30초. 예전에는 세 시간 동안 끙끙대며 잡았던 버그를 해결하는 데 걸리는 시간이다. 비유하자면 매번 처음부터 다시 공부하던 학생이 오답 노트를 통해 정답을 바로 찾아내는 것과 같다. 그런데 여러 개의 AI 코딩 도구를 동시에 쓰다 보면 이 효율이 갑자기 뚝 떨어진다.

개발자가 한 프로젝트에서 비용을 아끼거나 성능을 높이기 위해 여러 AI 도구를 섞어 쓰는 장면은 이제 흔하다. Claude Code(AI 코딩 도구), Cursor(AI 기반 코드 편집기), GitHub Copilot(AI 코드 완성 도구), Gemini(Antigravity), Cline(오픈소스 AI 코딩 에이전트), Windsurf(차세대 AI IDE), Continue(오픈소스 AI 코딩 어시스턴트) 같은 도구들이 그 대상이다. 문제는 각 도구가 읽어들이는 규칙 파일이 서로 다르다는 점이다. 어떤 도구는 CLAUDE.md를 보고, 어떤 도구는 .cursor/rules/ 폴더를 참조하면서 설정이 꼬이기 시작한다.

AGENTS.md 기반의 단일 진실 원천 구축

EstreGenesis(AI 네이티브 부트스트랩 시드 프롬프트 라이브러리)는 이러한 설정의 파편화를 해결하기 위해 등장했다. 이 라이브러리는 EstreGenesis 저장소를 통해 제공되며 Apache 2.0 라이선스로 공개되었다. 핵심은 AGENTS.md라는 하나의 파일에 모든 규칙을 적고, 각 AI 도구에는 이 파일을 가리키는 얇은 연결 통로인 브릿지 파일만 만들어주는 방식이다.

사용자는 시드 파일을 채팅창에 복사해 넣거나 로컬 경로로 제공하여 초기 설정을 진행할 수 있다. 이때 사용자의 성향에 따라 세 가지 티어 중 하나를 선택한다. 퀄리티를 최우선으로 하여 상위 모델에 많은 토큰을 투입하는 경우 Master 티어를 사용하고, 일반적인 상황에서는 Lite 티어를, AI의 간섭을 최소화하고 싶을 때는 Compact 티어를 선택한다. 이 시스템은 영문과 한글 페어로 제공되어 다국어 팀에서도 동일한 가이드를 공유할 수 있다.

룰 카오스를 막는 네 가지 핵심 패턴

기존에는 새로운 AI 도구를 추가할 때마다 해당 도구의 문법에 맞춰 규칙 파일을 새로 써야 했다. 이제는 AGENTS.md라는 SSoT(단일 진실 원천, 모든 정보의 기준이 되는 하나의 저장소)만 수정하면 모든 에이전트가 동시에 업데이트된 규칙을 적용받는다. 쉽게 말하면 모든 부대원이 각자의 수첩에 명령을 적던 방식에서, 중앙 게시판 하나만 보고 움직이는 체계로 바꾼 셈이다.

작업 효율을 높이는 구체적인 장치들도 포함되었다. .agent/_coordination/ 폴더를 통해 여러 AI가 동시에 코드를 수정할 때 발생하는 충돌을 방지한다. 특히 .agent/_lessons/ 폴더는 일종의 AI 전용 오답 노트 역할을 한다. 한 번 겪은 시행착오를 이곳에 기록해두면, 다음 세션에서 AI가 같은 실수를 반복하지 않고 즉시 정답을 찾아내게 만든다. 또한 중대한 결정이 필요할 때는 리서치, 보고, 계획으로 이어지는 루프를 강제하여 근거 없는 코드 생성을 막는다.

이번 v1.6.0 업데이트에서는 AI가 작업 시간을 추정하는 방식이 정교해졌다. AI는 보통 인간의 작업 속도를 기준으로 시간을 잡기 때문에 실제보다 5배에서 10배 정도 길게 예측하는 경향이 있다. 이를 보정하기 위해 Cautious(2~4배), Proactive(5~6배), Burst(6~8배), Sprint(9~10배)라는 네 가지 페이스 모드를 도입했다. 이를 통해 에이전트의 순수 작업 시간과 인간의 검토 시간, 그리고 실제 경과 시간을 분리해서 보고받을 수 있다.

문서 관리 방식에서도 변화가 생겼다. 소스 코드가 담긴 저장소와 개발 문서 전용 저장소를 분리하여 운영하는 패턴을 권장한다. Antigravity나 GitHub Copilot 같은 도구는 작업 폴더 외부의 파일에 접근하지 못하는 제약이 있다. 이를 해결하기 위해 문서 저장소 하위에 소스 저장소를 두고 .gitignore(Git에서 추적하지 않을 파일을 지정하는 설정 파일)로 스코프를 분리한다. 이렇게 하면 소스 코드는 공개하더라도 상세한 개발 문서는 비공개로 유지할 수 있다.

이 구조를 Claude의 Project 기능과 연결하면 더 강력해진다. 문서 저장소를 프로젝트 지식으로 연결해 딥리서치를 수행하고, 그 결과를 다시 IDE(통합 개발 환경)의 에이전트에게 전달해 코드로 구현하게 만드는 흐름이다. 코딩 에이전트와 리서치 에이전트의 역할을 명확히 나누어 협업시키는 구조라고 볼 수 있다.

결국 AI 에이전트의 성능보다 중요한 것은 그들이 공유하는 기억의 질이다.