최근 CLI에서 여러 AI 에이전트가 `codex exec resume --last "prompt"`나 `gemini -r latest -p "prompt"` 같은 명령어로 서로 대화하는 장면을 보고 무릎을 쳤다. API 사용료 걱정 없이, 복잡한 설정도 없이 기존 구독 플랜을 활용하여 AI 에이전트들이 이전 대화를 이어가며 협업하는 경량화된 방식이다. 이는 여러 모델의 관점을 신속하게 실험하고 반복 작업을 수행하는 데 강점을 보인다. 개발자라면 누구나 한 번쯤 "이 아이디어를 다른 모델에게도 물어볼까?" 하고 고민했을 순간을 포착한 것이다.

CLI, 복잡성 없이 '경량 에이전트' 협업의 문을 열다

기존 멀티 에이전트 시스템은 고가의 API 호출이나 복잡한 프레임워크 구축을 전제로 했다. 하지만 이 경량화된 방식은 그런 제약 없이 신속한 반복 실험을 가능케 한다. `resume` 모드를 통해 에이전트는 지난 세션의 맥락을 이어받아 작업을 계속한다. 예를 들어, 한 에이전트가 초안을 작성하면, 다른 에이전트가 `resume` 모드로 그 초안을 비평하고, 다시 첫 번째 에이전트가 이를 수정하는 식이다. 이 모든 과정이 매번 새로운 세션을 시작하는 비용과 시간을 절약한다.

이 접근 방식은 특히 다음과 같은 상황에서 빛을 발한다. 첫째, 가장 적은 설정으로 멀티 에이전트 워크플로우를 테스트하고 싶을 때 유용하다. 둘째, 추가적인 종속성을 피하고자 할 때, 즉 환경 오염 없이 깔끔하게 시작하고 싶을 때 그렇다. 셋째, 정밀한 관찰 가능성(observability)보다는 빠른 실험 속도에 더 큰 가치를 둘 때 효과적이다. 클로드(Claude)가 초안을 쓰고, 코덱스(Codex)가 `resume` 모드로 이를 검토하고, 클로드가 다시 초안을 수정하는 과정을 통해 다른 모델의 시각을 얻고 반복 개선하는 구조다. 한 에이전트를 작가로, 다른 에이전트를 비평가로 활용하며 인간이 오케스트레이터를 맡거나, 오케스트레이션 역할마저 에이전트에게 위임할 수도 있다.

이는 단순한 기술 팁을 넘어선다. AI를 활용한 아이디어 검증 및 프로토타이핑 단계를 획기적으로 가속화하는 실제적인 행동 지침을 제시한다. 이제 개발자는 아이디어를 떠올리면 즉시 여러 AI 모델에 맡겨 다양한 관점에서 검토하게 할 수 있다.

독자를 위한 구체적 행동: 당장 여러분의 CLI 환경에서 사용하는 AI 모델이 `resume` 또는 `continue`와 유사한 기능을 지원하는지 확인해 보라. 만약 그렇다면, 간단한 스크립트를 만들어 초안 작성-피드백-수정의 멀티 에이전트 협업 루프를 구현해 보면 된다. 기존 API 키나 복잡한 설정 없이도 빠르게 다른 모델의 시각을 얻는 경험이 여러분의 워크플로우에 신선한 변화를 가져올 것이다.

AI 인터페이스 너머, 지속 가능한 '스킬'과 사람의 가치

경량 에이전트 협업이 효율성의 길을 열어주는 반면, AI 인터페이스 자체의 본질적인 가치에 대한 다른 관점도 제시된다. AI 인터페이스는 빠르게 변하며 그 가치 또한 빠르게 소멸하는 속성을 지닌다. IDE의 커서(Cursor)나 윈드서프(Windsurf), CLI의 클로드 코드(Claude Code), 코덱스(Codex), 제미니 CLI(Gemini CLI)를 거쳐 오픈소스 에이전트들이 주류가 되는 흐름을 보면 명확하다. 인터페이스 자체는 얇은 껍데기, 즉 'Thin Harness'에 불과하다는 주장이다. JSON 인풋을 받아 텍스트 아웃풋을 내는 200줄짜리 접착제 아이디어는 쉽게 복제되고 오픈소스로 풀리는 특성을 보인다.

진정한 가치는 그 위에 얹히는 'Skills'에 담긴다. 마크다운으로 작성된 절차, 판단 기준, 그리고 도메인 지식처럼 조직의 암묵지(implicit knowledge)가 담기는 곳이 바로 이 스킬이다. 소프트웨어 자체의 가치가 0에 가까워지는 세상에서 돈은 결국 소프트웨어를 돌리기 위한 컴퓨팅 인프라와 그 위에 스킬을 쌓아주는 '사람 인프라'에서 나온다. 특히 팔란티어(Palantir)와 코그니션(Cognition)이 채택한 FDE(Forward Deployed Engineer) 모델은 고객 조직에 상주하며 해당 회사를 특별하게 만드는 맥락(context)을 스킬로 옮겨주는 역할을 담당한다. 조직의 암묵지를 스킬로 바꾸는 일은 쉽게 자동화되지 않기에 사람의 역할이 지속적으로 중요해진다.

이 관점은 AI 기술을 바라보는 우리의 시야를 확장시킨다. 우리는 흔히 최신 모델이나 멋진 인터페이스에 현혹되지만, 장기적인 관점에서 기업의 경쟁력은 결국 조직 내부의 지식과 노하우를 AI가 활용할 수 있는 스킬 형태로 얼마나 잘 구축하고 관리하느냐에 달려 있다. 이는 개발자뿐만 아니라 기업의 리더들이 고민해야 할 본질적인 질문이다.

독자를 위한 구체적 행동: 여러분의 조직에서 반복되는 판단 과정, 의사 결정 로직, 특정 도메인 지식을 마크다운이나 다른 구조화된 형태로 문서화하는 작업을 시작해 보라. 처음에는 단순히 내부 지식 공유 차원에서 시작하더라도, 장기적으로는 이것이 AI 에이전트가 활용할 '스킬'의 근간이 된다. 또한, AI 모델의 프롬프트를 작성할 때, 단순히 질문을 던지는 것을 넘어 '어떤 절차와 판단 기준을 적용해야 하는지'를 구체적으로 명시하는 연습을 해보라. 이는 AI와 협업하는 과정에서 여러분의 '암묵지'를 '명시적 스킬'로 전환하는 중요한 첫걸음이다.

보안과 복구력, AI 시대의 개인 작업 환경을 지키는 비결

이처럼 AI가 일상 워크플로우의 핵심으로 자리 잡고, '스킬'이 중요해지는 시대에, 우리는 개인의 작업 환경에 대한 견고함을 간과해서는 안 된다. 최근 Pop!OS 사용자가 분실 걱정 없는 보안과 비상 시 즉각적인 업무 복귀를 위한 암호화된 부팅 USB 백업 시스템을 직접 구축하는 방법을 제시한 글은 의미심장한 통찰을 제공한다. 이 글은 `gdisk`로 GPT 테이블과 EFI 파티션을 생성하고, `cryptsetup luksFormat`으로 LUKS 암호화를 적용하며, `rsync -avhPHAXx --numeric-ids --exclude={/mnt/,"/media/","/lost+found","/swapfile"}`와 같은 명령어로 모든 데이터를 안전하게 복사하는 과정을 상세히 설명한다. `fstab`과 `crypttab` 파일을 수정하여 부팅 가능하게 만드는 노하우도 포함한다.

이러한 개인 시스템의 복구력과 보안 강화는 AI 시대의 '사람 인프라'를 지키는 중요한 기반이다. 앞서 말한 '스킬'은 결국 사람의 머릿속에서 나오고, 그 스킬이 코드로, 설정으로, 프롬프트로 구체화되는 공간은 바로 개발자의 워크스테이션이다. 만약 이 워크스테이션이 유실되거나 손상된다면, 미처 스킬로 코디파이되지 못한 암묵지, 혹은 개발 중이던 중요한 AI 에이전트의 맥락이 함께 사라질 수 있다. 암호화된 부팅 가능한 백업은 이러한 위험으로부터 개인의 '스킬 생성 능력'과 '워크플로우 연속성'을 보호하는 핵심적인 장치다.

AI 기술의 발전이 빨라질수록, 우리는 더 많은 실험과 반복을 개인의 컴퓨팅 환경에서 수행하게 될 것이다. 그 과정에서 축적되는 데이터와 노하우, 그리고 개인의 독창적인 접근 방식은 그 어떤 'Thin Harness'보다도 소중한 자산이다. 따라서 이러한 자산을 안전하게 보호하고 언제든 복구할 수 있는 환경을 갖추는 것은 AI 시대를 살아가는 실무자에게 필수적인 자기 관리 지침이다.

독자를 위한 구체적 행동: 여러분이 사용하는 주력 개발 장비에 대해 암호화된 부팅 가능한 백업 시스템 구축을 진지하게 검토해 보라. 특히 리눅스 기반이라면 위에서 언급된 `gdisk`, `cryptsetup`, `rsync` 같은 도구를 활용하여 직접 구축하는 방법을 익히는 것이 큰 도움이 된다. 만약 윈도우나 macOS 사용자라면, BitLocker나 FileVault와 같은 내장 암호화 기능을 활성화하고, 정기적인 시스템 백업 솔루션을 도입하여 혹시 모를 상황에 대비하라. 이는 단순히 데이터를 보호하는 것을 넘어, 여러분의 AI 스킬 개발 및 적용 활동의 지속성을 보장하는 중요한 조치다.

AI 에이전트의 경량화된 협업 방식이 열어주는 빠른 실험의 길, 그리고 그 실험을 통해 축적되는 '스킬'의 본질적인 가치, 마지막으로 이 모든 활동의 기반이 되는 개인 워크스테이션의 견고함. 이 세 가지가 오늘날 AI 기술을 둘러싼 가장 중요한 인사이트의 교차점을 형성한다. 결국 변화하는 기술의 껍데기를 쫓기보다는, 변하지 않는 가치인 '스킬'과 이를 만들어내는 '사람'에 투자하고, 그 활동의 연속성을 지키는 데 집중하는 것이 AI 시대의 현명한 전략이 아닐까?

참고

  1. Show HN: A lightweight way to make agents talk without paying for API usage. (2026, April 20). Hacker News.
  2. AI 인터페이스는 껍데기, 핵심은 스킬과 사람 (by 정구봉 (Goobong Jeong)). (2026, April 19). LinkedIn.
  3. Creating a Bootable Backup USB with Encryption (for Pop!OS Linux). (2026, April 17). hajo.me.