The Making of Claude Code

🖼️ 인포그래픽

🖼️ 4컷 인포그래픽

💡 한 줄 요약

Anthropic은 2021~2022년부터 자율적 소프트웨어 엔지니어링을 겨냥한 모델·도구 연구를 이어 갔고, 2024년 Claude CLI를 소규모 팀의 빠른 내부 사용과 피드백으로 다듬어 Claude Code의 기반을 만들었다.

📌 핵심 요약

• Anthropic이 처음 만든 제품은 프롬프트마다 네 가지 제안을 제공하는 VS Code 코딩 도우미였으며, 2022년 봄에는 약 100명의 외부 사용자가 이용했다.
• 연구진은 간단한 함수 작성과 정확성 테스트부터 RL 훈련을 시작했으며, 컨테이너 내 지속 셸, 코드 실행, 입출력 스트리밍, 시간 제한, bash·검색 도구 등 에이전트 실행 기반을 구축했다.
• 초기 코딩 도우미 작업이 한동안 중단된 뒤에도 에이전트형 코딩 연구는 계속됐고, 내부 명령줄 도구 clide가 코드 편집과 개발 작업을 수행하는 실험 무대가 됐다.
• 2024년 Labs 팀에서 개발된 Claude CLI는 Apple Music 화면 확인과 실제 코드 수정 같은 데모를 통해 실용성을 보였고, 내부 사용자의 상세 피드백이 빠른 기능 추가와 수정으로 이어졌다.
• Claude Code 팀은 2024년 12월까지 소규모로 운영됐으며, 이후 6~7명이 참여한 최종 2주 스프린트와 자동 업데이트, 사용자 지표, 단순한 CLI 구조를 바탕으로 핵심 기능과 빠른 배포 체계를 마련했다.

🧩 주요 포인트

1. 대규모 소프트웨어 엔지니어링 자동화를 변혁적 AI의 핵심 경로로 판단 → 코딩 도구를 부가 기능이 아닌 장기적인 모델 연구와 제품 개발의 중심 과제로 설정했다.
2. 초기 모델은 간단한 작업에서도 성능이 낮았지만 실행 환경과 하네스를 함께 개발 → 에이전트형 코딩의 품질은 모델뿐 아니라 셸, 도구, 보안, 시간 제한을 포함한 실행 기반에 좌우됐다.
3. 소규모 팀이 Claude CLI를 직접 사용하고 자동 업데이트와 사용자 지표로 반응 → 피드백에서 수정·배포까지의 시간을 줄이고 과도한 설계 없이 Claude Code를 빠르게 발전시켰다.

🧠 상세 정리

1. 코딩 도우미에서 시작한 제품 전략

Anthropic이 제품을 만들기로 한 결정 자체가 내부적으로 논쟁적이었지만, 처음 선택한 제품은 코딩 도우미였다. 이 도구는 VS Code 확장으로 제공됐으며, 사용자가 대화형으로 프롬프트를 입력하면 네 가지 작업 제안을 반환했다. 연구진은 대규모 소프트웨어 엔지니어링 업무의 자동화가 변혁적 AI로 가는 경로라고 보고 코딩을 핵심 연구 대상으로 삼았다. Ben Mann은 2021년부터 약 3년 동안 자신만큼 코딩을 잘하는 모델을 만드는 일을 주요 프로젝트로 수행했다. 2022년 초에는 이미 자율적 소프트웨어 엔지니어링을 수행할 모델을 구상하고 에이전트 훈련을 위한 초기 RL 코드베이스를 구축했으며, 그해 봄 초기 도우미는 약 100명의 외부 사용자를 확보했다.

2. RL 훈련과 에이전트 실행 기반

RL 훈련은 모델이 간단한 함수를 작성할 수 있는지 확인하는 단계에서 시작됐고, 이어 작성한 함수의 정확성을 직접 테스트하게 하는 과제로 발전했다. 초기 모델은 이러한 기본 작업에서도 성능이 매우 낮았기 때문에 모델 학습과 실행 체계를 동시에 개선해야 했다. 에이전트형 코딩은 대화형 챗봇보다 인프라가 훨씬 복잡하며, 코드가 실제로 실행될 환경과 그 환경을 안전하고 효율적으로 관리하는 방법이 필요했다. 연구진은 컨테이너 안에 지속적으로 유지되는 셸을 구현해 모델이 코드를 실행하고 입출력을 스트리밍하며 시간 제한에 맞춰 동작하도록 했다. 발언 시점인 2026년에도 에이전트 개발자들이 마주하는 여러 문제가 당시의 실행 환경·보안·하네스 문제와 동일하다는 설명이 제시됐다.

3. 중단된 제품과 계속된 연구

초기 코딩 도우미는 첫 API 버전 출시 지원과 인력 공백이 겹치면서 한동안 제품 차원의 관심에서 멀어졌다. 그러나 연구 부문에서는 모델의 에이전트형 코딩 능력을 개선하는 작업이 중단되지 않았다. 2022년 말에는 더 개방적인 과제를 수행하면서도 실제로 유용한 에이전트를 만드는 방향으로 연구가 이동했다. 2023년에는 기본적인 함수 호출과 검색을 비롯한 요소들이 가능해졌고, Shauna의 팀은 모델에 bash 도구와 주변 정보를 탐색할 검색 능력을 부여했다. 이러한 기능은 모델이 답변만 생성하는 수준을 넘어 저장소를 조사하고 개발 작업을 수행하기 위한 핵심 구성 요소가 됐다.

4. 내부 도구 clide가 보여 준 가능성

연구 과정에서는 텍스트로 코드 변경을 표현하는 자연스러운 방식이라고 판단한 diff 작성을 Claude에게 가르치는 데 오랜 시간이 투입됐다. 이후 만들어진 clide는 Claude와 대화하면서 코드 편집과 개발 작업을 수행하는 내부 명령줄 도구였고, 초기 Claude Code의 여러 요소를 포함했다. clide에는 100개의 Claude Haiku를 병렬로 실행해 컨텍스트 창에 들어가지 않는 폴더 전체를 대상으로 질문하는 기능도 있었다. 다만 시작 속도가 느리고 사용법이 복잡했으며 bash 도구도 없었기 때문에 수행 범위가 제한적이었다. 그럼에도 부분적인 변경에서 사용자의 의도를 추론하거나 이슈 내용을 복사해 넣는 것만으로 5~10줄 규모의 전체 PR을 작성하는 사례가 나오면서, 흩어져 있던 기능을 결합하면 실용적인 코딩 에이전트가 될 수 있다는 가능성을 보여 줬다.

5. Claude CLI로 이어진 2024년의 전환

Adam Wolff는 2024년 1월 Labs 팀을 시작했고, 같은 해 9월 Boris가 합류했을 때 작은 린터 기능보다 에이전트형 코딩 전체를 다루도록 방향을 제시했다. Boris는 API 사용법부터 익히며 ‘코딩 자동화’라는 과제를 탐색했고, 아직 구체적인 제품 형태가 정해지지 않은 상황에서 Claude CLI 데모를 만들었다. 초기 데모는 Apple Music 화면을 캡처해 현재 재생 중인 음악을 읽는 작업을 수행했으며, 제작에는 약 이틀이 걸렸다. 이어 실제 개발자의 화면에서 익숙한 코드 변경 표시와 함께 코딩 작업을 수행하는 모습이 확인되면서 도구가 단순한 시연을 넘어 유용할 수 있다는 인식이 생겼다. 당시 애플리케이션은 도구 정의를 반복 호출하는 구조와 단순한 REPL 사용자 인터페이스에 가까웠고 품질도 낮았지만, 팀원들은 이를 빠르게 개선해야 한다는 강한 긴급성을 느꼈다.

6. 다양한 배경과 내부 사용자의 합류

초기 팀 구성원들의 경력은 전통적인 개발자 도구 조직과 달리 영화 전공, 게임 디자인, React 개발, 어린 시절의 BASIC 프로그래밍, Turing 언어를 활용한 게임 제작 등으로 다양했다. 한 구성원은 처음에는 엔지니어가 아닌 사람에게 AI를 전달하는 일을 원했지만, 입사 약 3개월 뒤 코딩이 다른 모든 영역으로 가는 핵심 경로라고 판단해 초점을 바꿨다. 2024년 여름 Anthropic에 합류한 내부 사용자는 Claude CLI로 RL 환경을 구축하면서 작업 속도가 크게 빨라지는 경험을 했다. 그는 Boris에게 여러 문단에 이르는 피드백을 보냈고, Boris는 많은 요청에 대해 기능이나 수정 사항을 빠르게 반영했다. 2024년 12월에는 CLI 도구 설계가 흔한 분야가 아님에도 제품 가능성을 확인한 인력이 2주간의 디자인 실험을 제안하면서 기능뿐 아니라 사용 경험을 다듬는 작업도 시작됐다.

7. 작은 팀과 성장 속도의 긴장

2024년 8월 Labs 팀에 합류한 구성원은 개발자 도구나 코딩 도구를 만든 경험이 없었지만 Claude CLI 작업에 참여했고, 10월에는 추가 엔지니어를 지속해서 요청했다. Anthropic Labs의 인력 대부분이 Claude Code로 이동했고 나머지 일부는 MCP 팀이 됐으며, 초기 충원은 주로 내부 이동과 느리지만 신중한 외부 채용으로 이뤄졌다. Boris는 빠른 확장을 원했지만 팀 관리 측에서는 규모가 커질수록 프로세스, 문화, 비전 관리가 어려워진다는 이유로 성장을 억제했다. 결과적으로 작은 팀은 제한된 자원을 창의적으로 사용하고 과도한 설계를 피했으며, 충분한 속도를 내기 위해 Claude를 개발 과정에서 적극적으로 사용했다. 팀은 비교적 적은 인원으로 기능 구현과 버그 수정을 이전에 경험하지 못한 속도로 진행했고, 이를 Claude Code가 엔지니어링 생산성을 어떻게 바꿀지 살펴보는 초기 실험으로 받아들였다.

8. 2주 스프린트와 빠른 배포 구조

2024년 12월까지 핵심 개발은 Boris를 포함한 두 명과 Ben의 일부 기여를 중심으로 진행됐고, 승인을 받은 뒤 Labs와 다른 팀에서 6~7명이 합류해 최종 2주 스프린트를 시작했다. 이 기간에 버그 신고와 로그인 흐름을 비롯해 현재까지 이어지는 여러 핵심 기능이 만들어졌으며, 팀은 이때부터 제품이 실체를 갖추기 시작했다고 평가했다. React를 Facebook 내부에서 채택 가능하게 만들었던 과정이 외부 확산으로 이어졌던 것처럼, Claude Code도 내부 사용을 통해 장점과 문제점, 사용 경로를 파악했다. 코드베이스에는 PR이나 리뷰 제한이 없어서 수정 사항을 즉시 배포할 수 있었고, 초기부터 자동 업데이트와 사용자 지표가 포함됐다. Boris와 Sid는 의견에 수분 안에 응답하고 같은 날 또는 같은 시간대에 PR을 올렸으며, 사용자는 불만을 전달한 뒤 약 5분 만에 수정 버전을 받을 수 있었다. 복잡한 웹 애플리케이션이 아니라 단순한 클라이언트형 CLI 제품이라는 구조도 이러한 반복 속도를 가능하게 했다.

🧾 핵심 주장 / 시사점

• 초기 모델이 간단한 함수 작업에서도 부정확했던 시점부터 실행 환경과 하네스를 구축한 결과, 모델 성능이 향상될 때 활용할 제품 기반이 함께 축적됐다.
• clide는 느린 시작 속도와 bash 부재 같은 한계가 있었지만, 부분 변경의 의도 추론과 병렬 Claude Haiku 탐색을 통해 Claude Code에 필요한 핵심 상호작용을 미리 검증했다.
• 소규모 팀이 Claude Code를 개발 과정에서 직접 사용하고 사용자 피드백을 곧바로 수정에 반영하면서, 도구의 생산성 향상이 도구 자체의 개발 속도로 연결됐다.

✅ 액션 아이템

• 2022년 VS Code 확장과 약 100명의 외부 사용자 경험을 Claude Code의 초기 검증 근거로 재검토.
• Claude Code의 모델 성능과 함께 컨테이너 내 지속 셸, bash·검색 도구, 실행 환경 보안을 통합 평가.
• 2024년 Claude CLI의 소규모 팀, 자동 업데이트, 사용자 지표, CLI 구조가 피드백 속도에 미친 영향을 비교 분석.

❓ 열린 질문

• 2022년 VS Code 코딩 도우미를 사용한 약 100명의 외부 사용자는 어떤 기능을 가장 유용하거나 제한적이라고 평가했는가?
• Claude Code의 성과에서 모델 성능과 셸·검색·실행 환경을 포함한 하네스는 각각 어느 정도 영향을 미쳤는가?
• 2024년 Claude CLI의 소규모 팀과 자동 업데이트 방식은 팀 규모가 확대된 뒤에도 같은 수정·배포 속도를 유지할 수 있었는가?