AI 코딩 에이전트 비교: Codex CLI·Claude Code·Antigravity의 설계와 성능

벤치마크 점수만으로는 선택할 수 없다

2026년 AI 코딩 에이전트 시장은 Codex CLI, Claude Code, Antigravity CLI를 중심으로 재편되고 있다. Codex CLI는 GPT-5.5를 기반으로 Terminal-Bench 2.1에서 83.4%를 기록했고, Opus 4.8 기반 Claude Code는 78.9%로 뒤를 이었다. Google은 6월 18일 Go로 작성한 Antigravity CLI를 출시하며 경쟁 구도에 변화를 예고했다.

점수 차이보다 먼저 봐야 할 것은 실행 방식이다. 원격 샌드박스에서 작업을 맡기는 도구와 현재 로컬 디렉터리를 직접 다루는 도구는 같은 과제를 풀더라도 운영 경험이 다르다. 코드베이스 접근 방식, 자동 수정 범위, 기존 개발 도구와의 결합 방법이 팀의 워크플로우에 더 직접적인 영향을 준다.

Terminal-Bench 2.1이 측정하는 역량

Terminal-Bench 2.1은 AI 에이전트가 실제 터미널에서 복잡한 소프트웨어 엔지니어링 과제를 얼마나 자율적으로 처리하는지 평가한다. 코드 완성 능력만 보는 벤치마크가 아니다. 멀티스텝 계획, 도구 체이닝, 반복적인 오류 수정, 환경 설정 자동화를 포함하며, 버전 2.1에는 89개의 핵심 태스크가 들어 있다.

대상 태스크에는 복잡한 디렉터리 생성·변환·검색, 패키지 의존성 해결과 빌드, 실제 저장소의 멀티파일 리팩토링과 버그 수정이 포함된다. 테스트 작성·실행, CI/CD 파이프라인 스크립트 조작, 외부 서비스 연동 코드 작성과 검증도 평가 범위에 들어간다. 각 태스크는 격리된 Docker 컨테이너의 독립 세션에서 실행되고, 에이전트에는 bash 셸 직접 접근만 허용되며 외부 검색과 문서 조회는 사용할 수 없다.

평가는 태스크 완료율, 인간 개입 없이 작업을 끝내는 자율성 지수, 오류 발생 뒤 자체 복구하는 능력, 완료까지 필요한 스텝 수를 함께 반영한다.

평가 차원	세부 항목	가중치
태스크 완료율	멀티스텝 터미널 태스크 성공 여부	40%
자율성 지수	인간 개입 없이 자율 완료 비율	30%
복구 능력	오류 발생 후 자체 복구 성공률	20%
효율성	태스크 완료까지의 스텝 수 최소화	10%

최소 인간 개입(Minimal Human Intervention)이 자율성의 기준이다. 작업 중 질문이나 확인 요청이 늘어날수록 자율성 점수는 낮아진다. 따라서 이 벤치마크는 올바른 코드를 제시했는지에 그치지 않고, 불확실한 상황에서 다음 작업을 선택하고 오류 뒤에 다른 경로를 찾는 능력까지 본다.

2026년 6월 9일 공개 리더보드의 결과는 다음과 같다.

순위	에이전트	기반 모델	Terminal-Bench 2.1
1위	Codex CLI	GPT-5.5	83.4%
2위	Claude Code	Opus 4.8	78.9%
3위	Gemini CLI	Gemini 3.1 Pro	70.7%

Antigravity CLI는 6월 18일 이후 본격적으로 서비스를 시작하므로 공식 벤치마크 등재는 7월 이후로 예상된다. Gemini CLI와 같은 에이전트 하네스를 공유한다는 점을 근거로 보면 출발점은 70.7% 전후가 될 것으로 분석된다.

전체 점수 차이는 4.5%p지만 모든 태스크에서 같은 방향으로 나타난 것은 아니다. Codex CLI는 실행과 환경 조작이 중심인 작업에서 앞섰다.

패키지 의존성 충돌 해결: +8.2%p
CI/CD 파이프라인 스크립트 생성: +7.1%p
멀티파일 리팩토링: +6.3%p
빌드 오류 자동 복구: +5.9%p

Claude Code는 코드 자체의 품질과 넓은 컨텍스트를 다루는 영역에서 경쟁력을 보였다.

코드 품질 및 가독성: +3.4%p
보안 취약점 식별 및 수정: +2.8%p

코드베이스를 읽는 위치가 다르다

Codex CLI는 깃허브 리포지터리를 클라우드의 격리된 샌드박스로 복제하고 전체 파일 트리를 탐색한다. 파일 읽기와 쓰기, 실행이 원격 인프라에서 이뤄지기 때문에 로컬 환경을 오염시키지 않고 대규모 리포지터리를 다룰 수 있다.

Claude Code는 현재 작업 디렉터리에서 움직인다. CLAUDE.md로 프로젝트별 컨텍스트를 전달받고 파일 시스템, 셸 명령, Git, MCP 서버를 연결해 코드베이스를 파악한다. 대형 리포지터리에서는 어떤 순서와 범위로 파일을 탐색하느냐가 결과에 큰 영향을 미친다.

Antigravity CLI는 에이전트 하네스와 플러그인 시스템으로 코드베이스를 인덱싱한다. Gemini CLI의 Agent Skills와 Extensions 구조를 계승하면서 Go 런타임으로 파일 탐색 속도를 높였다.

Codex CLI는 작업을 클라우드 큐에 맡긴다

⤢✕

Codex CLI의 중심에는 비동기 자율 실행이 있다. 개발자가 태스크를 큐에 넣으면 Codex는 클라우드 인프라에서 최대 6개의 서브에이전트를 동시에 실행한다. 각 서브에이전트는 별도의 샌드박스를 사용해 서로 다른 태스크를 병렬로 처리한다.

GPT-5.5 기반 Codex는 long-context 코딩에 특화된 파인튜닝을 거쳤다. 여러 파일을 바꾸고, 테스트를 실행하며, 실패하면 다시 수정한 뒤 최종 PR을 만드는 과정까지 사람의 개입 없이 완수하는 것이 목표다. CLI 바이너리는 Rust로 구현됐지만 실제 연산은 클라우드에서 수행된다.

Terminal-Bench 2.1에서 1위를 기록한 배경으로는 이 병렬 실행 구조와 GPT-5.5의 자기검증(self-check) 루프가 꼽힌다. 제출 전에 모델이 결과를 다시 검토하는 단계가 있어 단발성 코드 생성보다 정확도를 높인다.

Claude Code는 로컬 도구를 조합한다

⤢✕

Claude Code는 Unix 도구와 결합하기 쉬운 CLI 퍼스트 구조를 택했다. 터미널에서 자연어로 지시하면 Claude Opus 4.8이 파일을 읽고 쓰며, 셸 명령과 Git 작업을 직접 수행한다. 기존 툴체인의 일부로 끼워 넣을 수 있다는 점이 이 설계의 강점이다.

2026년 5월 28일 출시된 Opus 4.8은 SWE-Bench Pro에서 69.2%를 기록했다. 출력 토큰 수는 Opus 4.7보다 35% 감소해 동일한 비용으로 더 많은 코딩 태스크를 처리할 수 있게 됐다. 동적 워크플로우(dynamic workflows)가 추가되면서 대규모 리팩토링과 시스템 전체 마이그레이션처럼 오래 이어지는 작업도 다룰 수 있다.

VS Code와 JetBrains용 네이티브 확장도 제공한다. 통합 터미널에서는 CLI를 실행하고 확장에서는 diff 리뷰 UI를 사용하는 조합이 가능하다. 프로젝트별 지침을 담는 CLAUDE.md는 대형 팀이 동일한 코딩 가이드라인을 적용할 때 유용하다.

Antigravity CLI가 바꾼 Google의 경로

⤢✕

Antigravity CLI는 Google의 전략 전환을 보여준다. Apache 2.0 오픈소스였던 Gemini CLI는 6000건 이상의 커뮤니티 기여를 받고 GitHub 10만 스타를 달성했지만, Google은 이를 클로즈드소스 Antigravity CLI로 대체했다.

Go 재작성의 목적은 속도와 이식성이다. TypeScript 기반 Gemini CLI보다 빠른 응답성을 제공하며, Antigravity 2.0 데스크탑 앱과 같은 에이전트 하네스를 사용한다. 핵심 에이전트의 개선사항을 CLI와 데스크탑에 함께 반영할 수 있는 구조다. Agent Skills, Hooks, Subagents, Extensions는 Antigravity 플러그인 형태로 이어진다.

쿼터 정책 변화는 논쟁을 불렀다. Gemini CLI의 일 1000회 요청 한도가 주 단위 컴퓨트 쿼터로 바뀌면서 헤비 유저들은 멀티데이 쿨다운을 경험하고 있다. 6월 18일 이후 무료/Pro/Ultra 사용자는 Antigravity CLI로 전환하지 않으면 서비스를 이용할 수 없다.

제품 전략은 개발 환경의 경계를 만든다

OpenAI는 Codex CLI를 ChatGPT Plus/Team 구독 생태계와 연결한다. 1억 명 이상의 ChatGPT 사용자를 코딩 에이전트 시장으로 끌어올 수 있는 경로다. 비동기 자율 실행을 통해 개발자가 작업을 맡겨두는 경험을 제시하며, Rust 기반 CLI 바이너리는 오픈소스로 제공하되 실제 연산은 OpenAI 클라우드에서 수행하는 하이브리드 전략을 취한다.

Claude Code는 2026년 현재 $2.5B ARR을 기록한 Anthropic의 핵심 수익원으로 성장했다. CLI 중심 설계와 MCP 통합, CLAUDE.md 컨벤션으로 구성된 개발자 친화적 생태계가 전문 개발자층의 충성도를 높인다. Cursor($2B ARR)와의 통합을 통한 에디터 생태계 확장도 진행 중이다.

Antigravity CLI의 방향은 기업 고객 잠금에 가깝다. 무료·개인 사용자를 클로즈드소스 플랫폼으로 옮기면서 Gemini Code Assist 기업 라이선스 고객의 장기 계약을 강화한다. Google I/O 2026에서 공개된 Antigravity 2.0은 Managed Execution과 Enterprise Support를 차별점으로 제시했다.

도구 공개와 모델 종속은 별개의 문제다

Antigravity CLI의 클로즈드소스 전환은 개발자 커뮤니티에서 큰 논쟁을 일으켰다. The Register는 이 변화를 비판적으로 분석했다. 6000건의 오픈소스 커뮤니티 기여를 받아들인 뒤 클로즈드소스로 전환한 결정은 기업 신뢰도에 타격을 줬다.

Claude Code와 Codex CLI도 실제 모델 실행은 각 회사의 클라우드에 묶여 있다. 다만 CLI 바이너리를 오픈소스로 유지해 도구 레이어의 투명성을 제공한다는 점에서는 Antigravity CLI와 차이가 난다.

벤치마크마다 드러나는 강점이 다르다

2026년 AI 코딩 에이전트 시장은 약 128억 달러 규모로 추정되며, 2024년보다 151% 성장했다. Cursor, GitHub Copilot, Claude Code가 시장의 70% 이상을 점유한다. GitHub Copilot은 1500만 개발자를 확보했고, Claude Code의 $2.5B ARR과 Cursor의 $2B ARR은 전문 개발자 시장에서 두 제품이 차지하는 영향력을 보여준다.

Terminal-Bench 2.1에서는 Codex CLI가 앞서지만 SWE-Bench Pro에서는 Claude Code(Opus 4.8)가 69.2%를 기록했다. 어떤 작업을 평가하느냐에 따라 순위가 달라지므로 단일 벤치마크로 우열을 확정할 수 없다.

⤢✕

Terminal-Bench의 총점은 격리된 Linux, Python, Node.js 중심 환경에서 멀티스텝 터미널 태스크를 수행한 결과다. 제공사가 이 태스크 유형에 맞춰 에이전트를 최적화하면 벤치마크 오버피팅이 발생할 수 있고, 특수 환경에서의 성능을 충분히 대표하지 못할 수 있다. 태스크 수행에 필요한 API 호출 비용과 실행 시간도 벤치마크에 포함되지 않는다.

수정과 검증을 이어가는 방식

Codex CLI는 클라우드 샌드박스에서 여러 서브에이전트를 병렬로 실행한다. 테스트가 실패하면 자동 재시도 루프를 만들고, GPT-5.5의 자기검증 메커니즘으로 PR 생성 전에 코드 품질을 걸러낸다.

Claude Code에서는 Opus 4.8의 동적 워크플로우가 태스크를 단계별로 나눈다. 앞 단계의 결과를 다음 단계의 컨텍스트로 넘기는 체인 방식이며, 오류가 발생하면 수정 경로를 즉시 추론하는 빠른 피드백 루프를 사용한다. Super-Agent 벤치마크에서 모든 케이스를 종단 처리한 유일한 모델이라는 점도 주목할 만하다.

Antigravity CLI는 Hooks와 Subagents 플러그인으로 커스텀 워크플로우를 정의할 수 있다. 다만 클로즈드소스 전환 이후 내부 아키텍처의 투명성이 낮아져 구체적인 자동 수정 메커니즘은 확인하기 어렵다.

실행 실패를 다음 시도로 연결하는 복구 루프는 오류 유형을 식별하고, 그 유형에 맞는 복구 전략을 고른 뒤, 실패 이력을 반영해 대안 명령을 실행하는 과정으로 이뤄진다. 구문 오류(Syntax Error)는 즉시 수정을 시도하고, 의존성 오류(Dependency Error)는 패키지를 다시 설치하거나 대체 라이브러리를 찾는다. 권한 오류(Permission Error)는 경로 변경 또는 권한 요청으로 대응하며, 환경 오류(Environment Error)는 환경 변수를 점검하고 재설정한다.

복구는 단순한 수정부터 시작해 점차 복잡한 대안을 탐색한다. 이전 시도의 오류와 결과를 컨텍스트로 남기면 같은 실패를 되풀이하지 않고, 중간 실패가 전체 실패로 끝나지 않도록 다음 선택을 조정할 수 있다. Terminal-Bench 2.1의 태스크는 최소 3단계에서 최대 15단계의 시퀀스로 구성되고, 각 스텝은 앞선 결과에 의존하지만 부분 점수가 적용된다.

태스크 점수 = Σ(스텝 완료율 × 스텝 가중치) × 자율성 승수 × 효율성 계수

자율성 승수의 범위는 전적으로 인간에게 의존하는 0.5부터 완전 자율을 뜻하는 1.5까지다. 같은 수의 스텝을 완료하더라도 인간 개입 수준에 따라 최종 점수가 달라진다.

SDLC에 들어온 에이전트를 운영하는 관점

AI 에이전트가 개발 생명주기 전반에 들어오면 기존 자동화 체계도 다시 봐야 한다. Codex CLI의 PR 자동 생성은 기존 CI/CD 파이프라인과 연결되며, 에이전트가 실행하는 테스트와 회귀 탐지는 소프트웨어 테스트 자동화의 범위를 넓힌다.

# 에이전트 실행 환경 표준화 예시
docker run --rm \
  -v $(pwd):/workspace \
  -e AGENT_MODE=ci \
  -e MAX_STEPS=20 \
  -e RECOVERY_ATTEMPTS=3 \
  coding-agent:latest \
  --task "fix failing tests in src/ and ensure all tests pass"

형상 관리 측면에서는 에이전트가 Git 브랜치 전략을 자율적으로 따르는 패턴을 고려해야 한다. CLAUDE.md 같은 컨텍스트 파일은 요구사항 명세와 유사한 역할을 하므로 요구사항 추적 방식에도 영향을 준다. 정보관리기술사에서 다루는 소프트웨어 개발 도구와 자동화 관점에서도 AI 에이전트 기반 SDLC 자동화는 기존 개발 방법론을 재해석하게 만드는 주제다.

기업 도입에서는 총점보다 내부 업무와의 적합성을 먼저 검증해야 한다. CI/CD 자동화가 핵심이라면 관련 세부 태스크와 내부 파일럿 태스크를 연결하고, 보안 코드 리뷰가 주된 목적이라면 해당 업무에서의 재현성을 별도로 확인해야 한다. 완료율과 함께 비용, 실행 시간, 내부 기술 스택에서의 재현성을 평가해야 벤치마크 점수를 운영 성능으로 오인하지 않을 수 있다.

품질 관리에서는 에이전트가 어느 단계까지 실행하고 어느 지점에서 사람의 승인을 받을지 정해야 한다. Terminal-Bench의 태스크 완료율과 자율성 지수는 ISO/IEC 25010의 소프트웨어 품질 평가 지표와 연결해 검토할 수 있지만, 운영 통제와 책임 구조를 대신하지는 않는다. 감리 관점에서는 자율성 수준, 인간 감독 체계, 감사 로그를 함께 관리해야 하며, 에이전트가 개발에 참여하면서 발생하는 저작권과 책임 소재도 명확히 할 필요가 있다.

데이터베이스 업무에서는 스키마 생성과 마이그레이션 능력, SQL 쿼리 최적화 자동화 패턴을 별도 태스크로 구성해 평가할 수 있다. 범용 벤치마크 결과를 도입 전 성능 검증 자료로 쓰되, 각 조직의 품질 보증 체계와 거버넌스 기준 안에서 검증하는 방식이 필요하다.

하반기 경쟁과 도구 선택의 기준

2026년 하반기에도 경쟁 구도는 유지될 것으로 보이지만 세부 역학은 달라질 수 있다. Antigravity CLI가 Terminal-Bench 2.1 등재 후 70~75% 범위를 기록한다면 2위 경쟁이 치열해질 전망이다. OpenAI는 GPT-5.5 이후의 Codex 특화 모델을 준비 중이며, Anthropic도 Opus 4.9 또는 새 아키텍처로 SWE-Bench 우위를 강화할 것이다.

비동기 자율 처리가 필요하다면 Codex CLI가 맞는다. Unix 워크플로우와의 결합과 오픈 생태계를 중시한다면 Claude Code가 유리하다. Google Cloud 기업 인프라와의 통합이 우선이라면 Antigravity CLI가 선택지가 되지만, 클로즈드소스 전환에 따른 장기적인 벤더 락인 위험도 함께 검토해야 한다.

이 경쟁은 코드 생성 모델의 성능만 겨루는 문제가 아니다. Codex의 비동기 자율 실행, Claude Code의 CLI 퍼스트 컴포저블 설계, Antigravity의 플랫폼 생태계 통합은 서로 다른 소프트웨어 엔지니어링 철학을 드러낸다. 개발 파이프라인에 에이전트가 깊게 들어갈수록 도구 선택은 보안 정책과 벤더 다양성까지 포함하는 인프라 의사결정이 된다.

Gemini CLI의 클로즈드소스 전환은 플랫폼 신뢰성과 오픈소스 생태계의 지속 가능성도 선택 기준에 포함시켰다. 경쟁 구도가 성숙할수록 개발자가 선택할 수 있는 경로와 벤더를 상대로 한 협상력은 커질 것이다.