AI 코딩 도구가 터미널 기반 개발로 방향 전환

수년간 커서(Cursor), 윈드서프(Windsurf), GitHub 코파일럿(Copilot)과 같은 AI 강화 코드 편집기들이 소프트웨어 개발의 표준을 정립해 왔습니다. 그러나 에이전트형 AI의 역량이 강화되고 직관적인 '바이브 코딩(vibe-coding)' 방식이 주목받으면서, 이러한 시스템의 작동 방식을 재편하는 조용한 진화가 일어나고 있습니다. 단순히 코드를 조작하는 데 그치지 않고, 시스템의 명령줄 셸과 직접 소통하는 경우가 점점 늘어나고 있습니다. 이는 AI 지원 개발의 근본적인 전환점을 의미하며, 업계의 미래 방향에 미묘하지만 잠재적으로 변혁적인 움직임입니다.

터미널은 종종 90년대 해커 영화 속 밋밋한 흑백 화면을 연상시키며, 프로그램 실행과 데이터 관리를 위한 고전적인 인터페이스입니다. 현대적인 코드 편집기보다 시각적으로 정교하지는 않지만 숙련된 사용자에게는 여전히 막강한 도구입니다. 코드 중심 에이전트도 프로그램을 작성하고 디버깅할 수 있지만, 작성된 코드를 기능적이고 배포 가능한 애플리케이션으로 전환하는 데는 터미널 기반 유틸리티가 필수적인 경우가 많습니다.

터미널로의 전환은 주요 AI 연구소에서 가장 두드러지게 나타난다. 지난 2월 이후 앤트로픽(Anthropic), 딥마인드(DeepMind), 오픈AI(OpenAI)는 각각 명령줄 코딩 도구(클로드 코드(Claude Code), 제미니 CLI(Gemini CLI), CLI 코덱스(CLI Codex))를 출시했으며, 이들은 빠르게 해당 기업들의 가장 인기 있는 서비스 중 하나로 자리 잡았다. 이러한 도구들이 종종 기존 서비스와 동일한 브랜딩을 공유하기 때문에 이 전환은 간과하기 쉽다. 그러나 근본적으로 AI 에이전트가 온라인과 오프라인 모두에서 컴퓨터와 상호작용하는 방식은 변화했다. 많은 이들은 이것이 시작에 불과하다고 믿습니다.

터미널 중심 벤치마크인 터미널벤치(TerminalBench)의 공동 창립자 알렉스 쇼(Alex Shaw)는 "우리의 핵심 가설은 미래에 대규모 언어 모델(LLM)과 컴퓨터 간 상호작용의 약 95%가 터미널형 인터페이스를 통해 이루어질 것이라는 점"이라고 말한다.

일부 기존 코드 중심 플랫폼이 불안정해지는 가운데 터미널 기반 도구의 위상이 높아지고 있다. 예를 들어 AI 코드 에디터 윈드서프(Windsurf)는 경쟁사 인수합병으로 분열되었는데, 고위 리더들은 구글에 영입되었고 남은 회사는 코그니션(Cognition)에 인수되면서 소비자 제품의 장기적 생존 가능성에 의문이 제기되고 있다.

동시에 새로운 연구에 따르면 개발자들이 기존 도구의 생산성 이점을 과대평가할 수 있다는 점이 드러났다. 윈드서프의 주요 경쟁사 커서 프로(Cursor Pro)를 평가한 METR 연구에 따르면, 개발자들은 20~30% 속도 향상을 예상했으나 실제 관측된 작업 속도는 오히려 20% 가까이 더 느렸다. 본질적으로 코드 어시스턴트가 경우에 따라 프로그래머의 시간을 소모한 셈이다.

이로 인해 현재 TerminalBench 순위에서 선두를 달리는 워프(Warp) 같은 기업들에게 기회가 생겼다. 워프는 자체를 "에이전트형 개발 환경"으로 규정하며, 완전한 IDE와 클로드 코드(Claude Code) 같은 명령줄 도구 사이의 간극을 메운다. 창립자 잭 로이드는 터미널의 잠재력에 대해 여전히 낙관적이며, 커서 같은 기존 코드 편집기의 범위를 넘어선 문제 해결 수단으로 보고 있다.

지금 생중계! 테크크런치 올 스테이지

더 스마트하게 구축하세요. 더 빠르게 확장하세요. 더 깊이 연결하세요. 프리커서 벤처스, NEA, 인덱스 벤처스, 언더스코어 VC 등 비전가들과 함께 전략, 워크숍, 의미 있는 네트워킹으로 가득한 하루를 보내세요.

테크크런치 올 스테이지 패스 구매 시 450달러 할인

더 스마트하게 구축하세요. 더 빠르게 확장하세요. 더 깊이 연결하세요. Precursor Ventures, NEA, Index Ventures, Underscore VC 등 비전가들과 함께 전략, 워크숍, 의미 있는 네트워킹으로 가득한 하루를 보내세요.

로이드는 "터미널은 개발자 스택의 매우 기초적인 계층에 위치하여 AI 에이전트를 실행하기에 가장 다재다능한 장소"라고 설명합니다.

이 새로운 접근 방식의 차이점을 이해하려면, 이를 평가하는 데 사용되는 벤치마크를 고려해 보십시오. 이전 세대 코드 기반 도구는 SWE-Bench 테스트의 기초인 GitHub 이슈 해결 능력으로 측정되었습니다. 각 SWE-Bench 문제는 공개된 GitHub 이슈, 즉 오작동하는 코드 조각입니다. 모델은 코드가 작동할 때까지 반복적으로 개선합니다. 커서(Cursor) 같은 통합 제품은 더 정교한 방법을 개발했지만, 핵심 GitHub/SWE-Bench 모델은 여전히 동일합니다: 고장난 코드로 시작하여 수정하는 것입니다.

터미널 기반 도구는 코드뿐만 아니라 프로그램이 실행되는 전체 환경을 고려하는 더 넓은 관점을 채택합니다. 여기에는 코딩뿐만 아니라 Git 서버 구성이나 스크립트 실패 원인 진단과 같은 DevOps 중심 작업도 포함됩니다. 터미널벤치(TerminalBench)의 한 과제는 압축 해제 프로그램과 대상 텍스트 파일을 제공하며, 에이전트에게 일치하는 압축 알고리즘을 역설계하도록 요구합니다. 또 다른 과제는 소스 코드를 먼저 확보해야 한다는 언급 없이, 에이전트가 소스 코드에서 리눅스 커널을 빌드하도록 합니다. 이러한 과제 해결에는 프로그래밍에 내재된 끈질기고 창의적인 문제 해결 능력이 필요합니다.

쇼는 "터미널벤치가 어려운 이유는 단순히 에이전트에게 제시하는 질문 때문이 아니라, 그들을 배치하는 복잡한 환경 때문입니다"라고 말합니다.

중요한 점은 이 새로운 방법이 순차적이고 논리적인 단계를 통해 문제를 해결하는 능력을 요구한다는 것입니다. 바로 에이전트형 AI를 강력하게 만드는 그 능력입니다. 그러나 최첨단 에이전트 모델조차도 일부 환경에서는 어려움을 겪습니다. 워프(Warp)는 문제의 절반 조금 넘게만 해결하여 터미널벤치 최고 점수를 달성했는데, 이는 벤치마크의 난이도와 터미널의 완전한 잠재력을 실현하기 위해 여전히 필요한 작업을 모두 보여줍니다.

그럼에도 로이드는 터미널 기반 도구가 개발자의 비코딩 업무 상당 부분을 안정적으로 처리할 수 있는 단계에 도달했다고 주장한다. 이는 거절하기 어려운 제안이다.

로이드는 "새로운 프로젝트 설정, 종속성 파악, 실행 가능 상태로 만드는 일상의 작업을 생각해 보라. 워프가 이를 대부분 자율적으로 처리할 수 있다"며 "만약 처리하지 못할 경우, 정확히 그 이유를 알려줄 것"이라고 말했다.