[인터뷰] AI 코딩 에이전트를 하나의 시스템처럼…강동윤이 말하는 Labor0

Labor0 공식 사이트와 강동윤 개발자 서면 인터뷰에 따르면, Zephyr Cloud가 출시한 Labor0는 큰 개발 요청을 여러 작업으로 나누고 AI 코딩 에이전트가 의존관계에 따라 처리하도록 조율하는 서비스다. 의존관계가 충족된 독립 작업은 병렬로 실행하며, 사람의 판단이 필요한 지점에서는 진행을 멈춘다. Codex와 Claude Code, OpenCode 등 기존 도구를 하나의 작업 그래프 안에서 연결하는 구조다.

강 개발자는 Rust 기반 자바스크립트·타입스크립트 컴파일러 SWC를 만든 오픈소스 개발자다. Vercel에서 Next.js와 Turbopack 개발에 참여한 그는 여러 세션의 순서와 상태를 사람이 계속 관리해야 하는 문제가 새로운 병목이 됐다고 봤다. Labor0는 에이전트를 새로 만드는 대신 이미 작동하는 에이전트들이 하나의 시스템처럼 일하도록 만드는 데 초점을 맞췄다.

다음은 강동윤 개발자와의 일문일답이다.

Q. Labor0를 처음 듣는 분들에게 소개한다면, 어떤 서비스라고 설명하고 싶으신가요?

A. Labor0는 Codex나 Claude Code 같은 AI 코딩 에이전트 여러 개를 사람이 일일이 챙기지 않아도 되게 해주는 서비스입니다. 큰 개발 요청을 적당한 크기의 작업으로 나누고, 작업 사이의 선후 관계를 그래프로 만들어 지금 시작할 수 있는 일부터 진행합니다. 작업을 잘게 나누는 것은 리뷰 측면에서도 중요합니다. PR이 너무 커지면 사람이 살펴보기 어려울 뿐 아니라 Codex 자동 리뷰의 성능도 떨어지기 때문입니다. Labor0는 새로운 코딩 에이전트를 만드는 대신, 이미 잘 작동하는 에이전트들이 하나의 시스템처럼 일하게 하고 사람의 판단이 꼭 필요한 순간에만 사용자를 부릅니다.

Q. Labor0를 만들게 된 계기가 궁금합니다. 개발하면서 ‘이런 도구가 꼭 필요하다’고 느꼈던 순간이 있었나요?

A. 여러 AI 에이전트 세션을 동시에 돌리기 시작하면서 이런 도구가 필요하다고 느꼈습니다. 세션을 많이 실행하는 것 자체는 어렵지 않았지만, 각각 어디까지 진행됐는지, 무엇이 막혔는지, 다음에는 어떤 일을 시켜야 하는지를 계속 확인하는 일이 문제였습니다. 에이전트가 코딩을 대신해도 결국 제가 모든 세션을 관리하는 병목으로 남아 있었습니다. 그래서 사람을 작업 과정에서 완전히 빼기보다는, 사람이 개입해야 하는 횟수를 줄이고 정말 결정이 필요한 순간에만 사람을 부르는 구조를 만들고 싶었습니다. Labor0를 만든 뒤에는 한때 50개가 넘는 세션이 돌아가는데도 제가 느끼는 인지적 부담은 거의 없었습니다.

Q. 요즘 Codex나 Claude Code 같은 코딩 도구가 많이 쓰이고 있는데요. 직접 사용하면서 어떤 점이 아쉬웠고, Labor0로 무엇을 해결하고 싶으셨나요?

A. Codex나 Claude Code는 개별 작업을 처리하는 능력은 이미 충분히 좋다고 생각합니다. 문제는 일이 커졌을 때 여러 세션의 순서와 진행 상황을 관리하고, 비슷한 지시를 반복해서 입력하는 일이 여전히 사람의 몫이라는 점이었습니다. Labor0는 큰 요청을 여러 작업으로 나눈 뒤, 의존 관계가 해결된 작업부터 기존 코딩 에이전트가 이어서 처리하도록 조율합니다. 현재는 작업을 나누고 의존 관계를 관리하는 일부터 PR이 만들어진 뒤의 후속 처리까지 연결하는 데 집중하고 있습니다. 다음 단계로는 GitHub 이벤트 같은 신호를 감지해 작업 그래프에 자동으로 추가함으로써, 사람이 반복해서 프롬프트를 입력하는 일까지 줄이려고 합니다.

Q. 개발자가 Labor0에 일을 맡기면 실제로 어떤 과정을 거치게 되나요? 이해하기 쉬운 사용 사례가 있다면 함께 소개해 주세요.

A. 저는 보통 `write-prd`라는 스킬을 사용해 기능에 필요한 결정들을 정리하고, 그 내용을 PRD 형태의 GitHub 이슈로 만드는 것부터 시작합니다. 그런 다음 이슈 URL을 그대로 Labor0에 넘기면, Labor0가 내용을 바탕으로 작업 그래프를 만듭니다. 의존관계가 충족된 작업부터 진행하고, 서로 독립적인 작업은 병렬로 처리합니다. 작업마다 PR이 만들어지는데, 제가 사용하는 Labor0 프로젝트는 Codex 자동 리뷰의 피드백을 알아서 반영하도록 설정돼 있습니다. Codex가 수정 의견을 남기면 Labor0가 PR을 고치고 다시 리뷰를 받는 과정을 반복합니다. 그렇게 Codex가 PR을 승인하고 나서야 제가 직접 내용을 확인하고 최종 판단을 내립니다. 처음부터 제가 모든 세션과 PR을 따라다니지 않아도 되기 때문에 많은 세션을 동시에 운영할 수 있습니다.

Q. Labor0는 AI가 알아서 일하는 것뿐 아니라, 사람의 판단이 필요할 때 기다리는 것도 중요하게 보는 것 같습니다. 이런 방향을 선택한 이유가 있나요?

A. AI가 더 많은 일을 할 수 있게 됐다고 해서 모든 문제에 정답이 생기는 것은 아닙니다. 명백하고 재현 가능한 오류라면 에이전트가 계속 진행해서 고칠 수 있습니다. 하지만 디자인이나 제품 방향, 보안, 작업 범위처럼 정답이 하나가 아닌 문제는 결국 사람이 판단해야 합니다. 그래서 Labor0는 에이전트가 처리할 수 있는 일은 계속 진행하되, 사람의 판단이 필요한 지점에서는 멈춰서 질문하고 답을 기다리도록 만들었습니다. 사람을 작업 과정에서 없애는 것이 아니라, 사람이 개입해야 하는 횟수를 줄이고 정말 중요한 판단에 집중할 수 있게 하는 것이 목표입니다.

Q. SWC를 만들고 Vercel에서 Next.js와 Turbopack을 개발한 경험이 이번 서비스를 만드는 데 어떤 영향을 줬나요?

A. SWC를 비롯해 컴파일러를 개발한 경험 자체가 복잡한 시스템을 설계하는 데 많은 도움이 됐습니다. 특히 Turbopack은 근본적으로 작업을 그래프로 관리하는 시스템이어서 Labor0와 관련이 깊습니다. 어떤 작업이 먼저 끝나야 하는지 표현하고, 준비된 작업부터 실행하는 방식이 Labor0의 작업 그래프에도 이어졌습니다. 또 Next.js처럼 기능이 많고 사용자가 많은 프레임워크에서 일한 덕분에 실제 사용자들이 개발 도구에 무엇을 필요로 하는지도 배울 수 있었습니다.

Q. Labor0를 통해 앞으로 개발자들의 일하는 방식이 어떻게 달라지길 바라시나요? 가까운 시기에 이루고 싶은 목표도 궁금합니다.

A. Labor0를 통해 개발자가 인지적 부담을 크게 늘리지 않으면서도 지금보다 훨씬 많은 일을 할 수 있게 되기를 바랍니다. 세션이 늘어날 때마다 개발자가 진행 상황을 전부 확인하는 방식으로는 처리할 수 있는 일의 양에 한계가 있습니다. 에이전트가 알아서 진행할 수 있는 일은 계속 처리하고, 실제로 결정이 필요한 순간에만 사람을 부른다면 훨씬 많은 작업을 동시에 운영할 수 있습니다. 가까운 목표는 지금까지 제가 직접 해야 했던 일 가운데 디자인에 관한 결정을 제외한 나머지를 Labor0를 통해 자동화하는 것입니다.

출처: Labor0 공식 사이트 https://labor0.com/
출처: 강동윤 개발자 GitHub 프로필 https://github.com/kdy1
출처: 강동윤 개발자 서면 인터뷰(2026년 8월)