모델과 작업 구조가 함께 나온 날
앤트로픽은 2025년 9월 29일 클로드 소네트 4.5를 공개하면서 클로드 코드의 체크포인트와 개발자용 에이전트 SDK도 소개했다. 회사는 긴 작업과 컴퓨터 사용 능력의 향상을 강조했다. 같은 날의 SDK 설명은 에이전트가 어떤 도구와 정보를 이용하고 어떤 방식으로 결과를 확인할지 다뤘다. 새로운 모델의 성능과 그 모델이 실제 업무를 수행하게 하는 주변 구조가 함께 발표된 것이다. [1]
에이전트가 일을 처리하는 과정은 답변 한 번을 생성하는 것보다 길다. 필요한 맥락을 모으고 도구로 행동한 뒤 결과를 검증하고 다시 시도할 수 있다. 도구 호출이 성공했다는 신호와 사용자의 목적이 달성됐다는 증거는 다르다. 파일 저장이 끝났더라도 내용이 맞는지, 다른 프로그램에서 열리는지, 의도한 위치에 있는지 확인해야 한다. 이 간격을 메우는 검증 단계가 반복 작업의 신뢰성에 영향을 준다.
에이전트 SDK가 묶는 반복 과정
같은 날 공식 안내는 클로드 코드 SDK의 이름을 클로드 에이전트 SDK로 바꾸는 배경을 설명했다. 코드 작업에 쓰던 도구와 실행 구조를 더 다양한 업무에 활용하려는 방향이다. 안내가 제시한 기본 순서는 맥락 수집, 행동, 검증, 반복이다. 모델 하나를 고르면 업무 전체가 자동으로 완성된다는 설명보다 어떤 정보를 읽고 어떤 행동 뒤에 무엇을 확인할지를 설계하는 문제에 가깝다. [2]
가령 에이전트가 판매 내역을 읽어 월간 보고서를 만든다고 해 보자. 파일이 생성됐는지만 확인하면 빠진 행이나 잘못된 단위를 놓칠 수 있다. 원자료의 합계와 보고서의 합계를 대조하고, 필수 항목이 있는지 확인하고, 표가 화면에서 잘리는지도 살펴야 한다. 이 가상의 업무에서 계산 검증과 화면 검토는 서로 다른 오류를 찾는다. 같은 모델이 두 일을 했다는 사실만으로 두 종류의 검사가 서로 대체되지는 않는다.
정확한 피드백은 다음 행동도 바꾼다. 보고서가 틀렸다는 말보다 특정 월의 합계가 원자료와 다르고 누락된 행이 있다는 설명이 수정을 돕는다. 실패한 조건이 구체적이면 에이전트가 원인을 좁힐 수 있지만, 막연한 점수만 주면 겉모양만 바꾸는 반복에 빠질 수 있다. 반복 횟수가 길어지는 것 자체를 성과로 평가하기보다 각 반복이 어떤 오류를 줄였는지 확인해야 한다.
체크포인트와 외부 행동의 경계
모델 발표는 클로드 코드에 진행 상태를 저장하고 이전 상태로 돌아갈 수 있는 체크포인트가 추가됐다고 밝혔다. 이 기능은 작업 중 잘못된 변경을 되짚는 데 도움이 될 수 있다. 그러나 로컬 작업 상태를 복원하는 능력과 이미 외부에 발생한 행동을 취소하는 능력은 같은 개념이 아니다. 예를 들어 이미 보낸 메시지는 파일을 예전 상태로 바꾼다고 수신자의 받은편지함에서 자동으로 사라지지 않는다. 이는 체크포인트 발표를 해석할 때 필요한 일반적인 구분이다.
따라서 되돌리기를 설계할 때는 어떤 상태를 저장하는지, 어떤 자원까지 복원하는지 구체적으로 정해야 한다. 읽기와 쓰기, 임시 초안 저장과 공개 게시도 영향이 다르다. 실행 전에 필요한 권한과 실행 후 확인할 결과를 구분하면 작업이 길어져도 책임의 경계가 선명해진다. 한 단계가 실패했을 때 같은 외부 행동을 반복해도 되는지 판단할 기록이 남는 것도 중요하다.
성능 주장과 운영 증거의 차이
회사는 모델 능력의 개선을 발표했지만 그 평가를 모든 실제 업무의 성공률로 바꿀 수는 없다. 평가 과제의 입력과 도구 환경, 성공 조건이 조직의 업무와 다를 수 있기 때문이다. 벤치마크가 좋아졌다는 소식과 특정 회사의 장부를 정확히 처리한다는 결론 사이에는 자체 자료와 절차를 이용한 확인이 필요하다. 이 기사는 특정 평가 점수를 전체 서비스의 안전성이나 정확성으로 환산하지 않는다.
공식 SDK 안내도 규칙에 따른 점검과 시각적인 피드백 같은 여러 검증 방식을 설명한다. 계산이나 형식은 명시적인 규칙으로 확인할 수 있고, 배치는 화면으로 봐야 알아채는 문제가 있다. 모델의 판단을 이용한 검토 역시 활용할 수 있지만 같은 오류를 반복할 가능성까지 사라지는 것은 아니다. 어떤 실패를 어느 방식으로 잡을지 나누는 일이 검토 단계를 형식적인 승인 표시로 만들지 않게 한다.
기존의 단발성 질문과 비교하면 운영상 남겨야 할 기록도 많아진다. 어떤 자료를 읽었고 어떤 파일을 바꿨으며 어느 단계까지 검증했는지 추적할 수 있어야 중간 실패 뒤에 이어서 작업할 수 있다. 결과가 불확실한 상태에서 처음부터 다시 실행하면 외부 기록이 중복될 수 있다. 긴 작업을 지원하는 기능의 가치는 오래 실행했다는 시간보다 중간 상태를 이해하고 다음 행동을 결정할 수 있는 데서 생긴다.
발표 시점에 확인할 수 있었던 범위
해석의 한계는 모델과 SDK의 공개가 모든 조직에서 같은 효과를 입증한 결과는 아니라는 점이다. 비용과 작업 환경, 권한 설계와 검증 조건이 달라지면 결과도 달라질 수 있다. 이 기사는 9월 29일 공식 발표와 같은 날짜의 SDK 안내를 기준으로 정리했다. 주차 종료 뒤 수정된 시스템카드나 이후 추가된 기능을 당시 발표의 증거로 사용하지 않는다.
이번 발표를 읽는 핵심은 더 강한 모델과 더 나은 업무 절차를 별개의 질문으로 두는 것이다. 무엇을 할 수 있는지가 넓어질수록 실제로 무엇을 했고 그 결과가 맞는지 확인하는 장치도 중요해진다. 맥락과 도구, 검증을 잇는 구조를 함께 보면 에이전트의 발전을 단순한 점수 경쟁보다 구체적인 작업 방식의 변화로 이해할 수 있다.
