런던 발표로 본 Claude Code Auto Mode와 Managed Agents

자율성은 어디까지 위임할 수 있는가

2026년 5월 19~20일 런던에서 열린 “Code with Claude” 개발자 컨퍼런스에서 Anthropic은 Claude Code Auto Mode 연구 프리뷰와 Managed Agents 플랫폼을 공개했다. Claude Code와 Opus API 사용 한도도 2배로 확대했다. 발표의 초점은 코드 생성 성능 자체보다 개발자가 AI 에이전트에 얼마나 많은 실행 권한을 맡기고, 그 권한을 어떤 방식으로 통제할 것인가에 맞춰졌다.

Claude Code Auto Mode는 매번 명시적인 승인을 받지 않고도 코드 작성, 파일 수정, 터미널 명령 실행을 연속해서 처리하는 자율 판단 실행 모델이다. 기존 Claude Code가 액션마다 사용자 확인을 요청했다면, Auto Mode는 미리 정해 둔 자율성 범위 안에서 멀티스텝 작업을 중단 없이 진행한다.

이 범위는 허용 액션 집합, 조건부 액션 집합, 금지 액션 집합의 세 레이어로 나뉜다. 파일 읽기·쓰기, 테스트 실행, 패키지 설치처럼 Auto Mode가 바로 수행할 수 있는 작업은 허용 액션 집합에 들어간다. 외부 API 호출이나 데이터베이스 스키마 변경처럼 특정 조건에서만 실행할 수 있는 작업은 조건부 액션 집합으로 분류되며, 인간 개입 게이트가 작동한다. 프로덕션 배포나 비밀 키 노출처럼 자율 실행을 허용하지 않는 작업은 금지 액션 집합에 속한다.

위험도에 따라 멈추는 실행 흐름

Auto Mode의 안전장치는 동적 인간 개입 게이트다. Claude는 액션을 실행하기 전에 가역성, 범위, 외부 효과를 종합해 내부 위험도 스코어를 계산한다. 점수가 임계값을 넘으면 실행을 멈추고 사용자 승인을 요청한다.

계획한 작업은 액션 큐라는 내부 버퍼에 순서대로 저장된다. 개발자는 실행 전에 큐를 확인하고 특정 액션을 삭제하거나 수정할 수 있다. 에이전트가 계획을 숨긴 채 움직이는 구조가 아니라, 사용자가 실행 경로를 확인하고 필요한 시점에 개입할 수 있는 투명한 자율성을 지향한다.

⤢✕

승인 과정에는 계획 프리뷰, 인터랙티브 리뷰, 실행의 세 단계가 있다. 먼저 Claude가 전체 작업 계획을 자연어와 액션 목록으로 보여준다. 사용자는 각 액션을 검토하고 수정한 뒤 실행을 승인한다. Anthropic이 이 과정에 적용한 원칙은 “신뢰하되 검증하라(Trust but Verify)”다.

실행 샌드박스도 별도의 방어선으로 쓰인다. Auto Mode는 기본적으로 격리된 환경에서 동작하며 프로젝트 루트 디렉토리 바깥의 파일 시스템 접근과 외부 네트워크 호출을 제한한다. 에이전트의 실수가 실제 프로덕션 환경으로 번지는 범위를 줄이기 위한 설계다.

세션이 끝나도 맥락을 남기는 Dreaming

Managed Agents의 Dreaming은 작업 세션이 종료된 뒤에도 에이전트가 컨텍스트와 지식을 이어갈 수 있도록 만든 메모리 루프 시스템이다. 작업 과정에서 파악한 패턴, 코드베이스에 대한 이해, 사용자 선호도를 구조화된 메모리 저장소에 기록한다.

메모리는 단기 메모리, 에피소드 메모리, 의미 메모리의 세 계층으로 관리된다. 단기 메모리에는 현재 세션의 컨텍스트가 담긴다. 에피소드 메모리는 과거 작업과 그 결과를 기록하고, 의미 메모리는 “이 프로젝트는 이벤트 소싱 패턴을 사용한다”와 같은 코드베이스의 추상화된 특성을 보존한다. 새 세션이 시작되면 Dreaming이 관련 메모리를 불러와 이전 작업의 맥락을 연결한다.

완료 여부를 다시 작업으로 연결하는 Outcomes

Outcomes는 에이전트가 끝낸 작업을 평가하고 그 결과를 다음 접근 방식에 반영하는 자기 개선 시스템이다. 평가 대상에는 정적 분석과 테스트 통과율을 포함한 코드 품질, 명시적 피드백으로 확인하는 사용자 만족도, 작업 완료 여부와 완성도로 판단하는 목표 달성도가 포함된다.

중심에는 목표 추적 메커니즘이 있다. 작업을 시작할 때 사용자가 제시한 목표를 구조화해 저장하고, 종료 시점에 각 목표의 달성 여부를 자동으로 평가한다. 달성하지 못한 목표가 있으면 추가 작업을 계획하거나 사용자에게 피드백을 요청한다. 단순히 실행을 끝내는 데서 멈추지 않고, 처음 합의한 목표와 결과를 다시 대조하는 구조다.

이벤트 연동과 병렬 에이전트 실행

Webhooks는 Managed Agents와 외부 시스템을 이벤트 기반으로 연결한다. CI/CD 파이프라인, 이슈 트래커, 모니터링 시스템에서 발생한 이벤트가 Webhook으로 전달되면 에이전트가 그 이벤트에 맞는 작업을 시작한다. GitHub Actions에서 테스트 실패 이벤트를 받은 Claude 에이전트가 원인을 분석하고 수정 패치를 만드는 워크플로우가 한 예다.

큰 작업은 독립적인 서브태스크로 나눠 여러 에이전트 인스턴스에 병렬로 배정할 수 있다. 오케스트레이터 에이전트가 전체 진행을 관리하고 각 서브에이전트의 결과를 통합한다. 대규모 리팩토링, 다국어 문서 생성, 병렬 테스트 스위트 실행처럼 분할 가능한 작업의 실행 시간을 획기적으로 줄이는 모델이다.

⤢✕

완전 자율보다 제어 가능한 자율성

2026년 AI 코딩 도구 시장은 Anthropic, OpenAI, Cursor 세 플레이어를 중심으로 재편되고 있다. OpenAI Codex의 Goal Mode는 사용자가 자연어로 목표를 정의하면 전체 구현을 자율적으로 수행하는 방식이다. 높은 자율성을 제공하지만 세밀한 제어 기능이 부족하다는 평가를 받는다. Cursor는 IDE 통합과 컨텍스트 인식에 강점이 있지만, 에이전트 오케스트레이션 기능의 성숙도에서는 Anthropic보다 낮다.

Anthropic은 이 구도에서 제어 가능한 자율성을 차별화 지점으로 삼았다. Auto Mode는 개발자가 자율성의 범위를 세밀하게 조정하도록 설계됐다. 보안 정책과 컴플라이언스 요구가 엄격한 대기업 개발팀이 AI 에이전트를 도입할 때 실행 권한과 승인 지점을 분리할 수 있다는 점에서 엔터프라이즈 시장을 겨냥한 접근이다.

런던 행사는 제품 발표와 함께 개발자 커뮤니티를 구축하려는 전략도 보여줬다. 개발자들이 현장에서 Auto Mode와 Managed Agents를 경험하고 피드백을 제공하며 얼리 어답터 네트워크를 형성하는 방식은 OpenAI의 개발자 포럼이나 Microsoft의 GitHub Copilot 채택 모델과 유사하다.

Claude Code와 Claude Opus API 사용 한도를 2배로 확대한 조치도 이 전략과 맞물린다. 개발자에게 Auto Mode와 Managed Agents를 실험할 쿼터를 제공해 학습 곡선을 낮추고 실제 프로덕션 워크플로우로의 전환을 촉진하려는 것이다. Anthropic은 이번 행사를 계기로 유럽 개발자 시장에서 존재감을 강화하려는 의도도 드러냈다.

AI 코딩 경쟁이 향하는 지점

2026년 경쟁 구도에는 자율성 수준, 멀티에이전트 오케스트레이션 성숙도, 엔터프라이즈 안전성과 컴플라이언스라는 세 축이 놓여 있다. 자율성 측면에서는 완전 자율의 OpenAI Codex, 조절 가능한 자율성의 Anthropic, 보조 도구 성격의 Cursor가 서로 다른 위치를 차지한다. 플랫폼 측면에서는 Managed Agents처럼 여러 에이전트의 협업을 관리하는 기능이 다음 경쟁 영역이 될 것이다. 엔터프라이즈 시장에서는 보안 정책을 지키면서 에이전트 생산성을 유지하는 균형이 채택을 좌우한다.

Anthropic은 인간 개입 게이트와 Outcomes 품질 평가를 통해 안전하고 제어 가능한 AI 에이전트라는 영역을 선점하려 한다. 단기적인 성능 경쟁보다 신뢰와 통제 가능성을 앞세운 전략이 어떤 반응을 얻을지는 2026년 하반기 채택률 데이터가 보여줄 것이다.