공급망 공격에 대응하는 의존성 제거 AI 에이전트, yoink 공개

실용적 조언

복잡한 라이브러리 전체를 임포트하는 대신 필요한 핵심 기능만 AI로 재구현하여 의존성을 최소화할 것
Claude Code의 플러그인 시스템을 활용해 장기 실행 엔지니어링 작업을 구조화할 것

섹션별 상세

의존성 과잉 문제와 보안 위협에 대응하기 위해 yoink가 개발됐다. 최근 LiteLLM 등 주요 라이브러리에서 발생한 공급망 공격으로 인해 무분별한 외부 패키지 사용에 대한 경각심이 높아진 상태이다. yoink는 복잡한 의존성 중 실제 사용하는 소수 기능만 AI로 재구현하여 보안 노출 면적을 줄이는 방식을 취한다. Andrej Karpathy와 OpenAI의 사례를 인용하며 에이전트가 직접 구현한 코드에 대해 더 높은 가시성과 추론 능력을 갖는다는 점이 강조됐다.

yoink는 Claude Code 플러그인으로서 3단계 워크플로우를 통해 작동한다. /setup 단계에서 대상 저장소를 복제하고 대체 패키지 구조를 만들며, /curate-tests 단계에서 원본 테스트를 기반으로 검증용 테스트를 생성한다. 마지막으로 /decompose 단계에서 기초적인 프리미티브는 유지하고 복잡한 로직은 재구현하는 원칙에 따라 의존성을 분해한다. 모든 테스트가 통과할 때까지 반복적으로 구현을 수행하여 코드의 무결성을 보장하는 구조이다.

에이전트 프로그래밍 프레임워크로서 Claude Code의 가능성이 확인됐다. yoink 개발 과정에서 Claude Code의 플러그인 시스템을 장기 작업(long-horizon tasks)을 수행하는 에이전트용 프록시 프레임워크로 활용했다. 파일 문서화 구조를 통해 기술(skills), 에이전트, 훅(hooks)을 조직화하여 다단계 실행 과정을 체계적으로 관리한다. 점진적 노출(progressive disclosure) 방식을 통해 Claude Code가 각 단계에서 필요한 정보에만 집중하도록 유도하여 복잡한 엔지니어링 작업을 수행한다.

언급된 도구

yoink추천

불필요한 의존성을 제거하고 필요한 기능만 재구현하는 AI 에이전트

Claude Code추천

yoink가 플러그인으로 동작하는 기반 코딩 에이전트 도구

LiteLLM중립

공급망 공격 사례로 언급된 LLM 추론 라이브러리