Prime Agent: 도구가 IPython 하나뿐인 코딩 에이전트

GitHub 트렌딩에서 Prime Agent를 보고 설치 여부를 정하려는 상황이라면, 별 개수보다 먼저 볼 것은 실행 방식입니다. 모델이 쓰는 도구가 계속 살아 있는 IPython 하나뿐이고, 파일 조작부터 서브에이전트 호출까지 전부 그 안에서 코드로 처리됩니다.

주의할 점이 하나 있습니다. 모델이 만든 파이썬을 사용자 권한으로 그대로 실행하고, 만든 쪽도 이것이 보안 샌드박스가 아니라고 경고합니다.

도구가 IPython 하나면 무엇이 달라지나

Prime Agent는 모델에게 도구를 하나만 줍니다. 계속 살아 있는 IPython 커널입니다. 파일을 읽고 고치는 일, 셸 명령, 스킬 호출, 서브에이전트 위임이 모두 그 커널 안에서 이뤄집니다. read와 write, edit, bash를 여러 개 두고 모델이 골라 쓰게 하는 방식과 다른 점이 바로 여기입니다.

컨텍스트 비용이 이 설계의 출발점입니다. Prime Intellect가 쓴 RLM 소개 글은 컨텍스트가 길어질수록 토큰당 비용은 선형으로 늘고 성능은 떨어진다는 문제를 짚습니다. 큰 입력을 컨텍스트에 통째로 올리지 않고 파이썬 변수에 담아 둔 다음, 필요한 조각만 코드로 꺼내 봅니다. 컨텍스트를 변수로 다룬다는 말은 이런 뜻입니다.

파이썬 상태는 도구 호출 사이에도 컨텍스트 압축 이후에도 남습니다. 변수와 임포트, 함수, 파싱 결과, 작업 핸들이 다음 턴에도 그대로 쓰입니다. 셸 명령은 %%bash 셀에서 돌아가는데, 그 셀은 매번 새 서브셸에서 실행되고 %cd로 옮긴 위치와 변수는 커널에 남습니다.

커널이 살아 있으니 변수가 살고, 변수가 살아 있으니 작업이 이어집니다.

하위 작업을 맡기면 결과는 파일이나 메시지로 옵니다

작업이 커지면 에이전트가 자식 세션을 띄워 나눠 맡깁니다. 자식은 부모의 모델과 제공자 설정, 스킬, 도구를 그대로 물려받고, 자기 하위 작업에 필요한 만큼만 컨텍스트를 받습니다. 부모 쪽 컨텍스트가 짧게 유지되는 대신, 자식이 낸 답은 부모 턴에 바로 붙지 않습니다.

그래서 결과는 다른 곳에서 확인해야 합니다. 부모는 자식을 띄운 직후 턴을 끝내고, 자식의 답은 메시지 응답이나 자식이 남긴 파일로만 돌아옵니다. 화면에서 답이 돌아오기를 기다릴 것이 아니라 작업 디렉터리를 봐야 한다는 뜻입니다.

내부 호출 규약은 RLM 프로그래밍 모델 문서에 있고 README 설명과 어긋나므로, 자식 호출을 직접 코드로 쓸 계획이면 RLM 문서를 따르세요.

터미널을 닫아도 세션이 계속 돕니다

터미널 창을 닫아도 작업은 멈추지 않습니다. 세션은 데몬이 관리하는 워커 프로세스에서 돌고, 워커가 루트 세션과 IPython 커널, 예약된 작업, 자식 세션을 계속 쥡니다. 클라이언트를 닫는 것은 연결을 끊는 일이지 실행을 끝내는 일이 아닙니다.

다시 붙는 방법은 명령 몇 개로 끝납니다. 세션을 잃어버린 것 같을 때 먼저 쳐 볼 명령들입니다.

prime-agent agents            # 실행 중, 대기, 저장된 세션 목록
prime-agent attach <agent>    # 돌고 있는 세션에 다시 붙기
prime-agent --resume <path|id>
prime-agent status            # 백그라운드 서비스 상태
prime-agent doctor --fix      # 서비스 진단과 복구
prime-agent shutdown --force  # 모든 에이전트와 서비스 종료

attach는 살아 있는 세션에 화면을 다시 붙이고, --resume은 저장된 세션을 되살립니다. 응답이 없을 때는 status로 백그라운드 서비스 상태를 먼저 보고 doctor --fix로 고칩니다. shutdown --force는 워커와 커널까지 한 번에 내립니다.

다시 깨우는 장치가 셋 있습니다

세션을 다시 깨우는 장치는 셋입니다. 첫째는 반복 지시인 하트비트로, 사용자가 거는 /heartbeat와 에이전트가 코드로 거는 rlm_heartbeat로 나뉩니다. 둘째 prime-agent schedule은 일회성이나 cron 예약을 맡고, 셋째 /goal은 목표를 완료하거나 지울 때까지 목표와 진행 상황을 유지합니다.

자율 모드에는 기본 한도가 붙어 있습니다. CLI 문서에 적힌 기본값은 이어붙임 3회, 턴 12회, 누적 토큰 8만, 경과 시간 30분입니다. --autonomous-gate로 통과해야 할 셸 명령을 걸 수도 있습니다. 다만 같은 문서가 못을 박아 둔 문장이 있습니다. 게이트 통과는 그 게이트가 검사한 것만 통과했다는 뜻이고, 한도에 도달한 것이 과제 성공을 뜻하지는 않습니다.

/refine을 쳐도 모델이 학습되지는 않습니다

/refine은 지금까지의 실행 기록을 읽고 보조 프롬프트와 메모리, 스킬 설명, 재사용할 서브에이전트 사양을 갱신합니다. 모델을 학습시키는 일도, 에이전트가 자기 코드를 다시 쓰는 일도 아닙니다. 변경 불가능한 기본 시스템 프롬프트는 건드리지 않습니다. 결과가 마음에 들지 않으면 기록된 스냅샷으로 되돌리면 됩니다. 이 정련 구조의 근거는 README가 링크한 Continual Harness 논문입니다.

반복되는 절차는 스킬로 굳혀 둡니다. 스킬 문서를 보면 스킬은 마크다운 지시만 담은 것과 파이썬 패키지를 함께 담은 것 두 가지이고, 후자는 커널 환경에 설치돼 await release_audit(...)처럼 호출됩니다. 스킬을 만드는 일은 기본 스킬 skill-creator가 맡습니다. 다만 /refine이 만드는 스킬 항목은 호출 설명과 인자 규약이지 실행되는 패키지가 아니므로, 새 기능을 패키징하고 검토하는 일은 사용자 몫으로 남습니다.

설치 전에 권한 범위부터 확인합니다

만든 쪽이 보안 샌드박스가 아니라고 직접 경고합니다. Prime Agent는 모델이 생성한 파이썬과 프로젝트 명령을 사용자 권한으로 실행합니다. 워커와 커널 프로세스는 수명 격리와 복구를 위한 것이지 보안 장치가 아니라고 README가 경고합니다.

권한 범위가 곧 위험 범위입니다. 사용자 계정이 지울 수 있는 파일은 커널도 지울 수 있습니다. 문서는 믿을 수 있는 저장소와 지시, 스킬, 확장만 쓰고 신뢰할 수 없는 코드는 외부 샌드박스에서 돌리라고 권합니다. 작업 디렉터리도 일회용 클론이나 되돌릴 수 있는 워크트리를 쓰라고 적혀 있습니다.

설치는 한 줄로 끝납니다. macOS와 리눅스가 대상이고, 문서 폴더에는 Git Bash 같은 bash 셸을 요구하는 Windows 설정 문서가 따로 있습니다. 아래 명령은 README에 적힌 그대로입니다.

curl -fsSL https://app.primeintellect.ai/prime-agent/install.sh | sh

cd /path/to/project
prime-agent

설치 스크립트는 버전이 붙은 릴리스를 받아 SHA-256 체크섬을 검증한 뒤 prime-agent 명령을 깔고, 에이전트가 쓰는 IPython 런타임까지 준비합니다. 작업할 디렉터리로 옮겨 실행하면 에이전트는 그 자리에서 파일을 고치고 명령을 돌립니다. 첫 실행에서는 /login으로 제공자를 고릅니다.

Claude 구독을 붙이면 과금이 플랜 밖으로 나갑니다

제공자를 고르는 자리에서 과금 방식이 정해집니다. 구독 로그인은 ChatGPT Plus·Pro, Claude Pro·Max, GitHub Copilot을 받고, API 키로는 스무 곳 넘는 제공자를 붙일 수 있습니다. 주의할 곳은 그다음입니다. Claude 구독을 붙이면 서드파티 하네스 사용량이 플랜 한도가 아니라 추가 사용량에서 토큰 단위로 청구됩니다.

석 달 된 저장소를 어디까지 믿을까

판단 기준은 성숙도입니다. prime-agent 저장소는 만들어진 지 석 달 된 MIT 라이선스 프로젝트이고, v0.7.0과 v0.7.1이 이틀 간격으로 나왔습니다. 이 속도면 개인 실험에는 맞고 팀 공용 파이프라인에는 이릅니다.

직접 설치해 돌려 보지 않았습니다. 토큰 소비량과 장시간 작업의 안정성은 확인하지 못했습니다.

커널이 셸을 그대로 쥐고 도는 구조라, 첫 세션은 일회용 클론 안에서 띄우는 편이 안전합니다.