## 자율 개발 에이전트: AIF Handoff가 수동 워크플로를 어떻게 대체하는가
인터페이스에서 작업을 생성하고 노트북을 닫았습니다—몇 분 후, 준비된 PR에 대한 Telegram 알림이 도착합니다. 이는 SF가 아니라 AI Factory 위에 구축된 자율 에이전트 시스템인 AIF Handoff로 구동되는 현실입니다. Claude Code나 Cursor 같은 모든 LLM 도구와 호환되죠. 핵심은 컨텍스트 관리, 반복적 계획 수립, 패치 기반 자가 학습입니다.
왜 전통적인 "느낌 코딩"이 확장되지 않는가
대부분의 개발자들이 LLM과 상호작용하는 세 단계를 거칩니다:
- 로또—한 번의 프롬프트로 운에 맡기는 단계. 모델이 프로젝트 컨텍스트를 모르기 때문에 그럴듯하지만 작동하지 않는 코드를 생성합니다. 모든 쿼리가 처음부터 시작하며 이전 결정의 히스토리가 없습니다.
- "할머니 프롬프트"—"15년 경력의 시니어 개발자처럼 행동해" 같은 지시. 응답 톤은 바뀌지만 품질은 변하지 않습니다. 모델이 자신감을 가장할 뿐, 실제 역량은 아닙니다.
- 수동 워크플로—컨텍스트를 직접 조립합니다: 파일 복사, 제약 조건 지정, 명령어를 하나씩 실행. 결과는 좋아지지만 프로세스는 여전히 노동 집약적이고, 누락된 컨텍스트로 인해 오류가 발생합니다.
핵심 인사이트: LLM은 마음을 읽지 못합니다. 제공된 것만으로 작동하죠. 컨텍스트가 정확하고 완전할수록 출력이 예측 가능합니다. 예시:
나쁜 예:
Implement JWT auth using best practices좋은 예:
Here's AuthService (code), here's how sessions are stored (code), here's middleware (code).
Need to add refresh token. Use Laravel Sanctum, no changes allowed.
Here's the test that must pass.두 번째 경우, 모델의 상상 여지가 최소화됩니다. 성공은 "최선의 관행" 같은 모호한 기준이 아니라 구체적인 기준으로 측정됩니다.
AI Factory가 컨텍스트를 체계화하는 방법
AI Factory는 모든 코딩 에이전트의 컨텍스트를 자동 관리하는 CLI 도구이자 스킬 생태계입니다. 설치 후(npm install -g ai-factory && ai-factory init), 프로젝트를 스캔해 스택을 식별하고 구조를 생성합니다:
your-project/
├── .claude/
│ └── skills/ ← markdown files with agent instructions
├── .ai-factory/
│ ├── DESCRIPTION.md ← project description, stack, architecture
│ ├── PLAN.md ← current plan
│ ├── patches/ ← self-learning patches
│ └── evolutions/ ← skill evolution logs
└── .ai-factory.json스킬은 일반적인 조언이 아닙니다—특정 지시사항입니다: "이 프로젝트에서 계획을 만드는 정확한 방법", "인증 변경 시 건드릴 파일". 주요 명령어:
/aif—세션 컨텍스트 초기화/aif-plan—계획 생성 및 git 브랜치/aif-implement—체크포인트 커밋으로 작업 실행/aif-fix—버그 수정 + 자가 학습 패치 생성/aif-evolve—패치 분석 및 스킬 업데이트/aif-verify—계획과 결과 확인
자가 학습은 지속적으로 발생합니다: 모든 /aif-fix가 패치를 저장하고, /aif-evolve가 패턴을 찾아 스킬을 적응시킵니다. 각 /aif-implement 전에 에이전트가 축적된 모든 패치를 읽습니다—명시적 evolve 호출 없이도 시스템이 학습하죠.
AIF Handoff: 루프 밖의 인간, 루프 안의 인간이 아님
AI Factory는 컨텍스트 문제를 해결하지만 여전히 수동 명령어 실행이 필요합니다. AIF Handoff는 이 마지막 장벽을 제거합니다—에이전트 파이프라인을 완전히 자동화하는 웹 앱으로 Kanban 보드를 갖췄습니다:
Backlog → Planning → Plan Ready → Implementing → Review → DoneUI에서 작업을 생성하면 시스템이 WebSocket을 통해 상태를 이동시킵니다. 내부에서 전문 코디네이터가 작업을 처리합니다:
- plan-coordinator—단순히 계획 생성이 아니라
plan-polisher를 통해 품질 기준을 만족할 때까지 반복적으로 다듬습니다. - implement-coordinator—작업 의존성을 분석하고 안전한 경우 별도의 git worktree에서 병렬 워커를 실행합니다.
- review-sidecar + security-sidecar—계획 준수와 취약점(XSS, SQL 인젝션, 데이터 유출)을 동시에 검사합니다. MCP Playwright로 브라우저 테스트를 실행합니다.
리뷰에서 문제가 발견되면 작업이 자동 재시도되지만—토큰 예산을 밤새 소모하지 않도록 엄격한 반복 제한이 있습니다.
루프 밖의 인간 ≠ 루프 안의 인간
- 루프 안의 인간: 모든 단계에서 개입. 최대 제어, 최소 속도.
- 루프 밖의 인간: 작업과 기준을 설정—시스템이 자율 실행. 최종 결과를 승인하거나 거부. Handoff가 바로 이 방식입니다.
두 가지 실행 모드:
- Subagents (기본)—반복 다듬기, 병렬 워커, 품질 sidecar를 포함한 전체 파이프라인. 품질 높음, 비용 높음.
- Skills—코어 AI Factory 명령어로 단일 패스 실행. 더 빠르고 저렴, 간단 작업에 이상적.
설정 및 양방향 동기화
Handoff 실행:
git clone https://github.com/lee-to/aif-handoff
cd aif-handoff
npm install
npm run init
npm run dev또는 Docker(권장):
docker compose up세 서비스를 띄웁니다: API (Hono + WebSocket), Web (React UI), Agent (코디네이터). 첫 실행 시 Claude Code OAuth 필요. .env 설정:
AI_LANGUAGE=ru # agent language
MAX_REVIEW_ITERATIONS=3 # review iteration limit
AGENT_USE_SUBAGENTS=true # execution mode
TELEGRAM_BOT_TOKEN=... # for notifications
TELEGRAM_CHAT_ID=...Handoff와 AI Factory는 MCP를 통해 양방향 동기화됩니다. Handoff에서 작업 시작 후 Claude Code 직접 작업으로 전환—Kanban 보드에 변경이 자동 반영됩니다. 모든 MCP 호환 에이전트가 참여 가능합니다.
Paperclip 및 기타 기능과의 차이점
Paperclip은 마케팅, 콘텐츠, SEO를 위한 에이전트 오케스트레이션. 텍스트와 정보 흐름을 처리합니다. AIF Handoff는 개발에 특화: 스택을 알고, 코드(텍스트 아님)를 검증하며, 워커 격리를 위한 git worktree를 사용하고 프로젝트별 패치로 학습합니다.
주요 포인트:
- 컨텍스트 > 프롬프트. 더 구체적인 입력 = 더 안정적인 출력.
- 패치 기반 자가 학습(
/aif-fix→/aif-evolve)—프로젝트 적응의 핵심. - 루프 밖의 인간이 일상 작업 위임하면서 최종 제어 유지.
- 병렬 워커와 반복 리뷰가 품질 향상, 토큰 제한 필요.
- 양방향 동기화로 Handoff와 직접 에이전트 작업 자유 전환.
기술 스택: Node.js + TypeScript (Turborepo), SQLite (drizzle-orm), Hono API, React + TailwindCSS, node-cron. 테스트 커버리지 >70%, ESLint로 레이어 보호. 로드맵: JetBrains 플러그인 및 CI/CD 통합.
— Editorial Team
아직 댓글이 없습니다.