
- 도구를 많이 붙일수록 AI 에이전트가 더 자주 틀리는 문제, 오픈소스 ‘graph-tool-call’의 해법
- ‘매니저가 된다는 것’의 진실 — 코드를 떠난 개발자가 마주하는 현실
- 내가 AI 코딩에 태운 토큰, ‘TokenPhage’ 배지로 한눈에
AI가 코드를 대신 써 주는 시대에도 개발자의 고민은 사라지지 않고 자리를 옮겨 갑니다. 오늘 GeekNews에서 가장 주목받은 세 가지 이야기는 공교롭게도 그 이동의 좌표를 정확히 가리킵니다. 에이전트에 도구를 더 붙일수록 왜 더 자주 틀리는지, 코드를 떠나 매니저가 된 사람은 무엇과 씨름하는지, 그리고 우리가 AI에 쏟아부은 토큰은 대체 얼마인지. 세 편을 차례로 살펴봅니다.
도구를 많이 붙일수록 AI 에이전트가 더 자주 틀리는 문제, ‘graph-tool-call’의 해법
‘도구를 늘리면 유능해진다’는 직관이 무너지는 지점
MCP 서버 하나만 연결했을 때는 잘 돌아가던 에이전트가, GitHub·Slack·데이터베이스·브라우저·사내 API를 차례로 붙이자 오히려 엉뚱한 도구를 고르기 시작합니다. Plateer Labs의 개발자가 공개한 오픈소스 라이브러리 ‘graph-tool-call’은 바로 이 역설에서 출발합니다. 문제는 세 갈래로 겹칩니다. 쓰지도 않을 도구의 스키마가 컨텍스트를 잡아먹고, getOrder·getOrderDetail·searchOrders처럼 이름이 비슷한 도구 사이에서 선택이 흔들리며, 정작 목표 도구를 찾아도 필수 입력값이 없어 실행하지 못합니다.
해법의 핵심은 전체 도구 목록을 모델 밖에 두는 것입니다. 요청이 들어오면 관계 그래프를 이용해 목표 도구와 그 실행에 필요한 선행 도구까지 찾아, 딱 필요한 스키마만 LLM에 전달합니다. 예컨대 ‘alice@example.com의 주문을 환불해줘’라는 요청에는 refundOrder 하나로 부족하고, findOrdersByEmail이 먼저 order_id를 만들어야 한다는 사실을 그래프가 스스로 추론합니다. 공개 데모에서는 도구가 6개에서 2개로, 전달 스키마가 1,476토큰에서 160토큰으로 줄었습니다. 외부 의존성 없는 BM25 검색이 기본이라 가볍게 붙일 수 있다는 점도 눈에 띕니다.
Tech Insight — 도구를 늘리면 능력이 커진다는 가정은 사람 조직에서나 통합니다. LLM에게는 선택지의 수 자체가 비용이자 오답의 원인입니다. 앞으로 에이전트 설계의 승부는 무엇을 붙이느냐가 아니라, 매 순간 무엇을 보여주지 않느냐에서 갈릴 가능성이 큽니다.
‘매니저가 된다는 것’의 진실 — 코드를 떠난 개발자가 마주하는 현실
코드는 명확한 결과를 주지만, 사람은 그렇지 않다
두 번째 글은 결이 완전히 다릅니다. 엔지니어링 매니저로 올라선 개발자가 마주하는 현실을 열두 가지가 넘는 장면으로 담담하게 풀어냅니다. 기능을 출시하고 리팩터링을 끝내면 하루의 성과가 눈에 보이던 엔지니어와 달리, 매니저의 일은 며칠이 아니라 수 주에 걸쳐 진행되어 ‘오늘 무엇을 했는가’조차 불분명할 때가 많습니다.
더 무거운 것은 관계의 변화입니다. 어제까지 동료였던 사람들과의 거리는 첫 연봉 협상 이후 분명해지고, 가벼운 농담조차 지시로 해석됩니다. 조직 개편이나 예산 삭감처럼 공유할 수 없는 정보를 혼자 감당해야 하고, 대부분의 회사는 관리자 교육을 제공하지 않아 피드백·노동법·상향 관리를 스스로 익혀야 합니다. 글쓴이의 결론은 단단합니다. 모두에게 사랑받으려 하지 말고, 어려운 결정과 명확한 피드백으로 신뢰를 얻으라는 것입니다.
Tech Insight — AI가 코드 작성의 상당 부분을 흡수하는 지금 이 글이 다시 회자되는 이유는 분명합니다. 자동화가 어려운 역량, 즉 신뢰를 쌓고 갈등을 흡수하며 보이지 않는 진척을 이끄는 일의 값이 상대적으로 더 오르고 있기 때문입니다. 기술 리더를 꿈꾼다면 지금이 그 근육을 의식적으로 키울 때입니다.
내가 AI 코딩에 태운 토큰, ‘TokenPhage’ 배지로 한눈에
‘이번 달 내가 AI에 태운 토큰은 얼마지?’
세 번째는 조금 가볍지만 시대를 정확히 반영하는 도구입니다. ‘TokenPhage’는 Claude Code·Codex·opencode의 로컬 로그에서 날짜·모델명·토큰 수만 읽어, GitHub README에 붙이는 사용량 배지를 만들어 줍니다. 누적 토큰과 최근 30일 히트맵, 모델별 사용량이 한 장의 카드에 담기고, 토큰을 많이 쓸수록 카드 속 마스코트가 Lv.1에서 Lv.5까지 진화하는 재미 요소도 있습니다.
CLI가 이미 npm에 배포되어 있어 설치 후 GitHub 계정을 연동하면 배지 URL이 발급되고, README에 한 줄만 붙여 두면 이후로는 매일 자동으로 갱신됩니다. 토큰 사용량을 단순한 비용이 아니라 하나의 활동 그래프처럼 시각화한다는 점이 흥미롭습니다.
Tech Insight — 토큰 사용량을 프로필에 자랑스럽게 내거는 문화가 생겼다는 사실 자체가 신호입니다. AI 코딩 도구가 개발자의 정체성과 일상에 얼마나 깊이 들어왔는지 보여주죠. 다만 배지의 숫자가 커질수록, 팀 단위에서는 그 토큰이 실제 생산성으로 이어졌는가라는 질문도 함께 던져야 합니다.
관련 글
- 더 나은 모델, 더 나빠진 도구
- MCP 도구를 여러 개 붙여 에이전트를 운영할 때의 중복 실행 문제
- 엔지니어링 매니저가 되지 마세요
- 내가 AI에 태운 토큰을 보여주는 깃허브 프로필 카드
- 업무별로 고르는 AI 도구 가이드
출처
AI Biz Insider · Tech Digest · aibizinsider.com
댓글 남기기