본문으로 건너뛰기

데이비드 온드레이의 AI 에이전트 엔지니어링 워크플로우 및 도구 구성 가이드

다수의 AI 에이전트를 효율적으로 운영하기 위한 인터페이스 선택, 비용 최적화 구독 전략, 자체 VPS 구축 및 커스텀 스킬 활용법을 상세히 공개한다.

이 요약은 AI가 원문을 분석해 생성했습니다. 정확한 내용은 원문 기준으로 확인하세요.

TL;DR

AI 에이전트를 활용한 소프트웨어 개발 생산성을 극대화하기 위해서는 도구의 통합 관리와 비용 최적화가 핵심이다. 데이비드 온드레이는 BB와 herdr 인터페이스를 통해 수십 개의 에이전트 상태를 제어하고, API 대신 구독형 모델을 조합하여 운영 비용을 절감하는 전략을 사용한다. 특히 특정 플랫폼에 종속되지 않도록 자체 VPS에 독립적인 에이전트 환경을 구축하고, 'ask-then-build'와 같은 커스텀 스킬을 통해 에이전트의 설계 능력을 인간이 통제하는 워크플로우를 완성했다. 이를 통해 병렬 작업의 효율을 높이면서도 코드 품질과 아키텍처의 일관성을 유지할 수 있다.

챕터별 상세

00:20

에이전트 관리 인터페이스 구성

수십 개의 AI 에이전트를 효율적으로 제어하기 위해 BB와 herdr 같은 전용 인터페이스를 활용한다. BB는 오픈소스 IDE로 다양한 구독 모델과 에이전트를 하나의 UI에서 통합 관리할 수 있게 해준다. herdr는 터미널 기반의 런타임으로 에이전트의 실행 상태(Idle, Blocked, Running)를 실시간으로 추적하며 병렬 작업을 조율한다. 이를 통해 인간의 제한된 주의력을 분산시키지 않고 여러 에이전트에게 복잡한 작업을 동시에 할당하는 체계를 구축했다.

BB는 Cursor나 Codex처럼 특정 모델에 종속되지 않고 사용자가 원하는 모든 LLM을 연결할 수 있는 자유도가 높다.

04:26

모델 구독 및 비용 최적화 전략

API 호출 비용 대신 무제한 토큰을 제공하는 구독형 모델을 조합하여 가성비를 극대화한다. ChatGPT Codex($100/$200), Claude Code($100/$200), Cursor($60+) 등의 구독 서비스를 활용하면 API 방식보다 훨씬 저렴하게 대량의 작업을 수행할 수 있다. 특히 Opencode Go($10)는 Grok 4.6, DeepSeek V4 Pro 등 최신 모델을 저렴하게 제공하여 보조 에이전트용으로 적합하다. 에이전트 엔지니어링에서는 토큰 소모량이 막대하므로 API 과금 방식은 피해야 한다.

구독형 모델은 일정 금액으로 대량의 토큰을 사용할 수 있어 에이전트의 반복적인 코드 리뷰나 테스트 수행에 유리하다.

07:31

자체 VPS 기반 클라우드 에이전트 구축

특정 기업의 에코시스템 락인을 방지하기 위해 자체 VPS(Hostinger)에 에이전트 환경을 구축했다. 로컬 컴퓨터는 수백 개의 에이전트를 동시에 돌리기에 자원이 부족하고 인터넷 연결 문제에 취약하다는 한계가 있다. VPS에 herdr와 SSH를 설정하면 전원이 꺼진 상태에서도 에이전트가 지속적으로 작업을 수행하며, 모든 데이터와 컨텍스트를 사용자가 직접 통제할 수 있다. 시연에서는 Cursor Grok 4.6 에이전트에게 VPS 접속 정보를 주고 herdr와 Node.js 등 개발 환경을 자동으로 설치하게 하여 구축 시간을 단축했다.

에코시스템 락인이란 특정 플랫폼의 도구와 환경에 익숙해져 다른 대안으로 옮기기 어려워지는 현상을 말한다.

14:49

에이전트 하네스와 커스텀 스킬 활용

에이전트의 실행을 돕는 하네스(Harness)로 Pi Agent와 Hermes 등을 사용하며, 이를 보완하기 위해 커스텀 스킬 리포지토리를 운영한다. Pi Agent는 최소한의 도구만 갖춘 가벼운 하네스로 커스터마이징이 용이하여 선호된다. 'ask-then-build' 스킬은 에이전트가 코드를 작성하기 전 인간에게 3~5개의 핵심 질문을 던져 설계 방향을 확정하게 함으로써 기술 부채를 방지한다. 또한 'total-review' 스킬을 통해 서로 다른 모델(Claude, GPT)이 작성된 코드를 교차 검증하게 하여 품질을 높였다.

하네스는 AI 모델이 실제 시스템과 상호작용(파일 읽기, 명령 실행 등)할 수 있도록 연결해주는 실행 프레임워크를 의미한다.

bash
alias cc='claude --dangerously-skip-permissions'
alias cx='codex --yolo-mode'

에이전트 실행 시 반복되는 긴 옵션을 줄이기 위한 터미널 별칭 설정

18:03

워크트리와 에이전트 생산성 측정

중대형 프로젝트에서는 에이전트 간의 충돌을 막기 위해 Git Worktree를 필수적으로 사용한다. BB 인터페이스는 워크트리 생성을 자동화하여 에이전트가 독립적인 브랜치에서 병렬로 작업할 수 있는 환경을 제공한다. 또한 'agentic-productivity' 도구를 개발하여 에이전트 세션 수, 사용자 프롬프트 수, Git 커밋 횟수 등을 지표화하고 실제 생산성 향상 여부를 추적한다. 에이전트가 무분별하게 테스트 코드를 생성하여 리포지토리를 비대하게 만드는 것을 방지하기 위해 '테스트 생성 억제' 지침을 명시적으로 부여하는 노하우도 공유했다.

워크트리를 사용하면 하나의 프로젝트 폴더를 여러 개로 복제한 것처럼 사용할 수 있어 에이전트들이 서로의 작업을 덮어쓰지 않는다.

용어 해설

에이전트 중심 엔지니어링(Agentic Engineering)
AI 에이전트를 단순한 챗봇이 아니라 소프트웨어 개발 프로세스의 핵심 구성 요소로 활용하는 방법론이다. 여러 에이전트가 병렬로 작업을 수행하고 상호작용하며 복잡한 코딩 과제를 해결하는 워크플로우 구축에 집중한다.
가상 사설 서버(VPS)
물리적 서버를 가상화하여 사용자에게 독립적인 서버 자원을 할당하는 서비스이다. 클라우드 에이전트를 로컬 컴퓨터가 아닌 외부 서버에서 24시간 실행하고, 인터넷 연결이나 전원 문제로부터 자유로운 작업 환경을 제공하기 위해 사용한다.
워크트리(Worktree)
하나의 Git 저장소에서 여러 개의 작업 디렉토리를 동시에 운영하는 기능이다. 여러 에이전트가 서로 다른 브랜치에서 병렬로 작업할 때 코드 충돌을 방지하고 독립적인 실행 환경을 보장하기 위해 필수적으로 활용된다.
아키텍처 결정 기록(ADR)
소프트웨어 설계 과정에서 내린 중요한 기술적 결정과 그 이유를 문서화하는 관행이다. 에이전트가 프로젝트의 맥락을 이해하고 일관성 있는 코드를 작성할 수 있도록 돕는 중요한 컨텍스트 역할을 한다.
AI 분석 전체 내용 보기

AI 요약 · 북마크 · 개인 피드 설정 — 무료

출처 · 인용 안내

원문 발행 2026. 09. 02.수집 2026. 09. 02.출처 타입 YOUTUBE

인용 시 "요약 출처: AI Trends (aitrends.kr)"를 표기하고, 사실 확인은 원문 보기 기준으로 진행해 주세요. 자세한 기준은 운영 정책을 참고해 주세요.