Claude Code 심층 분석: 현재 및 미래 AI 에이전트 시스템의 설계 공간

이 논문은 Anthropic의 상용 코딩 에이전트인 Claude Code의 내부 구조를 소스 코드 수준에서 분석하여 실제 프로덕션 에이전트가 어떻게 설계되는지 보여준다. 단순한 모델 호출을 넘어 안전성, 컨텍스트 관리, 확장성을 위한 복잡한 시스템 계층이 자율적 코딩 작업의 핵심임을 입증한다.

코딩 에이전트의 핵심은 모델이 스스로 판단하고 행동하는 것이지만, 실제 프로덕션 환경에서는 모델의 추론(Reasoning)보다 이를 둘러싼 운영 인프라(Harness)가 훨씬 더 큰 비중을 차지한다. Claude Code의 경우 전체 코드베이스 중 AI 결정 로직은 1.6%에 불과하며, 나머지 98.4%는 모델이 안전하고 정확하게 동작할 수 있도록 돕는 결정론적 인프라이다.

기존의 단순한 챗봇은 사용자의 입력을 임베딩하여 모델에 전달하고 응답을 받는 단발성 구조였으나, 에이전트는 스스로 도구를 선택하고 실행 결과를 다시 입력으로 받는 ReAct 패턴의 루프를 수행한다. 이 과정에서 컨텍스트가 기하급수적으로 늘어나는 문제를 해결하기 위해, 딥러닝의 고정된 컨텍스트 윈도우 한계를 '단계적 압축 파이프라인'이라는 시스템적 접근으로 극복한다.

또한, 모델의 오작동이나 악의적인 명령 실행을 방지하기 위해 'Deny-first' 원칙을 적용한다. 이는 모든 행동을 기본적으로 차단하고 명시적으로 허용된 규칙이나 사용자의 승인이 있을 때만 실행하는 구조로, 모델의 확률적 판단에만 의존하지 않고 결정론적인 권한 제어 계층을 두어 안전성을 보장한다.

Claude Code의 아키텍처는 7개의 핵심 컴포넌트가 에이전트 루프를 중심으로 상호작용하는 구조이다. 사용자의 프롬프트는 인터페이스를 통해 입력되어 에이전트 루프로 전달되며, 루프는 컨텍스트를 조립하고 모델을 호출하여 도구 사용 요청을 생성한다. [사용자 입력 → 컨텍스트 조립 → 모델 호출 → 도구 요청 생성] 순으로 데이터가 흐르며, 생성된 요청은 권한 시스템의 검증을 거친다.

권한 시스템은 7가지 모드(plan, default, acceptEdits, auto 등)를 지원하며, 특히 'auto' 모드에서는 ML 기반 분류기가 도구 호출의 안전성을 평가한다. [도구 호출 요청 → ML 분류기/규칙 검사 → 승인/거부 결정 → 실행 여부 확정] 과정을 통해 인간의 개입 없이도 안전한 자동화가 가능하도록 설계되었다.

컨텍스트 관리는 5단계 압축 파이프라인을 통해 수행된다. 먼저 개별 도구 출력의 크기를 제한하는 Budget reduction을 적용하고, 오래된 기록을 잘라내는 Snip, 캐시 효율을 높이는 Microcompact, 전체 기록의 요약본을 제공하는 Context collapse를 거쳐, 최후의 수단으로 모델이 직접 전체 내용을 요약하는 Auto-compact를 실행한다. [전체 컨텍스트 → 단계별 압축 적용 → 최적화된 입력값 생성 → 모델 전달] 순으로 연산이 이루어져 토큰 효율을 극대화한다.

Claude Code는 단순한 작업 가속을 넘어 기존에 시도하지 못했던 새로운 워크플로우를 가능하게 한다. Anthropic 내부 조사 결과, 도구 사용 작업의 약 27%가 Claude Code 없이는 시도조차 되지 않았을 작업으로 나타났다. 이는 에이전트 아키텍처가 개발자의 능력을 실질적으로 증폭시키고 있음을 보여준다.

권한 시스템의 효율성 측면에서, 사용자는 약 93%의 권한 요청을 승인하는 것으로 나타났다. 이는 '승인 피로(Approval Fatigue)'를 유발할 수 있으므로, 시스템은 샌드박싱과 자동 분류기를 통해 인간의 감시 없이도 안전을 유지할 수 있는 독립적인 계층을 강화했다. 또한, 세션이 길어질수록 자동 승인 비율이 20%에서 40% 이상으로 증가하는 경향을 보이며, 이는 사용자와 에이전트 간의 신뢰 관계가 시간에 따라 진화함을 시사한다.

Claude Code의 아키텍처는 결정론적 하네스(Harness) 내에서 모델의 판단을 수용하는 구조이다. 핵심 루프인 queryLoop()는 AsyncGenerator로 구현되어 실시간 스트리밍 출력을 지원하면서도 동기적인 제어 흐름을 유지한다. 모델은 오직 'tool_use' 블록을 통해서만 외부와 소통하며, 실제 파일 시스템 접근이나 네트워크 요청은 하네스 계층에서 엄격히 분리되어 실행된다.

확장성 측면에서는 4가지 메커니즘이 서로 다른 컨텍스트 비용을 갖는다. 후크(Hooks)는 컨텍스트를 거의 소비하지 않으면서 실행 생명주기에 개입하고, 스킬(Skills)은 낮은 비용으로 도메인 특화 지침을 주입한다. 반면 MCP 서버는 풍부한 기능을 제공하지만 도구 스키마로 인해 높은 컨텍스트 비용을 발생시킨다. 이러한 계층적 설계는 제한된 컨텍스트 윈도우 내에서 기능 확장의 효율성을 최적화한다.

지속성(Persistence) 모델은 감사 가능성(Auditability)을 위해 append-only JSONL 형식을 채택했다. 모든 대화 기록과 도구 실행 결과는 즉시 디스크에 기록되며, 이는 세션 복구(Resume)나 분기(Fork) 시에 활용된다. 다만 보안을 위해 세션 범위의 권한 승인 내역은 저장하지 않고 재시작 시 다시 확인받는 방식을 취한다.

이 연구는 Claude Code v2.1.88 버전에 대한 정적 분석을 바탕으로 하므로, 실제 런타임에서만 발생하는 동적 동작이나 향후 업데이트된 기능은 반영되지 않았을 수 있다. 또한, 단일 시스템 분석이므로 모든 코딩 에이전트 설계 공간을 일반화하기에는 한계가 있다.