장기 실행 agent를 위한 효과적인 운용 체계

AI agent가 몇 시간, 며칠에 걸친 작업을 안정적으로 이어가려면, 매 세션이 새로 시작해도 이전 진척을 빠르게 복원할 수 있어야 한다. context window와 compaction만으로는 부족했고, 고수준 프롬프트만으로는 생산성 있는 웹앱을 끝까지 완성하기 어려웠다.

핵심 해법은 두 단계다. 첫 번째 세션의 initializer agent가 초기 환경을 세팅하고, 이후의 coding agent가 매번 한 번에 하나씩만 전진하면서 다음 세션을 위한 흔적을 남긴다.

초기 환경에서는 다음 요소가 중요했다.

• init.sh: 개발 서버를 바로 띄울 수 있게 함
• claude-progress.txt: 에이전트가 무엇을 했는지 기록하는 진행 로그
• feature list: 요구 기능을 JSON으로 정리한 목록
• 초기 git commit: 추가된 파일과 시작 상태를 명확히 남김

특히 feature list는 에이전트가 앱을 한 번에 다 만들려 하거나, 진행 중인데도 작업이 끝났다고 착각하는 문제를 줄였다. 모든 기능을 처음엔 실패 상태로 두고, 코딩 에이전트는 오직 passes 값을 바꾸는 식으로만 수정하게 해 JSON 파일의 구조를 보존하도록 유도했다.

이후의 세션은 매번 같은 순서로 시작한다.

• pwd로 작업 디렉터리 확인
• git log와 progress file을 읽어 최근 작업 파악
• feature list에서 아직 끝나지 않은 가장 우선순위 높은 기능 선택
• init.sh로 서버를 시작하고 기본 동작을 먼저 검증

이 방식은 에이전트가 상태를 추측하느라 시간을 낭비하지 않게 해준다. 이전 세션이 어디까지 했는지, 무엇이 남았는지, 무엇을 먼저 테스트해야 하는지가 명확해진다.

또 다른 중요한 축은 테스트다. 단위 테스트나 curl만으로 끝내지 말고, 브라우저 자동화 도구로 사람이 직접 쓰는 방식에 가깝게 검증해야 실제 동작 여부를 제대로 잡아낼 수 있다. 다만 Puppeteer MCP 같은 도구도 한계가 있어 브라우저 기본 alert 모달처럼 놓치기 쉬운 버그는 남을 수 있다.

결국 이 접근은 장기 실행 agent를 위한 실전형 운영 원칙으로 수렴한다. 첫 세션에서 작업 기반을 만들고, 다음 세션들은 한 기능씩만 전진하며, 매번 clean state와 명확한 기록을 남겨 다음 인스턴스가 바로 이어받을 수 있게 하는 구조다.