macOS 터미널에서 Claude Code, Codex CLI, Gemini CLI를 한 화면에 띄워 관리할 수 있는 워크스페이스 kmux(케이먹스)가 최근 한 개발자에 의해 공개됐다. 이 도구는 서로 다른 강점을 가진 AI 에이전트들을 역할별로 분리해 사용하면서 발생하는 터미널 세션의 파편화 문제를 해결하고, 흩어진 사용량을 통합 대시보드로 한눈에 파악하는 기능을 핵심으로 한다.

'어떤 모델이 더 똑똑한가'라는 성능 논쟁보다 '어떻게 섞어 써야 효율적인가'라는 실무적 고민이 최근 개발자 커뮤니티의 화두다. 실제 구현은 Claude Code에 맡기고, 플래닝과 리뷰는 Codex에, 문서 정리는 Gemini CLI에 배분하는 식의 멀티 에이전트 워크플로우가 확산하고 있기 때문이다. 하지만 에이전트마다 개별 앱이나 터미널 창을 띄워야 하는 번거로움이 늘면서, 이를 하나의 워크스페이스로 묶어 '연속성'을 확보하려는 시도가 kmux라는 결과물로 이어진 셈이다. 현재 이 도구는 macOS 전용 pre-release 상태로 공개되어 실제 병렬 사용 유저들의 피드백을 기다리고 있다.

kmux가 지원하는 6가지 핵심 기능과 macOS 전용 환경

Claude Code(클로드 코드, 앤스로픽의 CLI 에이전트)에 구현을 맡기고, Codex CLI(코덱스 CLI, 오픈AI의 코드 생성 도구)로 플래닝과 리뷰를 하며, Gemini CLI(제미나이 CLI, 구글의 AI 인터페이스)로 문서를 다듬는 식의 역할 분담이 실무에서 효율적이라는 인식이 퍼졌다. 하지만 이런 다중 에이전트 활용법은 필연적으로 터미널 세션의 파편화라는 병목을 야기했다. kmux(케이먹스, 다중 에이전트 터미널 워크스페이스)는 이 지점을 해결하기 위해 세 가지 에이전트를 워크스페이스, split pane, surface tab으로 정교하게 나누어 한 화면에서 동시에 실행하는 환경을 구축했다. 단순한 창 분할을 넘어 서로 다른 성격의 AI 에이전트들을 하나의 논리적 작업 공간으로 통합해 제어권을 일원화한 점이 특징이다.

macOS 네이티브 알림이 에이전트의 작업 완료 시점을 알려주면서 개발자는 다른 창에서 작업하다가도 즉시 상태를 인지하고 복귀할 수 있게 됐다. 특히 각기 다른 플랫폼에서 제공되는 세 가지 에이전트의 사용량을 한곳에서 모니터링할 수 있는 통합 대시보드는 API 비용 관리와 토큰 할당량 추적이라는 실무적인 갈증을 직접적으로 해결한다. 여기에 로컬에 저장된 세션 기록을 통합 검색하고 클릭 한 번으로 이전 작업 상태를 즉시 재개하는 기능을 더해, 에이전트 간의 맥락을 전환할 때 발생하는 인지적 부하와 컨텍스트 스위칭 비용을 획기적으로 낮췄다.

git worktree(깃 워크트리, 하나의 저장소에서 여러 작업 디렉토리를 유지하는 기능)를 활용해 워크스페이스를 관리하는 방식이 kmux의 핵심 기술적 차별점이다. 동일한 리포지토리 내에서 에이전트별로 서로 다른 브랜치를 할당해 작업을 수행하게 함으로써, 여러 AI 에이전트가 동시에 코드를 수정할 때 발생할 수 있는 파일 충돌이나 덮어쓰기 문제를 구조적으로 방지한다. 사용자는 커맨드 팔레트와 키보드 중심의 탐색, 그리고 기존 레이아웃을 그대로 유지하는 복원 기능을 통해 마우스 조작을 최소화하며 개발 흐름에만 몰입할 수 있다. 현재 kmux는 macOS 전용 pre-release(사전 출시) 상태로 제공되고 있으며, 범용적인 고성능 터미널 구현보다는 여러 코딩 에이전트를 병렬로 사용하는 특수한 워크플로우의 최적화에 모든 초점을 맞추고 있다.

cmux와의 차이점과 git worktree 기반의 병렬 워크플로우

기존의 cmux(씨먹스, 터미널 멀티플렉서)가 고성능 터미널 환경 구축이나 브라우저 자동화 플랫폼의 효율성에 집중했다면, kmux(케이먹스, macOS 전용 터미널 워크스페이스)는 코딩 에이전트를 역할별로 배치해 동시에 돌리는 워크플로우에 올인했다. 최근 개발자 커뮤니티에서는 단일 AI 모델에 모든 것을 맡기기보다 각 모델의 강점에 따라 업무를 쪼개는 방식이 뜨겁다. 구현은 Claude Code(클로드 코드)에, 상세 플래닝과 코드 리뷰는 Codex(코덱스)에, 문서 다듬기와 긴 텍스트 정리는 Gemini CLI(제미나이 CLI)에 맡기는 식의 분업 체계가 실제 생산성을 높인다는 경험담이 쏟아지고 있다. 터미널 창을 수십 개 띄워놓고 에이전트마다 탭을 오가며 맥락을 유지하던 수동적인 방식에서 벗어나, 아예 역할별 전용 공간을 할당하겠다는 전략이다.

각 에이전트가 서로 다른 브랜치에서 독립적으로 작업하도록 설계된 git worktree(깃 워크트리, 하나의 저장소에서 여러 작업 디렉토리를 동시에 유지하는 기능)가 분업 구조를 물리적으로 뒷받침한다. 보통 여러 AI 에이전트가 한 저장소에서 동시에 코드를 수정하면 브랜치 전환 과정에서 충돌이 나거나 작업 내용이 꼬이는 일이 빈번하다. 기존에는 사람이 직접 브랜치를 옮겨 다니며 에이전트의 작업을 확인해야 했지만, kmux는 각 에이전트가 서로 다른 브랜치에서 독립적으로 작업하도록 워크스페이스를 구성한다. 개발자는 터미널 창을 옮겨 다니며 각 에이전트가 서로 다른 브랜치에서 뱉어내는 결과물을 실시간으로 확인하고, 물리적인 충돌 걱정 없이 병렬로 작업을 밀어붙일 수 있다. 이는 에이전트 간의 간섭을 최소화하면서도 전체 프로젝트의 진행 상황을 한눈에 파악하게 만드는 구조적 이점을 제공한다.

앱을 재시작하거나 pane(페인, 분할 창)을 나누고 워크스페이스를 변경해도 에이전트의 출력 상태와 세션 흐름이 그대로 유지되는 점이 현장에서 가장 큰 호응을 얻고 있다. 기존 터미널 도구들은 워크스페이스를 변경하거나 앱을 재시작하면 에이전트가 출력하던 로그가 끊기거나 세션 흐름을 놓치는 경우가 많았다. kmux는 이러한 단점을 보완해 AI 에이전트가 수백 줄의 코드를 생성하거나 복잡한 추론 과정을 거칠 때, 중간에 흐름이 끊기지 않고 맥락을 유지하며 작업을 이어갈 수 있게 만든다. 개발자들은 이를 두고 단순한 도구 통합을 넘어 AI 에이전트의 상태를 보존하는 전용 런타임 같은 경험이라고 평가하며, 특히 긴 호흡의 리팩토링 작업에서 그 진가가 드러난다고 말한다.

AI 에이전트 '멀티태스킹' 시대의 실무 생산성 변화

수십 개의 터미널 탭을 띄워놓고 서로 다른 AI 모델에 질문을 던지는 개발자들의 모습이 최근 커뮤니티에서 자주 포착된다. 이제는 어떤 모델이 더 똑똑한지를 따지는 단순한 성능 논쟁보다 각 모델의 전공 분야를 어떻게 나누어 활용할 것인가에 대한 실무적 고민이 더 뜨겁다. 실제 구현 단계에서는 코드 생성 능력이 검증된 Claude Code를 투입하고, 작업 전 상세 플래닝이나 꼼꼼한 코드 리뷰가 필요할 때는 Codex CLI(코덱스 명령줄 인터페이스)에 맡기는 식이다. 여기에 방대한 양의 문서를 다듬거나 긴 텍스트를 체계적으로 정리해야 하는 작업은 Gemini CLI를 활용해 처리하는 분업 체계가 빠르게 자리 잡고 있다. 모델 하나에 모든 것을 맡기기보다 적재적소에 전문가를 배치하는 전략이 효율적이라는 공감대가 형성된 결과다.

단일 모델에 모든 것을 의존하던 과거와 달리, 이제는 최적의 모델 조합을 구성하는 에이전트 오케스트레이션 단계로 개발 환경이 진입했다. 하지만 여러 에이전트를 동시에 운용하면서 발생하는 터미널 창 전환 비용과 세션 관리의 파편화는 개발자들에게 새로운 스트레스 요인이 됐다. 각 모델의 세션이 흩어져 있어 작업 문맥을 유지하기 어렵고, 서로 다른 서비스에서 청구되는 API 사용량을 일일이 확인하며 예산을 관리해야 하는 번거로움이 컸다. 최근 kmux(맥오에스 전용 AI 에이전트 통합 터미널 워크스페이스) 같은 도구가 주목받는 이유는 바로 이 지점에서 발생하는 실무적인 병목 현상을 정확히 짚어냈기 때문이다. 도구 간의 전환 비용을 줄이는 것이 곧 코딩의 흐름, 즉 몰입 상태를 유지하는 핵심 경쟁력이 되었다.

개별 모델의 벤치마크 수치보다 여러 에이전트가 유기적으로 연결된 워크플로우의 연속성이 더 중요하다는 반응이 개발자들 사이에서 지배적이다. 단순히 창을 모아보는 것을 넘어 사용량 통합 관리를 통해 비용을 최적화하려는 시도는 개발 환경의 패러다임을 바꾸고 있다. 특히 git worktree 기반으로 동일한 저장소 내에서 여러 에이전트가 서로 다른 브랜치 작업을 동시에 수행하게 만드는 구조는 협업의 단위를 인간과 인간에서 인간과 에이전트 군단으로 확장시킨다. 이는 단순한 도구의 통합이 아니라 AI를 팀원처럼 적절한 역할에 배치하고 관리하는 매니징 영역으로 개발자의 역할이 이동하고 있음을 보여준다. 이제 생산성은 모델의 지능이 아니라 에이전트들을 얼마나 효율적으로 오케스트레이션 하느냐에 따라 결정되는 시대로 접어들었다.