에이전틱 코딩으로 생산성을 올리고 싶다면, 이 5가지 개념부터 잡아야 합니다

This is the long-form blog cut of a note I originally posted on LinkedIn. The claims, numbers, and product names are the same; the formatting is for reading on the site.

Context

Original framing (translated in place for key technical posts; substance preserved):

Y Combinator 대표 Garry Tan 은 풀타임으로 조직을 이끌면서 60일 동안 매일 60만 줄의 프로덕션 코드를 만들었습니다.

비결은 모델이 아니었습니다. 그가 공개한 Claude Code 설정 시스템 gstack 등의 시스템이었습니다.

이 안에 담긴 설계 원칙이 thin harness, fat skills 입니다. 이걸 바탕으로 에이전틱 코딩에서 생산성 차이를 만드는 개념 5가지로 정리했습니다.

skill file = 재사용 가능한 판단 기준 문서

단순한 프롬프트가 아닙니다. 마크다운으로 쓴 작업 절차예요. skill 은 “어떻게 판단할지”를 담고 있고 데이터는 실행할 때 넣는 겁니다.

매번 “IR 자료 분석해줘”라고 프롬프트를 입력하는 것이 아니라 IR 분석용 skill file 을 한 번 만들어두고 대상 회사만 바꿔 넣는 방식이에요.

Garry Tan 은 이걸 “마크다운이 프로그래밍 언어이고 사람의 판단이 런타임”이라고 표현합니다.

harness = 모델을 감싸서 돌리는 전체 구조

모델은 가운데 앉아 있고 나머지는 전부 harness 가 처리합니다. context 관리, 파일 읽기/쓰기, 안전 장치까지.

여기서 피해야 할 패턴이 fat harness 예요. tool 정의 40개 이상 넣기, MCP 왕복에 수 초씩 걸리는 만능 tool, REST API 를 endpoint 마다 따로 tool 로 만든 구조.

개발자 커뮤니티에서도 “MCP 서버 10개 연결했는데 오히려 느려졌다”는 얘기가 자주 나오는데 전형적인 fat harness 문제입니다.

코드 유출로 확인된 Claude Code 의 실제 구조는 그 반대였어요. 좁고 명확한 tool 만 남긴 구성. thin harness 가 중요합니다.

resolver = 작업에 맞는 문서를 자동으로 찾아주는 연결 테이블

작업 유형 X 가 들어오면 문서 Y 를 불러옵니다. Garry Tan 의 CLAUDE.md 는 20,000줄에서 200줄로 줄었어요.

본문을 다 적는 대신 어떤 문서를 참고할지 가리키는 포인터만 남긴 겁니다. CLAUDE.md 에 모든 규칙을 직접 쓰면 context window 를 빠르게 채워서 모델 성능이 떨어집니다.

CLAUDE.md 를 수천 줄씩 쓰는 분이 많은데 resolver 방식으로 바꾸면 같은 내용을 훨씬 적은 토큰으로 전달할 수 있어요.

latent vs deterministic 을 구분하세요

latent 는 모델이 잘하는 영역입니다. 판단, 요약, 패턴 인식.

deterministic 은 정해진 규칙대로 정확하게 실행해야 하는 영역이에요. SQL 쿼리, 산술 연산, 조합 최적화.

AI 가 잘하지 못���는 영역에 AI 를 사용하면 그럴듯하지만 틀린 결과가 나옵니다.

예를 들어 “이번 달 매출 합계를 구해줘”를 모델에게 시키면 숫자를 빠뜨리거나 반올림을 잘못해요. 이건 SQL 이나 스크립트로 돌려야 맞습니다.

반대로 “이 IR 자료에서 리스크 요인을 뽑아줘” 같은 판단은 모델이 훨씬 잘합니다. Garry Tan 은 이 구분을 에이전트 설계에서 가장 중요한 판단이라고 봐요.

diarization = 여러 문서를 읽고 1페이지 요약으로 압축하는 과정

RAG 는 질문과 관련된 문서 조각을 찾아서 가져옵니다. diarization 은 다릅니다. 한 대상에 대한 모든 문서를 통째로 읽고 구조화된 한 장짜리 요약을 만들어요.

검색이 아니라 정독 후 판단입니다.

Garry Tan 은 YC Startup School 매칭 시스템에서 이걸 씁니다. 창업자 프로필 6,000개를 매일 밤 돌리는데 하는 일은 단순 요약이 아니에요. 지원서에 “AI 헬스케어 플랫폼을 만들고 있다”고 쓴 창업자의 실제 commit 기록을 같이 읽고 둘 사이 간극을 찾아냅니다. 말과 행동이 일치하는지를 모델이 판단하는 거예요.

에이전틱 코딩에서 같은 모델을 쓰고도 생산성이 크게 차이가 나는 이유는 모델 밖 시스템에 있습니다.

반복되는 작업이 있으면 꼭 skill file 로 만들고 필수적인 내용만 harness 가 담았는지를 점검하세요.