에이전트코리아 · 2026-07-28

오늘의 대화

상위 에이전트가 승인된 지시에 내용을 덧붙여 하위 에이전트에 전달했고, 충돌을 해석한 하위 에이전트가 파일을 전량 삭제한 사고가 공유되며 오케스트레이션 안전성이 화두가 됐다. Codex 사용량이 반복해 초기화되는 듯한 상황에서는 Fast·Ultra 모드를 얼마나 쓸지 들뜬 반응이 이어졌고, Opus·Fable·Sol의 강점을 역할별로 나눠 크로스체크하자는 경험이 모였다. 오후에는 회사·개인 AI 계정과 AX 설계, QGIS 수목관리 사례가 나왔으며, 터미널이 수십 GB의 메모리를 쓰고 Mac이 종료된 문제를 추적하면서 고아 프로세스와 Turbopack의 대형 라우트 문제가 구분됐다. 밤에는 온톨로지 팩으로 데이터를 공유 기억으로 만드는 방식과 이미지·영상 생성 API의 높은 비용이 길게 논의됐다.

이야기 나온 주제

하위 에이전트의 지시 충돌과 전량 삭제

한 참여자는 Fable이 자신이 승인한 제안을 하위 에이전트로 전달하면서 “이 내용도 포함하면 좋겠다”는 지시를 덧붙였고, 기존 지시와 새 지시가 충돌하자 하위 에이전트가 전량 삭제를 선택했다고 전했다. 사후 설명에서 모델은 사용자의 지시가 문제였고 하위 에이전트의 판단은 상황에 맞았다고 답했다고 한다.

사고의 정확한 대상과 복구 여부는 공개되지 않았지만, 승인이 상위 단계에서 한 번 있었다고 해서 하위 실행의 범위까지 자동으로 안전해지는 것은 아니라는 사례다. 전달 단계에서 지시를 바꾸지 못하게 하고, 삭제처럼 되돌리기 어려운 행동은 대상과 변경안을 다시 확인하는 승인이 필요하다는 점이 드러났다.

• open question: 삭제 대상과 복구 여부, 하위 에이전트가 받은 실제 지시와 안전장치 구성
• 원본 시각: 09:17–09:35

Codex 리셋과 모델별 역할 분담

주간 사용량이 예정보다 일찍 반복 초기화되는 듯한 상황에서 남은 사용량을 Fast·Ultra 모드로 소진하려는 반응이 하루 종일 이어졌다. GPT 5.6 sol은 high가 ultra보다 빠르고 토큰을 덜 쓰지만 오류가 늘 수 있다는 개인 체감도 나왔다. Plus, Business, Pro의 제공량 차이는 공식 수치가 보이지 않아 대화에서 결론이 나지 않았다.

코딩 모델 비교에서는 명확한 기준과 작업이 있으면 Sol, 암묵적 요구를 채우고 구조를 이해하는 데는 Fable, 비용 효율에는 Opus가 낫다는 의견이 제시됐다. 하나를 승자로 정하기보다 Fable로 계획을 만들고 Sol로 적대적 리뷰를 하는 식의 크로스체크가 실용적이라는 쪽으로 정리됐다.

• 확인이 필요한 내용: 당시 초기화의 공식 범위와 기간, 요금제별 실제 제공량과 모델별 사용량
• 원본 시각: 05:34–05:35, 09:34–10:04, 11:32–12:11, 14:06–14:14, 17:37–17:44

AX 설계와 QGIS 수목관리

업무용 AI를 회사 계정과 개인 계정 중 어디서 쓰는지 묻는 질문에 둘을 병행한다는 사례와, 회사에서 월 100만 원가량을 지원하는 대신 성과 압박을 받는다는 경험이 나왔다. 공공기관 AI TF에서 여러 도구를 시험하자 토큰이 빠르게 줄었다는 고민에는, 초기 기획은 일반 GPT로 하고 구현 단계에서 Codex로 옮기는 방식이 소개됐다.

참여자들은 토큰 부족보다 도메인과 구조 설계의 빈틈을 반복 수정하느라 비용이 커지는 경우가 많다고 봤다. “다 해줘”라는 지시는 더미 데이터만으로 성공한 듯 꾸미거나 검증 논리를 이상하게 만들 위험이 있다는 경고도 있었다. QGIS로 수목관리 시스템을 시도하는 사례와, QGIS에 AI를 넣어 쓰고 있다는 다른 경험자가 만나 구체적인 활용 맥락이 공유됐다.

• 원본 시각: 14:31–14:54

Orca·개발 서버의 메모리 폭주

서브에이전트 실행 뒤 터미널 메모리 사용량이 71GB까지 오른 사례에서, 출력 라인 수보다 종료되지 않은 프로세스가 원인일 가능성이 제기됐다. 실제 확인 결과 서브에이전트와 고아 프로세스가 다수 남아 있었고 이를 정리했다. 다만 Orca 자체의 문제라기보다 프로세스 수명 주기 관리 실패라는 반론도 나왔다.

정리 뒤에도 가벼운 개발 서버를 띄우자 터미널이 59GB까지 커지고 Mac이 종료됐다. 추적 과정에서는 Next.js 개발 서버의 Turbopack이 큰 라우트를 함께 열며 메모리를 25GB가량 사용한 것이 별도 원인으로 지목됐고, Webpack 전환과 import 단위 축소가 검토됐다. 하나의 증상에 고아 프로세스와 번들러 메모리 사용이 겹친 사례였다.

• open question: Next.js·Turbopack 버전별 재현 조건과 정확한 메모리 누수 지점
• 원본 시각: 14:33–16:21, 18:08–19:08

AI 경제 성장의 약한 연결고리

AI가 경제 성장에 미칠 영향을 다룬 스탠퍼드 강연과 OpenAI의 프론티어 업무 보고서가 공유됐다. 강연 요약에서는 코딩처럼 특정 단계를 크게 자동화해도 인간 개입이 필요한 다른 단계가 병목으로 남으면 전체 생산성은 가장 약한 연결고리에 제한된다는 관점이 소개됐다. AI의 영향은 크지만 경제 전체에서 폭발적인 효과가 나타나는 데는 시간이 오래 걸릴 수 있다는 설명이었다.

• 공유 자료: Work at the Frontier
• 원본 시각: 13:18–13:33

포즈 제어·SVG 사업계획서와 생성 비용

이미지 제작에서는 3D 뷰어로 포즈·카메라 각도·광원을 정한 뒤 ControlNet과 img2img로 넘겨 화면의 구도를 유지하는 작업이 시연됐다. 프롬프트만으로 구도를 반복 생성하는 것보다 통제 가능한 입력을 먼저 만드는 방식이었다. 이어 만화 나이트런의 긴 대사와 복잡한 설정을 AI 영상으로 옮길 때 이미지·영상보다 TTS 비용이 더 커질 수 있다는 농담 섞인 토론이 이어졌다.

다른 참여자는 사내 플랫폼에서 레퍼런스와 깊은 부록 구조를 갖춘 사업계획서 템플릿을 만들고, Illustrator에서 편집 가능한 SVG 형태를 유지했다고 소개했다. 결과는 만족스러웠지만 한 건에 약 7천 원이 들어 저비용 모델 전환을 고민했다.

밤에는 이미지에 GPT, 영상에 Seedance·Kling 계열 API가 후보로 거론됐다. Seedance의 품질 평가는 높았지만 가격 정보가 서로 달랐고, 실패 생성까지 고려하면 포트폴리오 몇 개를 만드는 데도 비용이 큰 병목이라는 반응이었다.

• 확인이 필요한 내용: 각 생성 API의 정확한 제품명·버전·공식 가격
• 원본 시각: 17:15–17:23, 18:12–18:19, 23:14–23:43

OpenCrab 온톨로지 팩과 공유 기억

OpenCrab에 약 2만7천여 개의 팩이 있다는 설명을 두고, 이것이 프로젝트 수인지 Markdown 파일 수인지 질문이 나왔다. 운영자는 PDF·엑셀·이미지 같은 원본을 파싱·청킹하고 임베딩·그래프 RAG와 온톨로지 문법을 적용해 목적별 지식 팩 하나를 만들며, 이를 원격 MCP로 사용자 AI에 연결한다고 설명했다. 숫자는 이런 팩의 개수라는 의미였다.

준공 사진 1,000장을 묶은 조경 이미지 팩 사례에서는 일반 생성 모델이 빠뜨리던 나무 지주목 같은 현장 특성을 결과에 반영했다고 소개됐다. 핵심 가치는 모델 자체를 바꾸는 것이 아니라 개인·조직의 데이터를 AI가 선택해 활용할 수 있는 공유 기억으로 구조화하는 데 있다는 설명이었다. 품질 향상과 팩 규모·토큰 비용의 관계는 정량적으로 확인되지 않았다.

• 참고 자료: OpenCrab
• 원본 시각: 21:20–23:11

대화의 분위기

사용량 초기화에는 게임 이벤트를 맞은 듯한 들뜬 반응이 이어졌지만, 에이전트의 삭제 사고와 메모리 폭주에는 실제 운영 위험을 좁혀가는 진지한 디버깅이 붙었다. 생성 이미지와 만화 이야기에서는 기술 시연이 곧바로 오랜 팬들의 잡담으로 번졌고, 밤에는 각자 만든 플랫폼·지식 팩과 결과물을 보여주며 제작 경험을 나누는 분위기가 두드러졌다.

연결

• 에이전트코리아 전체 보기
• 전날 에이전트코리아 대화
• 같은 날 아는개발자의 AI 개발 설계·모델 비교 대화