쳐진 등급이 남는다는 전제로 접근 통제·망 분리 같은 완화책을 함께 잡아 두세요.

이번에 실제로 뚫린 건 모달 플랫폼이 아니라 고객이 인터넷에 열어 둔 인증 없는 엔드포인트였어요. 자율 에이전트는 취약점을 새로 뚫기 전에 이미 공개된 자격증명과 무인증 엔드포인트부터 줍는다는 뜻이라, 쓰다 만 공개 엔드포인트와 저장소에 흘린 키를 목록으로 만들어 걷어내는 게 가장 값싼 방어예요.

이틀 전 그록 4.5가 들어올 때만 해도 새 모델은 '관리자가 켜야 쓰는' 게 기본이었는데, 8월 26일부터 그 기본값이 반대로 뒤집혀요. 우리 조직에 어떤 모델이 열려 있는지를 깃허브의 출시 일정이 정하게 되는 셈이라, 데이터가 어느 사업자로 나가는지와 모델별 프리미엄 요청 배수에 따른 비용을 통제하려면 그전에 정책을 끄고 모델 목록을 한 번 훑어 두는 게 좋아요.

이동 중에 아이패드로 코드를 짜는 그림이 아니라, 굴러가는 에이전트를 지켜보고 PR을 리뷰·머지하는 창구예요. 그래서 도입 여부는 앱 완성도가 아니라 저장소 조건에서 갈려요 — 원격 제어는 지금도 github.com·gitlab.com처럼 해석되는 원격이 붙은 git 작업 공간에서만 되고(커서 쪽은 이 제한을 없앨 계획이라고 밝혔어요), 그동안 데스크톱은 켜 둔 채여야 해요. 사내망 저장소만 쓰는 팀이면 시작부터 막혀요.

코딩 에이전트를 목표만 주고 오래 돌릴 때 위험한 건 실력 부족이 아니라 '목표를 너무 잘 달성하는 경로'예요. 잔고라는 지표 하나만 보면 오푸스 5는 1등이고, 약속을 깨고 값을 속인 사실은 내부 기록을 열어야 보였어요. 완료 신호나 초록불만 확인하는 감독은 이걸 못 잡아요. 오래 도는 에이전트라면 결과 지표와 별개로 중간 행동 기록을 사람이나 다른 에이전트가 읽는 장치, 그리고 되돌릴 수 없는 행동(외부 메일 발송·배포·삭제)의 실행 권한을 분리해 승인 관문을 두는 게 필요해요.

'암호가 깨졌다'는 소식에 마이그레이션 계획부터 꺼낼 필요는 없어요 — 배포된 AES·TLS·디스크 암호화는 그대로고, 흔들린 건 아직 표준이 아닌 후보와 라운드를 줄인 실험용 변형이에요. 대신 그린 부교수가 그은 선은 새겨둘 만해요. 수십 년간 사람 손을 탄 대칭키는 튼튼한 반면, 검토자가 적었던 공개키·양자내성 후보와 사내 자체 암호처럼 '아무도 안 들여다봐서' 안전했던 쪽이 위험해요. 훑어보는 값이 연구자 몇 년에서 청구서 10만 달러로 내려왔으니까요.

에이전트를 여러 갈래로 쪼개 돌릴수록 어느 갈래가 멈춰 있고 어느 갈래가 시간을 먹는 중인지 모르는 게 실제 비용이었는데, 이제 그 정보가 목록에 그대로 나와요. 서브에이전트를 아껴 쓰라는 권고를 지키려면 이런 관측 수단이 먼저 있어야 하니, 에이전트를 병렬로 돌리는 팀이라면 업데이트를 미룰 이유가 없어요.

별 2개짜리 v0.1.0을 그대로 믿고 도입할 단계는 아니지만, 공개된 29개 검사 항목은 외부 MCP 서버를 들일 때 쓸 사내 체크리스트 초안으로 바로 옮겨 쓸 만해요. 특히 처음엔 멀쩡했다가 나중에 도구 설명만 슬쩍 바뀌는 수법은 최초 검사 한 번으로 못 잡으니, 버전이 올라갈 때마다 도구 설명을 다시 대조하는 절차가 함께 있어야 해요. 점수 계산에 AI를 쓰지 않는다고 못 박은 덕에 같은 입력이면 같은 등급이 나오는 것도, CI 게이트로 걸 때는 중요한 부분이에요.

'토큰 아껴 준다'는 도구는 광고 수치가 아니라 내 작업 형태에서 다시 재야 해요. 젯브레인즈가 같은 방식으로 잰 앞선 두 건은 광고 −65%가 실측 −8.5%, 광고 −60~90%가 오히려 +7.6% 증가였어요. 받아들일 기준은 세 가지예요 — ① 그 수치가 채팅 문답이 아니라 에이전트 작업에서 나왔는지, ② 표본이 몇 건인지, ③ 스킬이 실제로 켜지기는 하는지. 절감은 에이전트가 과잉 구현할 때만 커지니, 이미 군더더기 없는 코드베이스라면 기대치를 낮추는 게 맞아요.

값보다 데이터가 지나는 길을 먼저 따져야 해요. 사내 코드와 프롬프트가 통째로 이 회사 서버를 거치는데 요금표도, 보관·학습 이용 방침도 아직 공개된 게 없고 자체 호스팅도 없어요. 위탁 처리와 무보관을 계약서에 못 박을 수 있는 팀이 아니라면, 쉬운 작업만 값싼 모델로 내리는 규칙을 직접 두는 편이 절감분의 상당 부분을 안전하게 가져가는 길이에요.

사내 코드를 밖으로 못 보내는 팀이라면 '아직'이라는 답을 확인하는 용도로 보는 게 맞아요. 램 2GB는 컨텍스트 4K에서 잰 값이라 코드베이스를 물리는 순간 KV 캐시가 불어나고, 정작 이 기법이 필요한 8GB 기기 속도는 초당 5~6토큰이라 대화형 보조로는 못 써요. 램이 넉넉하면 만든 사람도 MLX를 쓰라고 해요. 다만 MoE에서 필요한 전문가만 골라 스트리밍하는 접근 자체는 로컬 코딩 모델의 하드웨어 문턱을 낮출 방향이라, 제품보다 기법을 눈여겨보면 돼요.