AI 코딩 에이전트 재편: Codex와 Claude Code의 실행·컨텍스트 전략

순위 경쟁보다 워크플로우의 완결성이 중요해진 이유

2026년 7월, AI 코딩 에이전트 시장의 구도는 다시 움직였다. OpenAI Codex는 GPT-5.6 Sol(Ultra 포함)을 바탕으로 종합 에이전틱 워크플로우 순위 1위에 올랐고, Anthropic Claude Code는 Opus 4.8·Sonnet 5 제품군과 1M 토큰 컨텍스트 윈도우를 내세워 기존의 컨텍스트 제약을 줄였다. xAI의 Grok Build도 Grok 4.5 기반의 속도 중심 포지션으로 CLI 코딩 에이전트 경쟁에 합류했다.

이번 변화는 단순한 절대 성능 경쟁으로 보기 어렵다. 에이전트가 계획을 세우고, 도구를 실행하고, 상태를 보존하며, 대형 코드베이스의 맥락을 관리하는 전체 흐름이 제품 선택의 중심으로 옮겨갔다.

Codex는 Artificial Analysis Coding Agent Index에서 Sol max 기준 80점으로 최상위를 달성했다. Terminal-Bench 2.1에서는 Sol 88.8%, Ultra 91.9%를 기록했다. Claude Code는 기본 모델을 Opus 4.8·Sonnet 5 라인업으로 전환했고, Sonnet 5는 Opus 4.8 대비 약 40% 낮은 단가에 근접한 성능을 제공한다. Claude API와 Claude Code 전반에는 1M 컨텍스트와 128K 출력 토큰이 기본 적용된다.

Codex가 다루는 실행 루프와 작업 분리

Codex의 에이전트 동작은 계획(plan), 도구 호출(tool call), 관찰(observe), 재계획(replan)을 반복하는 루프에 기반한다. 이 루프는 Responses API 위에서 구성되며, Programmatic Tool Calling을 통해 도구 호출을 JavaScript 코드로 작성해 반복, 조건 처리, 집계를 압축한다.

상위 오케스트레이터는 빌드 검증, 테스트 실행, 리팩터링 범위 탐색처럼 성격이 다른 하위 작업을 분리된 서브에이전트 세션에 위임한다. 상위 컨텍스트에는 중간 산출물만 승격한다. 작업마다 전체 대화를 공유하는 방식보다 컨텍스트 오염을 줄이기 위한 구조다.

생성된 코드와 명령은 네트워크가 차단된 격리 실행 환경에서 동작해 자율 실행의 부작용을 통제한다. Ultra 모드는 다중 후보 경로를 병렬 탐색한 뒤 검증 단계에서 병합하며, Terminal-Bench 2.1 점수를 3.1p 추가 확보했다(88.8%→91.9%).

컨텍스트를 작업 자원으로 관리하는 Claude Code

Claude Code의 변화는 큰 컨텍스트 창 자체보다 그것을 다루는 방식에 있다. 작업 중 생성되는 계획, 중간 결론, 파일 변경 이력은 노트나 스크래치패드 같은 영속 저장소에 기록해 컨텍스트 밖으로 내보낸다. 다음 턴에는 필요한 파일과 이전 기록만 다시 선택해 적재한다.

오래된 대화와 도구 호출 로그는 압축해 토큰 밀도를 높인다. 서브에이전트별 컨텍스트는 분리해 테스트 작성과 리팩터링처럼 서로 다른 작업이 섞이지 않도록 한다. 이 write·select·compress·isolate 흐름은 1M 윈도우를 단순히 큰 입력 공간이 아니라 운영해야 할 작업 공간으로 취급한다.

대형 모노레포나 다중 모듈 프로젝트에서는 크로스 파일 참조와 연쇄 버그를 컨텍스트 절단 없이 추적할 수 있다. Sonnet 5는 이 창을 기본값으로 상시 제공한다.

MCP와 세션 상태가 연결하는 에이전트 운영

⤢✕

Codex와 Claude Code는 모두 Model Context Protocol을 표준 도구 인터페이스로 채택한다. 사내 API, DB, 이슈 트래커를 별도 어댑터 없이 연결할 수 있는 구조다. 도구별 호출 횟수, 실패율, 토큰 소비를 로그로 남기면 에이전트의 자율 실행에 대한 감사 추적성(auditability)을 확보할 수 있다.

권한은 저위험 도구부터 자동 승인 범위에 넣는 편이 적합하다. 읽기 전용 조회는 자동 승인으로 시작하되, 배포나 삭제처럼 고위험 작업에는 인간 승인 게이트를 유지한다.

세션 중단 이후의 재개도 운영 설계에 포함해야 한다. 두 진영은 계획, 완료 태스크, 미해결 이슈 같은 세션 상태를 디스크에 직렬화해 동일 지점에서 다시 시작하는 방향을 취한다. Codex는 모바일 앱을 통한 원격 승인·모니터링 채널을 GA로 전환했고, Claude Code는 CLI와 IDE 확장에서 동일한 세션 상태를 공유하는 방향으로 수렴하고 있다.

장기 실행 세션에서는 컨텍스트 압축 손실이 재개 오류로 이어질 수 있다. 체크포인트 시점의 원본 diff와 테스트 결과를 별도 아카이브에 보존하는 정책이 필요하다.

벤치마크를 도입 판단으로 연결하는 방법

도구 선정에 Terminal-Bench 2.1, SWE-Bench Pro, Coding Agent Index를 함께 참조하면 단일 지표에 매달리는 위험을 줄일 수 있다. 각각 다단계 실행, 실제 이슈 해결, 종합 워크플로우를 다른 각도에서 보여준다.

비용과 난도는 분리해 보는 편이 낫다. Sonnet 5는 Opus 4.8 대비 약 40% 낮은 단가로 근접 성능을 제공하므로, 대량 반복 작업에는 Sonnet 5를, 고난도 아키텍처 판단에는 Opus 4.8을 두는 이원화가 가능하다. 대상 코드베이스의 규모와 모듈 결합도를 먼저 측정해 1M 컨텍스트가 실제로 필요한 워크로드인지 확인한 뒤 도구를 선택해야 한다.

자율성은 읽기·분석, 국소 리팩터링, 크로스 모듈 변경 순으로 넓혀 갈 수 있다. 각 단계에는 회귀 테스트 게이트를 둔다. 1M 윈도우도 무제한 자원은 아니므로, 모듈별 컨텍스트 예산을 사전에 산정하고 write·select·compress 파이프라인으로 실제 사용량을 관측해야 한다.

프론트엔드, 백엔드, 인프라처럼 독립적인 모듈은 격리된 서브에이전트로 동시에 처리할 수 있다. 다만 병렬성은 검증과 병합의 책임을 없애지 않는다.

CI/CD 검수와 벤더 이식성을 함께 설계하기

에이전트가 만든 PR은 빌드, 테스트, 정적분석, 보안 스캔으로 구성된 CI 게이트를 통과하지 않으면 병합할 수 없도록 강제한다. 작성 에이전트와 승인 주체도 분리해야 한다. 자동 생성 코드는 code-reviewer 성격의 별도 검수 경로를 거치게 하고 self-approve는 허용하지 않는다.

프롬프트, 컨텍스트 스냅샷, 도구 호출 이력은 규정 보존 기간 동안 아카이브한다. 이는 사후 감사뿐 아니라 인시던트 발생 시 원인을 추적하는 근거가 된다.

특정 CLI에 묶이지 않으려면 프롬프트, 평가셋, MCP 도구 정의를 벤더 중립적인 공통 포맷으로 관리할 필요가 있다. Codex, Claude Code, Grok Build 가운데 하나에 전면 의존하기보다 워크로드별 라우팅 정책을 문서화하고, 분기별로 표준 태스크셋을 다른 벤더 CLI에서도 실행해 전환 소요 시간과 품질 편차를 사전 측정한다.

Codex, Claude Code, Grok Build의 선택 지점

항목	Codex(GPT-5.6 Sol/Ultra)	Claude Code(Opus 4.8·Sonnet 5)	Grok Build(Grok 4.5)
종합 워크플로우 순위	1위(Coding Agent Index)	상위권, 하드 벤치마크 강세	신규 진입, 속도 중심
Terminal-Bench 2.1	88.8%(Ultra 91.9%)	경쟁적(78%대 후반 보고)	공개 데이터 제한적
SWE-Bench Pro	준수	강세(70%대 초반 보고)	50%대 보고
컨텍스트 윈도우	표준 대형 컨텍스트	1M 토큰(Sonnet 5 기본)	상대적으로 작음
비용 포지션	효율 중심	Sonnet 5로 저가 접근 확대	속도-저가 지향
강점	다단계 자율 실행, 서브에이전트 병렬화	대형 코드베이스, 크로스 파일 추적, 신뢰성	응답 속도, 경량 태스크

Codex CLI와 Claude Code 같은 CLI 코딩 에이전트는 터미널에 상주하며 장시간 자율 실행을 수행하는 흐름에 맞는다. 원격 모니터링과 모바일 승인 채널까지 확장되면서 감독형 자율성 워크플로우를 지원한다.

IDE 통합 도구는 에디터 내 인라인 제안과 즉각적인 피드백 루프에 강점이 있다. 반면 1M 급 컨텍스트나 장기 서브에이전트 오케스트레이션에는 CLI 에이전트 대비 제약이 있다. 대규모 리팩터링과 마이그레이션 프로젝트에는 CLI 에이전트가, 일상 기능 개발과 페어 프로그래밍에는 IDE 통합 도구가 상대적으로 유리하다.

운영 기준은 경제성, 신뢰성·가용성, 보안·거버넌스로 나눠 검토할 수 있다. 워크로드 난도에 따라 Codex, Claude Code, Grok Build를 혼합 라우팅하면 총소유비용(TCO)을 최적화할 수 있다. 1M 컨텍스트와 서브에이전트 오케스트레이션이 커질수록 실패 시 영향 범위도 넓어지므로 체크포인트와 롤백 절차를 운영 표준에 명시해야 한다. MCP 도구 호출 권한은 등급화하고, 자동 승인과 인간 승인의 경계를 문서화하며, 감사 로그를 정기 검토한다.

2026년의 경쟁은 실행 루프, 컨텍스트 엔지니어링, 거버넌스를 묶은 운영 체계의 경쟁으로 이동했다. 도구의 벤치마크 순위만으로 결정하기보다 자사 코드베이스 규모, 리스크 허용도, 감사 요구사항에 맞는 에이전트 아키텍처를 선택해야 한다.