에이전트 중심 개발의 서막: Entire 플랫폼 출시와 OpenAI/Claude의 최신 업데이트

섹션별 상세

전 GitHub CEO Thomas Dohmke가 설립한 Entire는 에이전트와 인간의 협업을 위한 차세대 개발 플랫폼을 지향하며 6,000만 달러의 시드 투자를 유치했다. 'Checkpoints' 기능을 통해 에이전트의 전체 컨텍스트(프롬프트, 파일 변경, 토큰 사용량 등)를 Git 커밋과 함께 캡처하여 에이전트가 코드를 작성하는 시대의 새로운 인프라를 구축하고자 한다.

OpenAI는 Responses API에 장기 실행 에이전트 작업을 위한 새로운 프리미티브를 도입했다. 서버 측 압축(Compaction)을 통해 컨텍스트 제한 없이 수 시간 동안 에이전트를 실행할 수 있게 되었으며, 네트워크 연결이 가능한 컨테이너 환경을 제공하여 에이전트가 직접 라이브러리를 설치하고 스크립트를 실행할 수 있도록 지원한다.

OpenClaw 프레임워크가 GitHub 스타 18만 개를 돌파하며 에이전트 생태계의 핵심으로 부상했다. Andrej Karpathy는 거대한 라이브러리를 설치하는 대신 에이전트가 필요한 로직만 추출해 사용하는 방식을 언급하며 "라이브러리의 시대는 가고 LLM이 새로운 컴파일러가 될 것"이라고 전망했다.

Hashline이라는 새로운 편집 도구는 LLM의 코딩 성능을 획기적으로 개선했다. 모델이 전체 텍스트를 재현하는 대신 각 라인의 해시값을 참조하여 수정하도록 설계함으로써, 모델 재학습 없이도 Gemini의 성능을 8% 향상시키고 Grok Code Fast의 성능을 10배 가까이 끌어올리는 성과를 거두었다.

WebMCP의 도입으로 AI 에이전트가 웹사이트의 서비스를 직접 쿼리하고 실행할 수 있는 환경이 마련되고 있다. Chrome 146 버전의 실험적 기능을 통해 웹사이트가 에이전트에게 도구를 직접 노출함으로써, 기존의 스크린샷 기반 상호작용보다 훨씬 빠르고 정확한 에이전트 동작이 가능해질 것으로 기대된다.

이미지 분석

Chart
특정 주제나 트렌드에 대해 실시간으로 데이터를 수집하고 분석하는 Signals의 성능을 보여준다. Google Alerts 대비 72% 빠른 탐지 속도와 67% 더 높은 관련성을 강조하며, 시간대별 이벤트 발생 빈도를 시각화하여 데이터 지연 없는 모니터링 역량을 입증한다.
Signals 서비스의 데이터 모니터링 대시보드 스크린샷

용어 해설

서버 측 압축(Server-side Compaction): — 긴 대화나 작업 과정에서 발생하는 방대한 컨텍스트 데이터를 서버에서 효율적으로 요약하거나 압축하여 모델의 컨텍스트 제한을 극복하고 비용을 절감하는 기술이다. 이를 통해 수 시간 동안 지속되는 에이전트 작업을 중단 없이 수행할 수 있다.
모델 컨텍스트 프로토콜(MCP): — AI 모델이 외부 도구, 데이터 소스 및 서비스와 표준화된 방식으로 상호작용할 수 있도록 돕는 개방형 프로토콜이다. 에이전트가 다양한 외부 플러그인이나 커넥터를 일관된 방식으로 사용할 수 있게 하여 확장성을 높인다.
생성형 UI(Generative UI): — 사용자의 의도나 데이터에 맞춰 실시간으로 사용자 인터페이스를 동적으로 생성하는 기술이다. 고정된 UI 대신 AI가 상황에 최적화된 화면 구성을 제안하여 사용자 경험을 극대화한다.
컨텍스트 윈도우(Context Window): — LLM이 한 번에 처리하고 기억할 수 있는 텍스트 데이터의 최대 범위를 의미한다. 이 범위를 초과하는 정보는 모델이 참조할 수 없으므로, 긴 작업을 위해서는 압축이나 요약 기법이 필수적이다.

기술

OpenAI API
Claude Code
OpenClaw
Entire
WebMCP
Hashline

활용 사례

자율 코딩 에이전트
장기 실행 워크플로우 자동화
웹 서비스 자동 제어
AI 기반 코드 리뷰 및 편집

언급된 리소스

문서Entire - Next Developer Platform

GitHubOpenClaw Architecture Tutorial