Claude Code CLI와 Bash를 활용한 투명한 AI 에이전트 구축 방법

커뮤니티 반응

작성자의 단순하고 투명한 접근 방식에 대해 긍정적인 반응이 예상되며, 특히 무거운 프레임워크에 피로감을 느낀 개발자들 사이에서 Bash 기반 자동화의 효율성이 주목받고 있다.

주요 논점

01찬성다수

복잡한 프레임워크보다 단순한 스크립트가 에이전트의 제어력과 정확도 면에서 우월하다.

합의점 vs 논쟁점

합의점

컨텍스트가 길어질수록 LLM의 지시 이행 능력이 떨어진다.
에이전트 설계 시 트리거, 컨텍스트, 도구, 상태를 분리하는 것이 효율적이다.

논쟁점

범용 프레임워크의 편의성과 직접 구축하는 스크립트의 제어력 사이의 트레이드오프.

실용적 조언

Claude CLI 사용 시 `--append-system-prompt`를 활용해 외부 마크다운 파일로 지침을 관리하라.
`--allowedTools` 옵션으로 에이전트가 사용할 수 있는 도구를 엄격히 제한하여 안전성을 높여라.
정확도 유지를 위해 16k 토큰이 넘어가기 전에 세션을 초기화하거나 필요한 정보만 요약해서 전달하라.

섹션별 상세

프레임워크의 블랙박스 문제를 해결하기 위해 Bash 스크립트와 `claude -p` CLI를 결합한 '유리 상자(Glass Box)' 접근 방식을 제안했다. 사용자가 컨텍스트, 도구, 트리거를 직접 제어함으로써 에이전트의 작동 과정을 완전히 투명하게 파악할 수 있다.

에이전트 구조를 Trigger, Context, Tools, Output/State의 4가지 영역으로 세분화하여 설계했다. 각 영역은 cron 작업, 마크다운 시스템 프롬프트, 화이트리스트 기반 도구 허용, 세션 ID를 통한 상태 관리로 구현되어 모듈화된 제어가 가능하다.

긴 대화 기록이 누적되면서 발생하는 '컨텍스트 부패(Context Rot)' 현상이 모델의 지시 이행 능력을 저하시킨다고 지적했다. 16k 토큰 지점에서 정확도가 25% 하락한다는 연구 결과를 근거로, 기본적으로 상태가 없는(Stateless) CLI 에이전트가 정확도 유지에 유리함을 강조했다.

JavaScript나 npm 같은 무거운 의존성 대신 `curl`, `jq`, `bash`만을 사용하여 텔레그램 기반 개인 에이전트를 구축했다. `--resume` 플래그와 세션 파일 삭제를 통해 메모리 보존 여부를 사용자가 직접 결정함으로써 불필요한 토큰 낭비와 성능 저하를 방지했다.

bash

#!/bin/bash
# claude -p를 활용한 에이전트 실행 예시
claude -p "오늘의 이메일을 확인하고 중요 항목을 요약해줘" \
  --append-system-prompt agent_rules.md \
  --allowedTools "read_emails,send_telegram_msg" \
  --resume session_id_001

Bash 스크립트에서 Claude CLI를 호출하여 시스템 프롬프트, 도구 권한, 세션을 관리하는 예시

용어 해설

컨텍스트 부패(Context Rot): — LLM과의 대화가 길어지면서 이전의 지시사항이나 중요한 맥락이 뒤로 밀려나 모델이 이를 무시하거나 성능이 저하되는 현상이다. 토큰 수가 늘어날수록 주의력(Attention)이 분산되어 발생하며, 에이전트의 정확도를 유지하기 위해 주기적인 컨텍스트 정리가 필요하다.
무상태성(Stateless): — 이전 대화나 작업의 상태를 저장하지 않고 각 요청을 독립적으로 처리하는 방식이다. AI 에이전트에서 무상태성을 유지하면 불필요한 과거 데이터의 간섭 없이 매번 신선한 컨텍스트에서 정확한 추론이 가능하며, 필요한 경우에만 선택적으로 상태를 복원한다.
시스템 프롬프트(System Prompt): — 모델의 역할, 제약 조건, 행동 지침을 정의하는 최상위 명령문이다. 에이전트의 페르소나를 설정하고 특정 도구 사용법이나 응답 형식을 강제하는 데 사용되며, 매 실행 시 컨텍스트의 핵심으로 주입된다.
토큰(Token): — LLM이 텍스트를 처리하는 최소 단위로, 단어나 문자열의 일부를 숫자로 변환한 것이다. 모델의 컨텍스트 윈도우 크기와 비용 계산의 기준이 되며, 토큰 수가 많아질수록 처리 비용이 증가하고 모델의 집중력이 떨어질 수 있다.
크론 작업(Cron Job): — 유닉스 계열 운영체제에서 특정 시간이나 주기마다 명령어를 자동으로 실행하도록 설정하는 스케줄러이다. AI 에이전트의 트리거 역할을 수행하여 이메일 확인이나 데이터 수집 같은 반복적인 작업을 자동화하는 데 활용된다.

언급된 도구

claude -p추천

Claude Code CLI의 에이전트 실행 명령어

OpenClaw비추천

범용 AI 에이전트 프레임워크

jq추천

명령줄 기반 JSON 처리 도구

curl추천

데이터 전송을 위한 명령줄 도구

언급된 리소스

튜토리얼Bash 기반 AI 에이전트 구축 가이드 영상