VS Code에서 에이전트 요리하기
📺 원본 영상: Cooking with Agents in VS Code — Liam Hampton, Microsoft 🎙️ 채널: AI Engineer 📅 정리 일자: 2026-05-22 ⚠️ Note: 본 리포트는 영상의 음성을 텍스트로 변환(STT)하여 정리한 것입니다. 화면에 표시된 자료(차트, 코드, 슬라이드 등)는 포함되지 않을 수 있습니다.
개요
Microsoft의 Liam Hampton이 AI Engineer 컨퍼런스에서 발표한 이 강연은 VS Code를 AI 에이전트의 단일 진입점(single entry point)으로 활용하는 방법론과 실전 워크플로우를 다룬다. 로컬(Local), 백그라운드(Background), 클라우드(Cloud)라는 세 가지 에이전트 유형을 동시에 운용하면서 하나의 코드베이스가 가진 서로 다른 문제들을 병렬로 해결하는 방식이 핵심 주제다. 단순한 기능 소개에 그치지 않고, AI 에이전트의 인지 부하(cognitive load) 문제와 ROI 논쟁이라는 업계의 현실적인 문제의식을 먼저 짚어낸 뒤, 그 해법으로서의 에이전트 아키텍처를 제시하는 구조를 취하고 있다.
AI 에이전트의 딜레마 - 기대와 현실 사이
AI 에이전트가 CLI, 터미널, 채팅 창, 각종 에디터 등 사방에서 등장하며 급격히 확산되는 가운데, 업계에는 일종의 신화가 형성되어 있다. “에이전트 하나에 모든 것을 맡기면 된다”는, 소위 one-shot 프롬프트에 대한 맹신이 그것이다. 강연자는 아직도 개발자들 중에 단 하나의 프롬프트로 완전한 애플리케이션을 만들거나 모든 문제를 해결할 수 있다고 믿는 사람들이 있다고 직접 언급하면서, “Absolutely not the case(전혀 그렇지 않다)“라는 단호한 결론을 내린다.
이 문제는 곧바로 비즈니스 관점의 ROI 질문으로 이어진다. 기업들이 AI 인프라와 도구, 서비스에 막대한 비용을 쏟아붓고 있지만 아직 그 실질적인 이익을 충분히 거두지 못하고 있는 것이 현실이기 때문이다. 강연자는 토큰 비용(token spend) 관리의 중요성을 강조하면서, LinkedIn에서 화제가 된 한 오픈소스 저장소를 언급한다. 챗봇이 “해적처럼 말하도록” 프롬프트를 구성함으로써 토큰 소모를 줄이는 이 아이디어가 빠른 속도로 퍼지고 있다는 것인데, 이처럼 개발자 커뮤니티 전반에서 토큰 절감을 위한 창의적인 방법들이 등장하고 있다는 사실 자체가, AI 도구 활용의 효율성이 어느 때보다 중요한 시대가 되었음을 반증한다.
세 가지 에이전트 아키텍처 - 언제 무엇을 쓸 것인가
강연의 핵심 프레임워크는 세 가지 에이전트 유형의 구분과 각각의 적절한 사용 시나리오다. 이 분류는 단순히 기술적인 구현 방식의 차이가 아니라, 개발자가 얼마나 깊게 관여하고 싶은가라는 “인간 개입 수준(human-in-the-loop)“에 따른 구분이기도 하다.
**로컬 에이전트(Local Agent)**는 VS Code 내에서 개발자와 가장 긴밀하게 상호작용하는 형태다. Claude를 비롯한 다양한 원격 AI 서비스가 연결될 수 있지만, 개발자는 실시간으로 대화하며 에이전트가 무엇을 하고 있는지 즉각적으로 파악하고 방향을 조정할 수 있다. 강연자는 테스트 코드 작성에 로컬 에이전트를 사용하는 것이 이상적이라고 말한다. 테스트는 코드베이스의 의도와 동작을 직접 반영하는 것이기 때문에, 개발자가 직접 세부 내용에 개입하며 검토하는 과정이 생략될 수 없기 때문이다.
**백그라운드 에이전트(Background Agent)**는 GitHub Copilot CLI를 통해 작동하며, VS Code 내에서도 접근할 수 있는 반격리형 에이전트다. 이 에이전트의 핵심 기술은 Git Worktree의 활용이다. Git Worktree는 하나의 저장소 안에서 특정 브랜치를 독립된 서브디렉토리에 매핑하는 기능으로, 기존 작업 트리와 완전히 격리된 환경에서 에이전트가 코드를 수정하고 실행한다. 강연자는 프론트엔드 UI 개발처럼 “완전히 손을 떼기에는 찜찜하지만, 매 단계를 직접 챙기기에는 너무 반복적이고 지루한” 작업, 즉 50:50의 중간 지점에 놓인 작업에 이 에이전트가 적합하다고 설명한다.
**클라우드 에이전트(Cloud Agent)**는 조직 외부의 클라우드 자원과 GitHub 서비스의 힘을 빌려 빠르게 확장할 수 있는 가장 원격화된 형태다. 강연자는 이 에이전트를 주로 문서 작성에 활용한다고 밝히며 솔직하게 고백한다. “문서 작성을 싫어합니다. 많은 분들도 그렇지 않으신가요?” 저장소를 오픈소스 친화적으로 만들기 위한 README 작성, 기여 가이드라인 생성, 스킬을 활용한 각종 문서 자동화가 이 에이전트의 주요 활용처다.
실전 데모 - 하나의 코드베이스, 세 개의 문제, 세 개의 에이전트
강연자는 이 세 가지 에이전트를 동시에 운용하는 시나리오를 데모 영상으로 보여준다. 출발점은 간단한 Python 기반의 CRUD(Create, Read, Update, Delete) 상품 관리 애플리케이션이다. 기능은 동작하지만 UI가 없고, 테스트도 없으며, 오픈소스로 공개하기에는 문서도 부족한 상태, 즉 실제 개발 현장에서 흔히 마주치는 “기술 부채가 쌓인 작동하는 코드”의 전형이다.
첫 번째 에이전트 - 백그라운드: GitHub 이슈 25를 참조해 프론트엔드 UI 추가를 요청한다. 이 단계에서 강연자는 Autopilot 모드를 함께 활성화하는데, Autopilot은 현재 미리보기(Preview) 상태의 기능으로 에이전트가 도구 호출(tool call)을 수행할 때마다 사용자 확인을 요청하지 않도록 하는 기능이다. 강연자는 명시적으로 경고한다. “실무에서는 매우 신중하게 사용해야 합니다. 상당히 위험할 수 있습니다.” 아울러 에이전트가 계획을 수립한 후 Pull Request를 생성하기 전에 반드시 멈춰 로컬 테스트 방법을 알려달라는 구체적인 제약 조건을 추가한다.
06:20 - GitHub Copilot CLI 백그라운드 에이전트를 사용하여 GitHub 이슈 25에 대한 프론트엔드 UI 추가 계획을 수립하는 화면
두 번째 에이전트 - 클라우드: 백그라운드 에이전트가 UI를 만드는 동안 새 채팅 창을 열어, 클라우드 에이전트에게 저장소를 오픈소스 친화적으로 만들기 위한 README, 기여 가이드라인 등 필수 파일들을 추가하도록 지시한다. “별로 신경 쓰지 않겠습니다. 그냥 필요한 걸 다 추가해 주세요”라는 방식의 전면 위임이다.
세 번째 에이전트 - 로컬: 두 에이전트가 각자 작업하는 동안 강연자는 코드베이스를 직접 탐색하다가 테스트가 전무함을 발견한다. 마침 VS Code에 해당 Python 애플리케이션의 테스트 케이스 작성 방식을 안내하는 커스텀 에이전트가 존재한다는 것을 확인하고, Claude 모델을 중간 추론(medium reasoning) 수준으로 설정해 로컬 에이전트를 가동한다.
08:07 - VS Code에서 로컬 에이전트를 시작하며 Claude 모델과 추론 수준(medium reasoning)을 선택하는 UI 화면
에이전트는 유닛 테스트를 작성하고 직접 실행까지 진행하며, 이 과정에서 코드의 오류 처리(error handling)가 미흡하다는 추가 문제도 함께 발견한다. 강연자는 즉시 API 엔드포인트의 오류 처리 개선과 테스트 업데이트를 지시하고, 에이전트와 긴밀하게 주고받으며 코드를 다듬어 나간다.
09:21 - 로컬, 백그라운드, 클라우드 에이전트가 동시에 작업 중인 상태에서 백그라운드 에이전트의 진행 상황을 확인하는 화면
10:57 - 백그라운드 에이전트가 Git Worktree 디렉토리에 생성한 새 프론트엔드 UI 애플리케이션이 실행된 화면 - 기존 텍스트 기반 UI와 대비되는 완성된 제품 데모 UI
이 데모의 핵심 메시지는 명확하다. 세 개의 에이전트가 서로 다른 문제를 병렬로 처리하는 동안, 개발자는 각 에이전트의 상태를 모니터링하고 필요한 시점에만 개입한다. “하나의 코드베이스, 세 가지 문제, 세 개의 에이전트가 동시에 모두 해결”한다는 것이 강연자가 강조하는 성과다.
클라우드 에이전트의 작동 원리 - 안전성과 확장성
현장에서 클라우드 에이전트에 대한 질문이 가장 많이 들어온다고 강연자는 말한다. 비용은 얼마나 드는지, 실제로 어떻게 작동하는지, 어떻게 시작할 수 있는지에 대한 답변을 구체적으로 제공한다.
기술적으로 클라우드 에이전트는 GitHub Actions 위에서 실행된다. 격리된 환경에서 구동되기 때문에 보안 측면에서 상당히 견고하다. 여기에 더해 MCP(Model Context Protocol) 서버를 통한 컨텍스트 확장이 가능하다. GitHub Copilot의 클라우드 에이전트는 현재 GitHub MCP 서버와 Playwright MCP 서버에 접근할 수 있어, 스크린샷을 찍으며 자동화된 프론트엔드 테스트를 수행하거나 GitHub 워크플로우를 직접 작성하는 동적 워크플로우(dynamic workflows) 기능도 활용할 수 있다.
안전 장치(safeguards) 역시 여러 겹으로 설계되어 있다. 네트워크 방화벽이 적용되어 화이트리스트로 허가된 대상에만 접근이 가능하고, 가장 중요하게는 메인 브랜치(main branch)에 직접 푸시할 수 없다는 제약이 기본으로 걸려 있다. 모든 변경 사항은 반드시 Pull Request를 통해야 하므로, 에이전트의 실수나 오판이 메인 코드베이스에 즉시 반영될 위험이 원천적으로 차단된다.
VS Code - 에이전트 제어를 위한 단일 콘트롤 플레인
강연 후반부에서는 VS Code 자체가 에이전트 커스터마이징의 통합 허브로 기능하는 구조를 직접 시연한다. GitHub Copilot 채팅 창의 설정 아이콘을 클릭하면 열리는 모달(modal) 하나에서, 다음 요소들을 통합적으로 관리할 수 있다.
- 에이전트(Agents): 커스텀 에이전트와 Ask/Explore/Plan 같은 내장 에이전트
- 스킬(Skills): Pull Request 댓글 처리, PR 생성 등 사전 정의된 능력 단위
- 인스트럭션(Instructions): 에이전트 동작 방식을 정의하는 커스텀 지시문
- 프롬프트(Prompts): 반복적으로 사용하는 프롬프트 템플릿
- 훅(Hooks): 특정 이벤트에 자동으로 반응하는 트리거
- MCP 서비스: 외부 서비스와의 연동을 위한 MCP 서버 설정
13:43 - VS Code의 GitHub Copilot 채팅 설정 모달에서 에이전트, 스킬, 인스트럭션, MCP 서버 등을 통합 관리하는 콘트롤 플레인 화면
강연자가 특히 강조하는 것은, 이 모든 것이 GitHub Copilot에만 국한되지 않는다는 점이다. 모달 내에 Claude를 포함한 서드파티 AI 서비스도 표시되며, 해당 서비스에 대한 플러그인, 훅, 인스트럭션, 스킬도 동일한 인터페이스에서 관리할 수 있다. VS Code가 특정 AI 벤더에 종속된 도구가 아니라, 다양한 AI 에이전트를 위한 개방적인 플랫폼으로 진화하고 있다는 메시지다.
14:42 - 설정 모달 내에서 Claude를 비롯한 서드파티 AI 서비스와 그에 연결된 플러그인 및 스킬 목록이 표시된 화면
MCP - 에이전트 능력을 확장하는 연결 프로토콜
강연 전반에 걸쳐 반복적으로 등장하는 **MCP(Model Context Protocol)**는 LLM이나 AI 에이전트의 능력을 외부로 확장하는 핵심 인프라다. 강연자는 이를 “LLM이나 채팅 커스터마이징을 확장하는 훌륭한 방법”이라고 설명하며, 인증이 필요한 서비스(Azure, GCP, AWS 등)와 인증 없이 자유롭게 사용할 수 있는 오픈 서버(Playwright, Microsoft Learn 문서 서버 등) 두 가지 범주가 있다고 구분한다.
아울러 강연자는 Awesome Copilot이라는 오픈소스 프로젝트를 소개한다(aka.ms/... 형태의 단축 URL을 언급했으나 STT에서 전체 경로가 누락됨). 이 프로젝트에 포함된 스킬과 커스터마이징 자료들은 GitHub Copilot 전용이 아니라 다른 AI 툴링에도 가져다 쓸 수 있도록 설계되어 있으며, MCP 서버 형태로도 패키징되어 있어 워크플로우에서 바로 활용할 수 있다.
마무리 - 에이전트는 요리처럼, 도구마다 쓰임새가 다르다
강연의 결론은 “에이전트가 만능이다”가 아니라 각 에이전트를 상황에 맞게 선택하고, 개발자의 역할을 적절히 분배하라는 것이다. 로컬 에이전트는 개발자가 루프 안에 있어야 하는 섬세한 작업에, 백그라운드 에이전트는 반복적이지만 중간 확인이 필요한 작업에, 클라우드 에이전트는 위임할 수 있는 대용량 비동기 작업에 어울린다. VS Code는 이 모든 에이전트를 하나의 워크스페이스 안에서 통합하고 모니터링할 수 있는 단일 진입점이자 콘트롤 플레인 역할을 한다.
강연자가 일관되게 강조하는 것은 결국 인지 부하(cognitive load) 감소라는 목표다. 수많은 에이전트가 범람하는 지금, 어떤 에이전트를 어떤 문제에 투입하느냐의 판단력 자체가 AI 시대의 개발자 역량이 되었다. 이 강연은 단순한 기능 데모를 넘어, 에이전트를 올바르게 “요리”하는 레시피, 즉 개발자가 갖춰야 할 에이전트 선택과 조합의 사고방식을 제안하는 내용이라고 할 수 있다.
📚 참고 자료 (강연 내용과 별개)
아래는 강연에서 직접 언급되지 않았으나, 강연 내용을 더 깊이 이해하는 데 도움이 될 수 있는 관련 기술 자료다.
Model Context Protocol (MCP): Anthropic이 주도하는 오픈 프로토콜로, AI 에이전트가 외부 데이터 소스와 도구에 일관된 방식으로 접근할 수 있도록 표준화한 인터페이스다. 강연에서 STT는 “Monocontext Protocol”로 오인식했으나 정확한 명칭은 Model Context Protocol이다.
Git Worktree: 하나의 Git 저장소에서 여러 작업 트리(working tree)를 동시에 체크아웃할 수 있는 Git 내장 기능으로, git worktree add <path> <branch> 명령어로 사용한다. 백그라운드 에이전트가 메인 작업 트리와 충돌 없이 독립적으로 코드를 수정할 수 있는 기반이 된다.
GitHub Actions: GitHub에서 제공하는 CI/CD 자동화 플랫폼으로, 강연에서 클라우드 에이전트가 격리된 환경에서 실행되는 기반 인프라로 활용된다.
📚 출처 및 참고
| 구분 | 내용 |
|---|---|
| 원본 영상 | Cooking with Agents in VS Code — Liam Hampton, Microsoft |
| 채널 | AI Engineer |
| 리포트 작성 | 2026-05-22 |
| 작성 방식 | YouTube 영상 STT 변환 후 에디팅 |
💬 본 리포트는 영상 내용을 바탕으로 재구성되었습니다. 정확한 내용은 원본 영상을 참조해 주세요.
Related Reports
- Building Interactive UIs in VS Code with MCP Apps — Marlene Mhangami & Liam Hampton, GitHub
- What New for C++ in VS Code CMake Improvements and GitHub Copilot Agents - Alexandra Kemper
- 클로드 코드 Schedule 업데이트. 앙 맛이쪄
- AI Didn’t Kill the Web, It Moved in — Olivier Leplus (AWS) & Yohan Lasorsa (Microsoft)
- On AI and Knowledge — Pablo Castro, Distinguished Engineer & CVP for AI Knowledge, Microsoft