개발자가 터미널과 브라우저를 수십 번 오가며 AI가 짠 코드를 복사해 붙여넣고, 다시 에러 메시지를 복사해 질문하는 장면이 반복된다. AI의 성능은 충분하지만 그 결과물을 실제 제품으로 옮기는 과정은 여전히 인간의 수동 노동에 의존하고 있다. 프롬프트를 입력하고 답변을 기다리는 단발성 상호작용이 제품 개발의 전체 사이클을 대체하지 못하는 병목 현상이 관찰된다.
Perpetual Engine의 자율 작동 구조와 가시성
개발자 커뮤니티를 통해 공개된 Perpetual Engine(토큰만으로 AI가 스스로 일을 이어가는 자율 작동 프레임워크)은 AI를 단순한 호출 대상이 아닌 지속적으로 작동하는 시스템으로 정의한다. 이 프레임워크는 Paperclip(AI가 스스로 목표를 달성하기 위해 하위 작업을 생성하는 개념)과 Gastown(AI 에이전트들이 자율적으로 협업하는 구조)에서 영감을 받아 설계되었다. AI가 스스로 작업을 생성하고 우선순위를 조정하며, 결과물을 평가한 뒤 다음 액션을 이어가는 루프를 형성한다.
구체적인 작동 방식은 리서치, 구현, 테스트, 개선으로 이어지는 사이클의 자동화에 집중한다. 특히 AI의 작업 과정을 단순한 텍스트 로그로 남기지 않고 시각적 가시성을 확보하는 데 주력했다. AI가 생성한 UI 시안이나 결과물을 시각적으로 확인할 수 있으며, 작성된 문서와 리서치 결과 또한 구조적으로 파악할 수 있도록 설계되었다. 해당 프로젝트의 소스 코드는 아래 저장소에서 확인할 수 있다.
https://github.com/greatsk55/perpetual-engine이 시스템은 제한된 토큰(AI 모델 사용량 단위) 내에서 최대 성과를 내도록 설계되어 스타트업과 같은 리소스 부족 환경에서의 효율성을 제안한다. 다만 개발자는 장기 실행 시 발생하는 비용 최적화 문제와 Alignment drift(AI가 시간이 지남에 따라 원래 목적에서 벗어나 엉뚱한 방향으로 작동하는 현상)를 해결해야 할 과제로 꼽았다.
단발성 호출에서 지속적 시스템으로의 전환
기존의 AI 활용 방식이 사용자의 질문에 답하는 계산기 형태였다면, Perpetual Engine은 스스로 목표를 향해 굴러가는 엔진의 형태를 띤다. 이는 개발자가 매번 개입하여 방향을 지시하던 방식에서 AI가 스스로 다음 할 일을 정의하는 방식으로 제어권의 중심이 이동함을 의미한다. 특히 리서치부터 구현까지의 사이클을 자동화한다는 점은 단순한 코드 생성을 넘어 제품의 기획과 검증 단계까지 AI의 영역으로 확장하려는 시도로 분석된다.
가시성 확보에 집중한 점은 실무적 관점에서 매우 중요하다. AI 에이전트가 자율적으로 작동할 때 가장 큰 리스크는 내부에서 어떤 논리로 결과물을 만들고 있는지 알 수 없는 블랙박스 현상이다. UI 시안과 구조적 문서를 통해 작업 과정을 투명하게 공개함으로써, 인간 관리자가 어느 시점에 개입하여 궤도를 수정해야 할지 판단할 수 있는 근거를 제공한다.
결국 이 프레임워크가 지향하는 지점은 인간의 개입 없이도 의미 있는 결과물을 유지하는 자율성의 확보이다. AI가 스스로 생성한 결과물을 다시 평가하고 수정하는 자기 피드백 루프가 정교해질수록, 개발자의 역할은 개별 코드를 작성하는 것에서 시스템의 전체적인 방향성을 관리하는 감독자로 변모하게 된다. 이는 AI 에이전트가 단순한 보조 도구를 넘어 제품 성장 자체를 담당하는 주체로 기능할 수 있는 가능성을 보여준다.
이제 개발자의 역할은 개별 프롬프트를 작성하는 것이 아니라, AI가 스스로 굴러갈 수 있는 시스템의 궤도를 설계하는 것으로 이동한다.
