AI 코딩 에이전트란? — 터미널이 바꾸는 개발 패러다임

Copilot이 코드를 제안하던 시대는 끝났다. 이제 AI가 코드를 읽고, 수정하고, 테스트하고, 커밋한다 — 그것도 터미널 안에서.

자동완성에서 자율 에이전트로 — 무엇이 달라졌나

2021년, GitHub Copilot이 등장했을 때 개발자들은 감탄했다. 몇 글자만 치면 나머지 코드를 알아서 완성해주는 경험은 혁명적이었다. 하지만 이 "자동완성"에는 근본적인 한계가 있었다.

❌ 자동완성의 한계:

1. 현재 열려 있는 파일만 본다 → 프로젝트 전체 맥락을 모른다
2. 한 줄, 한 블록 단위로만 제안한다 → 여러 파일을 동시에 수정할 수 없다
3. 개발자가 직접 적용해야 한다 → 제안을 복사-붙여넣기하는 건 결국 사람
4. 터미널 명령은 못 친다 → 빌드, 테스트, Git 작업은 여전히 수동

이 한계를 넘어선 것이 바로 AI 코딩 에이전트다. 에이전트는 단순히 코드를 "제안"하는 것이 아니라, 스스로 생각하고, 도구를 사용하고, 결과를 확인하며, 목표가 달성될 때까지 반복한다.

자동완성 vs 에이전트 — 근본적 차이

구분	자동완성 (Copilot 류)	에이전트 (CLI 코딩 에이전트)
범위	현재 파일, 현재 줄	프로젝트 전체 (수백 개 파일)
행동	코드 제안 (수동 적용)	파일 읽기/쓰기 + 터미널 명령 실행
반복	한 번 제안 후 끝	실패하면 스스로 원인을 분석하고 재시도
맥락	~수천 토큰	20만~100만 토큰
작동 위치	IDE 안 (에디터 탭)	터미널 (셸 환경)
결과물	코드 스니펫	커밋, PR, 통과된 테스트

에이전트의 심장: ReAct 루프

모든 CLI 코딩 에이전트의 핵심에는 ReAct(Reasoning + Acting) 루프라는 동일한 아키텍처가 있다. Codex든, Claude Code든, Gemini CLI든 — 겉모습은 달라도 내부에서 돌아가는 엔진은 같다.

Think → Act → Observe → Repeat

            ┌─────────────────────────────────┐
            │          ReAct 루프              │
            │                                 │
    ┌───────▼───────┐                         │
    │  🧠 Think     │  "테스트가 실패했으니    │
    │  (추론)       │   에러 로그를 읽어보자"  │
    └───────┬───────┘                         │
            │                                 │
    ┌───────▼───────┐                         │
    │  🔧 Act       │  bash: pytest tests/    │
    │  (도구 사용)  │  read: src/auth.py      │
    └───────┬───────┘                         │
            │                                 │
    ┌───────▼───────┐                         │
    │  👀 Observe   │  "AssertionError:       │
    │  (결과 확인)  │   line 42 expected..."  │
    └───────┬───────┘                         │
            │                                 │
            │  목표 달성? ──→ No ─────────────┘
            │
            ▼  Yes
       ✅ 완료 (결과 보고)

이 루프가 돌아가는 과정을 구체적으로 보자.

1단계: Think (추론)

에이전트는 현재까지의 모든 정보 — 사용자의 지시, 이전 단계의 결과, 읽은 파일 내용 — 를 종합하여 다음에 무엇을 할지 판단한다. 이것은 단순한 패턴 매칭이 아니라, LLM의 추론 능력을 활용한 전략적 의사결정이다.

2단계: Act (행동)

판단이 끝나면 도구(Tool)를 선택하여 실행한다. CLI 에이전트가 사용하는 대표적인 도구들:

도구 카테고리	구체적 도구	하는 일
파일 시스템	read_file, write_file, grep	소스 코드 읽기, 수정, 검색
셸 실행	bash, shell	빌드, 테스트, 패키지 설치
Git	git commit, git diff	변경 추적, 커밋, 브랜치 관리
웹 검색	search, fetch_url	문서 조회, 라이브러리 정보 확인
MCP 도구	외부 연결	DB 조회, JIRA 티켓, Slack 알림

3단계: Observe (관찰)

도구 실행 결과를 받아들인다. 테스트가 통과했는지, 컴파일 에러가 났는지, 파일이 제대로 수정되었는지를 확인한다.

4단계: Iterate or Terminate (반복 또는 종료)

목표가 달성되었으면 결과를 보고하고 멈춘다. 달성되지 않았으면 1단계로 돌아가 새로운 전략을 세운다. 이 루프는 목표가 달성되거나, 최대 반복 횟수에 도달하거나, 사용자가 중단할 때까지 계속된다.

왜 이 구조가 강력한가

핵심은 자기 수정(Self-correction) 능력이다.

❌ 자동완성: "이 코드를 써보세요" → 에러 → 개발자가 직접 수정

✅ 에이전트: "이 코드를 적용합니다" → 에러 → 에이전트가 에러 분석
            → 원인 파악 → 수정 → 다시 테스트 → 통과 ✅

개발자가 에러 메시지를 복사해서 채팅창에 붙여넣는 시대는 이미 끝났다.

왜 터미널인가? — IDE를 벗어나야 하는 이유

"AI 코딩이면 IDE 플러그인(Cursor, Windsurf 등)으로 충분하지 않나?"라고 생각할 수 있다. 하지만 터미널 기반 CLI 에이전트가 별도로 부상한 데에는 구조적인 이유가 있다.

1. 개발자의 도구가 이미 터미널에 있다

# 개발자가 매일 쓰는 도구 — 전부 터미널 안에 있다
git log --oneline -10        # 변경 이력
grep -rn "TODO" src/         # 코드 검색
docker compose up -d         # 서비스 실행
pytest tests/ -v             # 테스트
ssh deploy@prod              # 배포

CLI 에이전트는 이 모든 도구를 직접 실행할 수 있다. IDE 플러그인은 에디터 안에 갇혀 있지만, 터미널 에이전트는 개발자가 할 수 있는 모든 것을 할 수 있다.

2. 컨텍스트 스위칭 제로

IDE 기반 도구를 쓰면 이런 흐름이 반복된다:

IDE에서 코드 수정 → 터미널로 이동 → 빌드 → 에러 확인
→ 다시 IDE로 돌아가기 → 수정 → 다시 터미널... (반복)

CLI 에이전트는 한 화면 안에서 코드 수정, 빌드, 테스트, Git 커밋까지 전부 처리한다. 개발자의 "몰입 상태(Flow State)"가 끊기지 않는다.

3. 자동화와 파이프라인 통합

CLI 에이전트는 태생적으로 스크립팅과 자동화에 강하다. 헤드리스(headless) 모드로 실행하면 GitHub Actions 같은 CI/CD 파이프라인에 바로 통합할 수 있다.

# CI/CD 파이프라인에서 에이전트를 직접 실행하는 예시
gemini --headless "이 PR의 코드를 리뷰하고 개선점을 코멘트로 남겨줘"

GUI 기반 도구로는 불가능한 워크플로우다.

4. Unix 철학과의 완벽한 조화

"한 가지 일을 잘 하는 작은 프로그램들을 파이프로 연결한다" — Unix의 근본 철학이다. CLI 에이전트는 이 생태계에 자연스럽게 녹아든다.

# 에이전트 출력을 다른 도구와 파이프로 연결
claude "이 파일의 문제점을 JSON으로 출력해" | jq '.issues[]'

3대 CLI 코딩 에이전트 한눈에 보기

2026년 5월 기준, 터미널 코딩 에이전트 시장을 지배하는 세 가지 도구가 있다. 각각의 철학과 강점이 뚜렷하게 다르다.

🟢 Gemini CLI (Google)

설치: npm install -g @anthropic-ai/gemini-cli
비용: 무료 (Google 계정만 있으면 됨)
모델: Gemini 2.5/3 Pro

핵심 강점: 1M 토큰 컨텍스트 + 관대한 무료 티어
적합한 작업: 대규모 코드베이스 전체 분석, 레거시 코드 파악, 비용 민감 환경
프로젝트 설정: GEMINI.md 파일로 프로젝트별 규칙 관리
특이사항: Google Search Grounding으로 실시간 문서/라이브러리 정보 자동 참조
한 줄 정리: "돈 한 푼 안 쓰고, 프로젝트 전체를 통째로 읽는 AI"

🟣 Claude Code (Anthropic)

설치: 공식 설치 스크립트 또는 Homebrew
비용: Anthropic 구독 / API (유료)
모델: Claude Opus / Sonnet

핵심 강점: 정교한 멀티파일 리팩토링, 아키텍처 수준의 추론
적합한 작업: 복잡한 버그 수정, 대규모 리팩토링, 시스템 설계
프로젝트 설정: CLAUDE.md + Auto Memory로 세션 간 지식 유지
특이사항: Agent Teams 기능으로 여러 AI가 팀을 이루어 병렬 작업
한 줄 정리: "첫 시도에 맞추는, 시니어 엔지니어급 터미널 사이드킥"

🔵 Codex CLI (OpenAI)

설치: Rust 기반 CLI 바이너리
비용: ChatGPT 구독 (Plus / Pro / Business)
모델: GPT-5.x Codex

핵심 강점: Fire-and-Forget 자율 실행, 클라우드 샌드박스 병렬 처리
적합한 작업: 백로그 자동 처리, 반복 태스크 병렬화, PR 자동 생성
프로젝트 설정: 자율성 레벨 설정 (Suggest → Auto-Edit → Full-Auto)
특이사항: 모바일 앱에서 진행 상황 모니터링 및 승인 가능
한 줄 정리: "시켜놓고 잊어버려도 되는, 풀 자동화 코딩 에이전트"

3도구 비교 요약

항목	Gemini CLI	Claude Code	Codex CLI
컨텍스트	1M 토큰	200K~1M	~400K
비용	무료	유료 (구독/API)	유료 (구독)
실행 환경	로컬 + 클라우드	로컬 중심	로컬 + 클라우드
자율성	중간 (Plan Mode)	중간 (승인 기반)	높음 (Full-Auto)
MCP 지원	✅	✅	✅
설정 파일	GEMINI.md	CLAUDE.md	자체 설정
오픈소스	✅ (Apache 2.0)	❌	✅

MCP — 에이전트의 "USB-C 포트"

세 도구 모두가 지원하는 핵심 프로토콜이 하나 있다. MCP(Model Context Protocol) — AI 에이전트가 외부 세계와 연결되는 표준 인터페이스다.

MCP가 없던 시절

❌ 예전 방식: 도구마다 커스텀 연동을 만들어야 했다

AI → GitHub API (커스텀 코드)
AI → Slack API (커스텀 코드)
AI → PostgreSQL (커스텀 코드)
AI → JIRA API (커스텀 코드)
... 도구 하나 추가할 때마다 코드 작성 필요

MCP가 바꾼 것

✅ MCP 방식: 표준 프로토콜 하나로 모든 도구에 연결

AI ←── MCP ──→ GitHub MCP 서버
              ├──→ Slack MCP 서버
              ├──→ PostgreSQL MCP 서버
              ├──→ JIRA MCP 서버
              └──→ 새 도구? MCP 서버만 만들면 됨

USB-C 포트 하나로 충전기, 모니터, 외장 하드를 꽂듯 — MCP 하나로 어떤 도구든 AI에 연결할 수 있다. 그리고 이 MCP 서버는 세 CLI 에이전트 모두에서 동일하게 작동한다.

이 시리즈의 각 도구별 실전 편에서 MCP 연동을 구체적으로 다룰 예정이다.

2026년, 전문 개발자는 이렇게 쓴다

흥미로운 점은 많은 전문 개발자들이 하나의 도구만 쓰지 않는다는 것이다. 각 도구의 강점이 다르기 때문에, 작업의 성격에 따라 도구를 바꿔가며 사용하는 하이브리드 워크플로우가 부상하고 있다.

📋 실전 하이브리드 워크플로우 예시:

1. 레거시 코드 파악 → Gemini CLI (1M 컨텍스트로 전체를 통째로 분석)
2. 핵심 로직 리팩토링 → Claude Code (정교한 멀티파일 수정)
3. 테스트 작성 + 문서 생성 → Codex (병렬로 반복 작업 자동화)

이 패턴에 대한 상세한 가이드는 시리즈 9편 「하이브리드 워크플로우」에서 다룰 예정이다.

이 시리즈에서 다루는 것

「AI 코딩 에이전트 완전정복」시리즈는 총 10편으로 구성된다.

편	제목	핵심
1편	AI 코딩 에이전트란? (이 글)	개념, 아키텍처, 3대 도구 소개
2편	Gemini CLI 시작하기	무료 설치, 기본 사용법, GEMINI.md
3편	Gemini CLI 실전	대규모 분석, MCP 연동, CI 통합
4편	Claude Code 시작하기	셋업, CLAUDE.md, 승인 플로우
5편	Claude Code 실전	리팩토링, /loop 디버깅, Agent Teams
6편	Codex CLI 시작하기	설치, 자율성 레벨, 샌드박스
7편	Codex CLI 실전	병렬 처리, PR 자동화
8편	3대 에이전트 완전 비교	동일 태스크로 실전 비교
9편	하이브리드 워크플로우	3도구 조합 전략
10편	에이전트의 미래	MCP 생태계, 멀티 에이전트 진화

다음 편에서는 무료로 바로 시작할 수 있는 Gemini CLI의 설치와 기본 사용법을 다룬다.

📝 정리

[x] 자동완성 → 에이전트: 코드를 "제안"하는 시대에서 "실행"하는 시대로 전환
[x] ReAct 루프: Think → Act → Observe → Repeat — 모든 CLI 에이전트의 공통 아키텍처
[x] 왜 터미널인가: 개발 도구가 이미 터미널에 있고, 컨텍스트 스위칭 제로, 자동화 친화적
[x] 3대 도구: Gemini CLI(무료, 1M 컨텍스트), Claude Code(정교한 리팩토링), Codex(풀 자동화)
[x] MCP: 에이전트가 외부 도구와 연결되는 표준 프로토콜 — 세 도구 모두 지원
[x] 하이브리드 워크플로우: 한 도구만 쓰지 말고, 목적에 따라 조합하는 것이 2026년의 정석