실전

Warp, Claude 위에서 자기 개선 Agent 만들기 — 터미널 도구의 엔지니어링 해부

터미널 도구 Warp가 Claude 위에 Agent를 올린 핵심 비결은 더 똑똑한 모델이 아니라, Agent가 직접 실행한 명령을 스스로 복기하게 만든 점에 있다. Anthropic 공식 블로그에 실린 이 사례가 HN 1페이지에 오른 이유를 짚어본다.

글자 크기

Warp가 최근 Anthropic 블로그에 소개됐다. Claude 위에서 자기 개선형 Agent를 어떻게 구축했는지를 다룬 글로, HN 1페이지에 올라 19점·댓글 10개를 받았다. AI 기반 터미널 도구치고는 흥미로운데, Warp는 이 카테고리에서 제품 완성도가 가장 높은 축에 속하기 때문이다. 그들이 어떤 엔지니어링 선택을 했는지 분해해 볼 가치가 있다.

Warp가 이번에 실제로 만든 것

Warp의 Agent는 챗봇이 아니다. 터미널 안에서 직접 명령을 실행하고 파일을 고치며, 그 출력을 보고 다음 행동을 결정한다.

GitHub Copilot처럼 "함수 하나를 채워주는" 도구와는 결이 다르다. Warp Agent는 자연어 지시 하나를 받는다. 예를 들어 "레포 안의 TODO 주석을 전부 markdown 표로 뽑아줘" 같은 식이다. 스스로 단계를 쪼개고, 명령을 돌리고, 에러도 직접 처리한다.

핵심 차이는 이거다. Warp Agent는 hardcode된 워크플로우도 아니고 단발성 LLM 호출도 아니다. 여러 라운드에 걸쳐 Claude를 반복 호출하면서, 매번 직전 결과에 맞춰 행동을 조정한다.

자기 개선이 신기루가 아닌 이유: 구체적 메커니즘 세 가지

Anthropic 블로그는 "자기 개선"을 세 층위로 나눠 설명한다. 이 구분이 중요하다. "모델이 반성한다"는 말을 만능 해결책처럼 받아들이기 쉬운데, 그렇게 보면 길을 잃는다.

첫 번째 층: 도구 호출 결과의 재주입. Claude는 tool use를 기본 지원한다. Agent가 bash, read_file, edit_file 같은 도구 정의를 던져주면, Claude가 직접 언제 호출할지, 어떤 인자를 넘길지, 결과를 받은 뒤 어떻게 이어갈지를 결정한다. 이건 Claude API가 기본 제공하는 기능이라 Warp가 새로 만든 건 아니다.

두 번째 층: 실패 재시도 시 prompt 재작성. 명령이 죽으면, 에러가 "Permission denied"인지 "command not found"인지에 따라 Claude가 보는 맥락이 완전히 달라진다. Warp는 엔지니어링 레벨에서 한 가지 일을 한다. stderr, exit code, 직전 호출의 인자를 다시 묶어서 하나의 prompt로 만든다. 즉 "지난번에 왜 죽었는지"를 Claude가 직접 볼 수 있게 해주는 거다. 이 부분이 블로그에서 가장 디테일하게 설명된 구간이고, 구체적인 예시까지 같이 공개됐다.

세 번째 층: trace 재생. Warp는 Agent 세션 전체를 그대로 저장한다. 매 단계의 명령, 출력, 모델 추론, 사용자 피드백까지. 실패한 세션은 재재생이 가능하고, 성공한 세션은 다음 라운드의 few-shot 예시로 쓸 수 있다. 이건 Claude가 제공하는 기능이 아니라 Warp가 자체적으로 얹은 엔지니어링 레이어다.

세 층을 겹치면 이런 그림이 된다. Claude가 "다음에 뭘 해야 하는지"를 판단하고, Warp가 "과거의 나를 다음 라운드의 입력으로" 변환한다.

터미널 Agent의 진짜 난관은 모델이 아니라 컨텍스트다

터미널이라는 환경은 직관에 거스르는 특성이 몇 개 있다. 명령 출력이 엄청 길 수 있고(npm install 로그는 수백 줄을 뱉는다), 상태가 다음 행동을 오염시키기도 하고(cd 어디 했는지 기억 못 하면 망한다), 에러 메시지의 의미가 모호하다(error: EACCES가 권한 문제인지 경로 문제인지 알 수가 없다).

Claude API를 그대로 노출해서 굴리면 작동하지 않는다. Warp는 중간에 한 겹을 끼워서 다음 작업들을 했다.

  • 출력 절단 + 구조화 요약. npm install 전체 로그를 Claude에 통째로 넣지 않는다. 먼저 요약을 만들고, 핵심 정보(버전, warning, 최종 exit code)만 남긴다.
  • 작업 디렉토리 스냅샷. 파일을 건드리기 전에 baseline을 저장해 두고, 문제 생기면 롤백할 수 있게 한다.
  • 도구 화이트리스트. 모든 bash 명령이 허용되진 않는다. rm -rf / 같은 건 즉시 거부한다.

이런 처리는 "모델이 더 똑똑해지는" 것과는 무관하다. 순수하게 엔지니어링 부채다. Anthropic 블로그도 같은 진단을 내린다. "The model is rarely the bottleneck. The plumbing around it is."

엔지니어링 관점에서, 이 사례를 배낄 가치가 있는가

판단 기준은 단순하다. Warp에만 적용되는 것과 범용 패턴을 가려내면 된다.

Warp 전용인 것들:

  • 터미널 UI 강점. TUI 안에서 diff를 강조 표시하거나, 파괴적 작업은 사용자 확인을 받는 것.
  • 셸과의 깊은 통합. zsh의 history, 자동완성을 그대로 끌어다 쓸 수 있다.
  • 사용자층이 개발자라 token 비용에 둔감하다.

범용 패턴인 것들:

  • 도구 호출 + 반성 루프(ReAct 스타일의 agent loop).
  • trace 재생 + 실패 사례를 학습 데이터로 활용.
  • 컨텍스트 압축. 긴 출력이 나오는 어떤 시나리오에서든 통한다.

터미널 도구가 아니라면 앞 세 개는 베끼지 못한다. 반면 뒤 세 개는 어떤 Agent 프로젝트든 써먹을 수 있다. 특히 trace 재생은, 대다수 Agent 팀이 아직 제대로 못하고 있는 부분이라 강조할 만하다.

HN 댓글란이 진짜로 다룬 것들

커뮤니티는 둘로 나뉘었다.

까는 쪽: "self-improving은 마케팅 용어고, 본질은 few-shot prompting + retry다"라는 댓글이 추천수를 가장 많이 받았다. 사실 하나를 정확히 짚었다. Warp가 모델을 고치는 것도 아니고, 진짜로 "학습"을 하는 것도 아니다. 매 세션마다 복기만 할 뿐이다.

실용 쪽: token 비용을 묻는 글이 여럿이었다. Warp Agent가 복잡한 작업을 하나 돌리면 token이 수만 개 날아간다. 다회 호출 + 긴 출력 + 반성 prompt가 다 돈 먹기 때문이다. Agent를 하룻밤 돌려놓고 답이 안 나오면, 인턴 한 명 쓰는 것보다 비쌀 수 있다.

좀 더 날카로운 댓글도 눈에 띈다. "Self-improving은 진짜지만, 방향이 옳다는 보장은 없다. Agent가 몇 라운드를 돌고 나면 사용자 의도에서 점점 멀어질 수 있다. '명령을 어떻게 성공시키는지'를 최적화하지 '사용자 문제를 어떻게 푸는지'를 최적화하는 게 아니기 때문이다."

이 코멘트는 사실상 핵심을 찌른다고 본다.

편집자 메모

Self-improving agent라는 말이 남용되고 있다. 대부분 팀이 자기 PR을 위해 쓰는 표현이고, 분해하면 결국 "다회 호출 + 결과 재주입 + 반성 prompt"다. Warp 사례가 특별한 건 "자기 개선"이라는 단어 자체가 아니라, 그 메커니즘을 실제 시나리오에서 끝까지 돌렸다는 점이다. 게다가 그 시나리오가 에러 허용도가 0인 곳이다. 터미널 명령이 죽으면 죽은 거고 "대충 됐다"는 없다.

개인 판단: Warp가 보여준 엔지니어링 패턴은 앞으로 6개월쯤 개발자向け Agent 프레임워크 전반에 퍼질 것이다. 다만 표면적인 부분만 베낄 가능성이 크다. 도구 호출 + 다회 반성. 진짜 베끼기 어려운 건 trace 시스템과 컨텍스트 압축이다. 여기엔 갖다 쓸 오픈소스가 없어서, 결국 직접 쌓아야 한다.

아직 모르는 부분: 이런 Agent의 장기 비용 구조는 데이터를 못 봤다. Warp가 token 절감을 신경 쓰고 있지 않다면, 매출총이익률이 버틸지 의문이다. 그리고 "자기 개선"의 방향성 문제(위에서 언급한 댓글)를 어떻게 풀어야 하는지에 대해서, 명확한 답을 제시한 사람은 아직 없다.

출처: How Warp builds self-improving agents on Claude

출처: https://claude.com/blog/how-warp-builds-self-improving-agents-on-claude