어제(2026-08-31) DoltHub가 베타를 하나 올렸다. 이름은 DoltLite. 이름만 봐도 SQLite의 fork라는 게 분명하고, Git식 버전 관리, branch, merge, diff를 전부 갖추고 있다.
그런데 한 숫자가 눈에 꽂힌다.
"...built with 2k agent PRs"
코드를 사람이 쓴 게 아니다. 약 2,000개의 PR이 전부 AI Agent가 올린 것이다.
Hacker News에 22점을 받았는데 댓글은 4개. 한산하지만 또 메인에 또 올랐다. 나 이거 한참 들여다봤는데, 볼수록 묘한 구석이 있다.
DoltLite가 뭐냐면: SQLite + Git, 이번엔 코드를 사람이 안 썼다
DoltHub가 기존에 만든 Dolt는 MySQL 노선이었다. 진짜 기업 시장, 분산 SQL, CI/CD 연동까지 풀스택. DoltLite는 다른 길을 탔다. SQLite를 fork하고, 단일 파일 임베디드, 로컬 우선.
본질적 차이는 이렇다. Dolt는 "Git for MySQL", DoltLite는 "Git for SQLite". 후자가 더 가볍고,单机, CLI, 임베디드 시나리오에 잘 맞는다.
# 공식 README의 기본 사용법
$ dolt init
$ dolt sql -q "CREATE TABLE users (id INT PRIMARY KEY, name VARCHAR(64))"
$ dolt add . && dolt commit -m "init"
$ dolt branch feature-x && dolt checkout feature-x
$ dolt sql -q "INSERT INTO users VALUES (1, 'alice')"
$ dolt commit -am "add alice"
$ dolt checkout main && dolt merge feature-x
API는 익숙하다. SQLite의 SQL, CLI 명령, 파일 포맷을 그대로 물려받았다. 개발자 마이그레이션 비용은 거의 0이다.
핵심은 앞에那句话——코드가 전부 약 2,000개의 AI Agent PR 협업으로 만들어졌다는 점이다. 어떤 데모가 벤치마크를 통과한 게 아니라, 실제로 쓰이고 있는 DB 엔진을 fork해서 한 벌 변형한 거다.
2,000개의 PR은 어떻게 모였나: Agent 협업 파이프라인의 실제 모양
DoltHub는 Agent를 어떻게 조직했는지 말해주지 않았다. 블로그에 스케줄링 프레임워크 얘기도 없고, LangGraph인지 CrewAI인지 그냥 스크립트인지도 안 나온다.
하지만 PR 숫자에서 거꾸로 추론할 수 있는 게 있다.
- SQLite fork치고 2,000 PR은 숫자가 큰 편이다. SQLite 메인 저장소도 일년에 PR이 몇백 개 수준이다. 2,000 PR 중에는 단순 작업이 대부분일 것이다. 이름 바꾸기, 주석 달기, lint 고치기, test 쓰기, docstring 채우기.
- PR 하나당 코드 변경량은 평균적으로 작을 것이다. 업계에서 Agent가 코드를 짠다는 통계(이전 Devin이 공개한 사례 기준)로 보면, PR당 평균 50~200줄. 2,000 × 150 ≈ 30만 줄 변경. SQLite fork치고는 정상 반복 작업량을 한참 넘는다.
- PR이 대량으로 중복됐을 가능성이 높다. 여러 Agent가 비슷한 작업을 독립적으로 하고, 마지막에 사람(혹은 상위 Agent)이 골라서 머지했을 것.
따라서 "2,000 PR"이라는 숫자는 상당히 부풀려졌다. 이건 "Agent 군체가 2,000번 투표했다"에 가까울 뿐, "2,000명의 독립 개발자가 2,000개의 독립 기능을 기여했다"는 아니다.
DoltHub가 썼을 법한 구성(추측이며 미확인):
# 흔한 Agent swarm 디스패치 패턴
async def dispatch_task(issue):
candidates = await swarm.run(issue, n_agents=5) # 5개 Agent가 같은 문제를 병렬로 풂
ranked = await judge.rank(candidates) # judge Agent가 최적을 고름
return ranked[0].to_pull_request()
이슈 하나당 3~5개 Agent를 돌려서 가장 좋은 걸 PR로 올리는 식. 2,000개의 PR은 대략 400~700개의 실제 task에 대응했을 것이다.
이 패턴은 요즘 흔하다. Anthropic 내부 도구, CrewAI 문서 예제, LangGraph의 swarm cookbook도 다 이思路다.
왜 MySQL을 이어가다 SQLite로 왔나: DoltHub의 계산
Dolt는 몇 년째 MySQL 노드를 걸어왔는데, 사업화는 그다지 잘 안 됐다. DoltLite가 SQLite로 선회한 건, 내 추측에 세 가지 이유가 있다.
- AI 로컬 추론 시나리오 폭발. Llama, Qwen, Mistral 같은 오픈소스 모델을 로컬에서 돌리면, 메타데이터 저장소로 SQLite를 쓴다. Llama.cpp 공식 문서도 SQLite를 metadata 저장용으로 추천할 정도다. AI 클라이언트가 "로컬 모델 + 로컬 데이터"로 굳어지면, SQLite가 사실상 표준 백엔드가 된다.
- Dolt가 너무 무겁다. MySQL 프로토콜, binlog, master-slave 복제…… 이런 것들이 AI 시나리오에서는 전부 발목 잡기만 한다. SQLite는 단일 파일, 설정 제로, Agent 친화적.
- MCP / Agent 툴체인에 베팅. Model Context Protocol 생태계에서는 SQLite가 MySQL보다 통합이 훨씬 쉽다. Claude Desktop, Cursor 같은 클라이언트에 내장된 DB 도구는 거의 다 SQLite다.
DoltHub는 "더 나은 Dolt"를 만드는 게 아니라, "AI Agent 기본 버전 관리 DB"라는 자리를 선점하려는 거다. Dolt가 예전에 MySQL 대체제로 가던 길보다 똑똑한 선택이다.
HN 22점에 댓글 4개: 왜 커뮤니티가 냉담한가
22점으로 Hacker News 메인에 오른 건 낮은 점수는 아니다. 그런데 댓글 4개는 확연히 적다. 보통 메인 인기帖 기준 4시간 안에 50~200개는 달리기 때문이다.
가능한 원인들:
- 신뢰성이 아직 검증 전. "2,000개 Agent PR"은 자꾸 눈에 들어오는 제목인데, 나를 포함해 아무도 이 PR들의 질을 독립적으로 감사할 수 없다. 커뮤니티는 DoltHub가 더 많은 데이터를 공개하기를 기다리는 중이다.
- SQLite 업스트림과의 관계가 불명확. DoltLite가 SQLite를 fork했으니 SQLite 라이선스(퍼블릭 도메인)는 문제 없지만, 기여분을 업스트림에 어떻게 돌리는가. Agent가 쓴 코드의 저작권은 누구에게 있는가. 이건 시한폭탄이다.
- 다들 지켜보는 중. 이런 "군체 Agent가 대형 프로젝트를 쓴다" 사례가 너무 적어서 가로 비교가 안 된다. 조심스러운 게 정상이다.
타이밍 때문일 수도 있다. 월요일 업무 시간에 올린 帖이라 댓글이 안 붙었을 수도 있고.
이건 AutoGPT / Devin 같은 사례랑 뭐가 다른가
지난 2년간 Agent가 코드를 쓴다는 스토리는 크게 두 부류였다.
- 데모형: AutoGPT가 Agent 혼자 회사 차리는 데모, Devin이 GitHub 이슈 고치는 데모, SWE-bench에서 Agent 점수 매기기.
- 단일 파일 작업형: Cursor로 함수 하나 짜기, v0로 컴포넌트 하나 뽑기, Cline으로 버그 하나 고치기.
DoltLite는 세 번째 부류다——군체 Agent가 실제 대형 프로젝트에서 협업해서 동작 가능한 제품 코드를 뽑아냈다.
차이가 뭔가?
- AutoGPT류는 Agent가 혼자 도맡아서 todo 앱 하나 만들고 끝난다.
- DoltLite류는 수백 개 Agent가 같은 코드 트리 위에서 협업하면서 머지 충돌, 스타일 통일, API 일관성까지 풀어야 한다.
- 단일 Agent 직렬은 프롬프트 튜닝으로 그만이지만, 다중 Agent 병렬은 스케줄링 프레임워크와 평가 메커니즘, 머지 전략이 필요하다.
또 하나의 장난감 데모가 아니라, 군체 Agent 공학화의 첫 번째 제대로 된 사례다.
하지만 내가 아직 못 풀고 있는 의문이 있다. SQLite처럼 잘 다듬어진 C 코드베이스에서 Agent가 어디까지 손댈 수 있느냐는 거다. 2,000 PR의 80%는 아마 docstring, test, build script, C binding wrapper 같은 "주변 코드"였을 것이다. 핵심인 VDBE, query planner, B-tree 구현을 Agent가 손댈 수 있나? 회의적이다.
편집자의 생각
이 사건이 중요한 이유는, "Agent 군체가 협업해서 프로덕션 코드를 뽑았다"는 첫 번째 공개·대규모 샘플이기 때문이다. 그 전까지의 Agent 코딩 사례는 전부 데모 아니면 단일 파일 작업이었다. DoltLite는 실제 DB 엔진을 fork해서 베타를 떴다.
근데 의심이 몇 개 있다.
첫째, 2,000 PR이라는 숫자가 실제 작업량을 과대평가한다. Agent 코딩의 흔한 패턴(이슈당 3~5개 Agent를 돌려서 가장 좋은 거 채택)을 적용하면, 2,000 PR에 대응하는 실제 task 수는 400~700개다. "협업"이라는 단어가 묽어졌다. 더 정확한 표현은 "Agent swarm가 2,000번 투표해서 마지막에 뽑은 것"이다.
둘째, Agent가 DoltLite에서 구체적으로 뭘 썼는가? 대부분이 test, doc, build script, example, type stub 같은 "주변"일 가능성이 높다. 핵심인 SQLite 커널——VDBE, query planner, B-tree——을 Agent가 얼마나 건드렸는가? DoltHub가 이 비율을 공개하지 않았다. 공개하지 않으면 "Agent가 DB를 썼다"는 건 마케팅 카피일 뿐이다.
셋째, "개발자 기여"의 정의를 다시 생각해야 한다. 예전 "기여자"는 코드를 제출하고 머지된 사람을 가리켰다. 이제 Agent swarm가 PR 5개를 던졌는데 1개만 머지됐다면, 이게 기여 5개냐 1개냐? DoltHub의 PR 집계 방식이 전통 오픈소스 프로젝트와 섞여서 쓰이면, 기여자 랭킹과 커밋 통계가 오염된다.
내 판단: DoltLite는 AI 군체 개발의 시작점이지, 완성형은 아니다. 다음 파를 봐야 한다——Agent 군체가 새 프로젝트(fork 아닌)를 0에서 1.0까지 만들 수 있느냐. 그게 되면 DoltLite 같은 사례가 진짜 이정표가 된다. 그 전까지는 잘 만든 공학 실험이지 패러다임 전환은 아니다.
불확실한 부분: DoltHub가 Agent 스케줄링 세부사항(어떤 프레임워크, Agent 간 충돌 해결 방식, judge 모델 뭔지)을 공개하지 않아서 독립적으로 재현이 안 된다. 이 데이터가 공개되고 나서 결론을 내려도 늦지 않다.
참고 출처: