A NEW Agentic OS Standard for Claude 5.5 is here (Claude Mods, Jev, 5.5 Models)

🖼️ 인포그래픽

🖼️ 4컷 인포그래픽

💡 한 줄 결론

Claude 5.5 시대의 새로운 에이전트 OS 설계 기준으로 제시되는 것은 Claude Mods·Jev 같은 도구를 활용해 작업 공간, 기억, 모델 선택, 비용, 피드백을 하나의 운영 구조로 연결하는 방식이다.

📌 핵심 요점

1. 작업 환경은 ARMS로 연결한다. 앱·루틴·메모리·스킬을 중심으로 반복 작업과 참고 자료, 결과물, 피드백을 연결한다. 자주 하는 검토는 마이크로앱으로 옮기고, 결과물은 직접 검색할 수 있게 보관한다.
2. 모델 선택과 사용량 분석을 함께 운영한다. 철자 검사처럼 절차가 명확한 작업은 Haiku로 처리하고, Jev로 프롬프트의 모델 배정을 실험한다. 스킬·예약 작업별 소비량을 확인하고 가치가 낮거나 비용이 큰 작업에는 예산 제한을 둔다.
3. 장기 기억은 저장량보다 검색 경로가 중요하다. MEMORY.md, CLAUDE.md, 데이터베이스 스킬을 통해 필요한 파일의 위치를 안내한다. 발표자는 현재 환경에서 일반 텍스트 안내로 충분하다고 설명하며, 시각 자료에는 검색을 돕는 메타데이터를 붙인다.
4. 대화 컨텍스트도 비용과 품질의 관리 대상이다. 긴 대화는 사용량을 늘리고 필요한 정보의 회상을 어렵게 할 수 있다. /compact에 보존할 결정·템플릿을 지정하고, 캐시 상태와 재개 비용을 살펴야 한다.
5. 반복 경험을 다음 작업의 지침으로 남긴다. 검토 피드백을 관련 스킬 수정으로 연결하고, /note와 /calibrate로 개선점을 기록한다. 참고 사례를 따르지 않는 와일드카드를 일부 포함하고, 반복 수작업은 정기적으로 자동화 후보로 검토한다.

🧩 배경과 문제 정의

• Claude 5.5 모델군과 Claude Mods, 의사결정 모델 Jev 같은 새 도구가 등장하면서 에이전트 작업 환경을 재설계할 여지가 커졌다. 핵심 문제는 기존 설정을 그대로 사용하면서 발생하는 불필요한 사용량 소모와 작업 비효율이다.
• 에이전트 운영체제의 가치는 화면의 외형보다 컨텍스트와 작업 공간을 구성하는 방식에 있다. 반복 작업, 참고 자료, 결과물, 피드백을 연결해야 작업 속도와 품질을 함께 개선할 수 있다.
• 스킬과 예약 작업이 늘고 파일이 쌓일수록 비용과 검색 부담도 커진다. 작업에 맞는 모델 선택, 실행 비용 제한, 효율적인 기억 검색, 대화 컨텍스트 관리가 필요하다.

🕒 시간순 섹션별 상세정리

1. 마이크로앱과 ARMS로 구성하는 에이전트 작업 환경

• 홈 대시보드에 이미지·영상 생성, 애니메이션 검토, 인스타그램 게시물 승인, 시스템 개선 제안용 마이크로앱을 모은다. 일정과 이메일, 예약 작업도 함께 확인하고 필요한 스킬의 모델과 추론 강도를 선택한다. [01:25]
• 완성된 결과물을 별도 보관함에서 직접 검색하면 에이전트에게 다시 찾아달라고 요청하는 토큰을 줄일 수 있다. 파일 간 연결과 내용을 탐색하는 화면도 작업 공간에서 필요한 자료를 찾는 데 활용한다. [02:11]

2. 데이터베이스 스킬로 반복 사용하는 지식과 사례 축적

• 스킬은 순서가 정해진 작업 절차뿐 아니라 지식을 보관하는 수단으로도 쓸 수 있다. 글쓰기 어조의 원칙·예시·지침을 저장하면 이메일과 커뮤니티 게시물의 초안에 일관된 문체를 적용할 수 있다. [05:32]
• 썸네일처럼 시각적인 자료도 참고 이미지와 파일 경로를 스킬에 연결할 수 있다. 같은 유형의 결과물을 반복해서 만들거나 참고한다면, 관련 자료를 데이터베이스 스킬로 모아두는 방식이 유용하다. [06:16]

3. 와일드카드로 참고 자료에 대한 과적합 방지

• 참고 사례만 따르게 하면 새로운 아이디어를 내는 능력이 제한될 수 있다. 제목 열 개 중 여덟 개는 기존 참고 자료를 따르고 두 개는 참고 자료를 사용하지 않는 와일드카드로 만드는 식으로 탐색 여지를 남긴다. [06:54]
• 와일드카드 중 좋은 결과는 새로운 스타일 참고 자료로 편입한다. 썸네일과 영상 애니메이션에 이 방식을 적용하고, 별도의 짧은 스킬에 와일드카드의 의미를 정의하면 여러 작업에서 같은 원칙을 재사용할 수 있다. [07:40]

4. HTML 기반 결과물과 디자인 시스템의 결합

• 인포그래픽·슬라이드·PDF처럼 채팅창에 적합하지 않은 결과물은 HTML로 먼저 만들 수 있다. PDF 가이드도 HTML을 작성한 뒤 PDF로 내보내는 방식으로 제작한다. [08:39]
• 결과물 생성 스킬에 브랜드북을 연결해 색상과 글꼴 등의 기준을 공유하면 디자인의 일관성을 높일 수 있다. 별도 결과물 보관함과 검색 기능은 이전 작업물을 다시 찾는 데 드는 요청과 토큰을 줄인다. [09:26]

5. 채팅 밖에서 직접 실행하는 스킬

• 임시 프로세스와 파일을 정리하는 /cleanup 같은 스킬은 대화를 시작하지 않고 버튼으로 실행할 수 있다. 실행 화면에서 모델과 추론 강도를 선택하면 작업에 맞게 실행 조건을 조정할 수 있다. [10:23]
• 자막에서 ‘Claude P’라고 부르는 기능은 채팅창을 열지 않고 백그라운드로 프롬프트를 보내 Claude를 실행하는 데 쓰인다. 실행이 끝나면 수정한 항목과 결과를 간단한 보고서로 받는다. [11:00]

6. 모델 라우팅과 사용량 분석으로 스킬 비용 절감

• 절차가 명확한 스킬까지 큰 모델로 실행하면 불필요한 비용이 발생한다. 철자만 검사하는 /grammar는 Haiku로 보내 더 빠르고 저렴하게 처리하는 사례다. [11:32]
• Jev는 프롬프트를 어느 모델로 보낼지 분류하는 용도로 실험 중이다. 발표자는 프런티어 모델보다 최대 약 200배 빠르고 400배 저렴한 것으로 추정하며, 자신의 작업 공간에서는 4,451건의 라우팅이 건당 6초, 총 18센트였고 약 40%가 Haiku로 전달됐다고 제시한다. 낮은 모델로 연결돼 작업에 불편을 느낀 적은 없었다는 개인적 평가도 덧붙인다. [12:14]

7. 사용자 피드백을 스킬 수정으로 연결하는 개선 구조

• 영상 검토 도구에서 시간과 화면 위치가 포함된 댓글을 작성하면 수정 지점을 구체적으로 전달할 수 있다. 여러 클립의 댓글을 한꺼번에 복사해 Claude에 넘기는 방식으로 편집 피드백을 처리한다. [14:09]
• 피드백을 전달할 때 관련 편집·애니메이션 스킬도 업데이트하라는 지시를 자동으로 붙인다. 자주 쓰는 스킬에 이 과정을 연결하면 개별 결과물을 고치는 경험을 이후 작업의 지침으로 축적할 수 있다. [14:37]

8. 능동형 루틴과 수동형 루틴으로 검토 부담 조절

• 능동형 루틴은 작업 결과를 매번 검토용으로 제공하고, 수동형 루틴은 주의할 일이 생겼을 때만 알린다. 매일 이메일 요약을 텔레그램으로 보내는 작업은 능동형에 해당한다. [15:35]
• 매주 브랜드 무단 사용을 검색하되 문제가 있을 때만 알리는 작업은 수동형이다. 루틴 50개가 모두 매번 결과를 보내면 검토할 항목도 늘어나므로, 이상이 없을 때 알림을 생략하는 설계가 필요하다. [16:13]

9. 예약 작업의 비용을 관찰하고 상한 설정

• 예약 작업은 구독 사용량이나 API 크레딧을 소비한다. 주간 일정과 루틴별 토큰 사용량을 함께 보고, 비용에 비해 사업상 가치가 낮은 작업을 찾아야 한다. [17:14]
• 비용이 큰 루틴에는 최적화와 예산 제한을 요청할 수 있다. 예를 들어 주당 약 1,800만 토큰 또는 API 비용 10달러가 드는 작업을 주당 4달러로 제한하도록 요청하면, 불필요한 처리를 줄일 수 있는 경우가 많다는 설명이다. [17:55]

10. 반복 작업을 찾아 자동화를 제안하는 루틴

• 매주 금요일 아침 지난 세션을 돌아보고 반복해서 수작업으로 처리한 일을 찾아 자동화 후보로 제안한다. 사용자가 반복을 인식하지 못한 작업도 루틴 후보로 발견할 수 있다. [18:25]
• 제안은 로컬에서 실행하는 마이크로앱에 모으고, 사용량이 초기화되기 전에 검토한다. 적절한 개선안을 선택해 Claude에 전달하면 작업 환경에 적용할 수 있으며, 같은 과정을 매주 반복해 자동화 범위를 넓힌다. [18:54]

11. 장기 기억의 기준은 검색 속도와 검색 비용

• 메모리는 에이전트가 사용자와 업무에 관해 아는 정보뿐 아니라, 그 정보를 얼마나 빠르고 저렴하게 찾는지도 포함한다. 장기 기억은 작업 공간에 저장된 파일과 데이터이며, 파일이 늘수록 매번 전체를 검색하는 방식의 부담이 커진다. [19:46]
• 파일 연결을 시각화한 지도는 설명과 탐색에 도움이 되지만 필수는 아니다. 실질적인 가치는 검색 속도를 높이거나 검색 비용을 낮추는 데 있고, 약 42만 개 파일이 있는 발표자의 작업 공간에서는 검색 경로를 안내하는 구조가 필요하다. [20:42]

12. MEMORY.md와 CLAUDE.md를 작업 공간의 지도로 사용

• 첫 번째 검색 계층인 MEMORY.md에는 기억할 내용과 작업 영역별 연결 정보를 짧게 둔다. 세션 시작 시 읽히는 특성을 이용해, 전체 파일을 뒤지기 전에 참고할 도서관 목록처럼 활용한다. [22:14]
• 작업 공간이 커지면 CLAUDE.md를 업무 지침서이자 전체 자료의 지도로 구성한다. 콘텐츠·개인 업무 등 영역별로 주요 파일을 안내하고, 각 부서의 문서가 다시 하위 파일과 폴더로 연결되도록 만든다. 영상은 Claude Code가 AGENTS.md도 읽으므로 다른 도구와 공통 운영 규칙을 둘 수 있다고 보여준다. [23:08]

13. 데이터베이스 스킬과 일반 텍스트로 검색 경로 보완

• 발표자의 현재 환경에서는 일반 텍스트로 된 경로 안내만으로 필요한 정보를 찾을 수 있어 벡터 임베딩을 사용하지 않는다. 검색에 불편이 생기면 도입할 수 있지만, 현재는 사용량 문제도 없어 시스템을 개편할 필요를 느끼지 않는다는 입장이다. Claude Code 개발 책임자 Boris가 Anthropic에서도 복잡한 임베딩·RAG 구성보다 일반 텍스트가 잘 작동한다고 언급했다는 사례를 근거로 든다. [24:16]
• 세 번째 보조 계층은 데이터베이스 스킬이다. 특정 사업이나 고객의 최신 자료·대시보드 위치를 안내하고, SKILL.md가 질문에 따라 필요한 정보의 위치를 찾는 라우터 역할을 하도록 구성한다. [25:01]

14. 단기 기억의 한계와 목적을 지정한 대화 압축

• 단기 기억은 현재 대화에서 모델이 볼 수 있는 컨텍스트 윈도다. 영상은 Claude 5.5의 크기를 100만 토큰, 해리 포터 첫 네 권 정도에 비유하지만, 대화가 차면 내부 정보를 제대로 회상하기 어려워지는 문제가 생긴다고 보여준다. [26:00]
• 대화에 쌓인 내용은 프롬프트를 보낼 때마다 다시 읽히므로, 긴 대화는 사용량도 더 빠르게 소모한다. 컨텍스트의 크기뿐 아니라 유지할 정보의 양과 관련성을 관리해야 한다. [26:40]

15. 문맥 보존과 프롬프트 캐시로 대화 비용 관리

• 문맥을 압축할 때 항상 남겨야 할 원칙을 지정하면 Claude가 관련 지침 파일에 반영할 수 있다. 프롬프트 캐시는 이미 읽은 대화를 재사용해, 매번 전체 대화를 읽는 비용을 정상 가격의 일부로 줄이는 역할을 한다 [27:22]
• 약 한 시간 동안 대화를 사용하지 않으면 캐시가 만료되어 전체 문맥을 다시 불러오는 비용이 발생한다. 발표자의 사례에서는 11시간 30분간 유휴 상태였던 약 60만 토큰의 Opus 대화를 재개할 경우 API 가격 기준 약 5달러가 들 것으로 예상했다. 반면 약 18만 6천 토큰의 다른 대화는 유휴 시간이 약 9분이라 캐시가 유지되고 있었다 [27:50]

16. 개선점 기록과 명시적 학습으로 메모리 갱신

• 같은 내용을 두 번 교정해야 한다면 메모리 체계가 무언가를 놓쳤을 가능성이 있다. /note는 작업 중 발견한 개선점을 Haiku로 해당 스킬의 파일에 기록한다. 즉시 수정해 작업 맥락을 흐트러뜨리는 대신, 여유가 생기거나 사용량 한도가 초기화되기 직전에 목록을 일괄 반영한다 [29:40]
• Claude Code가 자체적으로 메모리를 저장하더라도 중요한 피드백까지 자동 판단에 맡기지는 않는다. /calibrate는 피드백을 저장하고 관련 메모리와 연결하며, 해당 피드백이 속한 스킬도 수정한다 [30:31]

17. 공식 커넥터가 없는 앱까지 연결하고 문맥 부담 줄이기

• 공식 커넥터가 없어도 다른 연결 수단을 찾을 수 있다. /search connectors는 Adobe Premiere Pro와 MyFitnessPal 같은 앱에 대해 제작사의 공식 커넥터, 오픈소스 CLI, API, 커뮤니티 MCP 순서로 연결 가능성을 탐색한다 [31:10]
• 이 우선순위는 모델이 처리해야 하는 정보량을 줄이려는 기준에 따른다. CLI는 짧은 명령으로 필요한 응답을 받을 수 있어 대체로 가볍지만, API는 불필요한 세부 정보까지 긴 응답으로 반환해 이를 읽는 사용량이 늘어날 수 있다 [32:13]

18. Claude Code 모드와 브라우저 확장으로 반복 동작 자동화

• 모드는 Chrome 확장 프로그램처럼 Claude Code의 외형과 동작을 바꾸는 작은 추가 기능이다. 사용량 표시 모드는 주간·5시간 사용 한도와 프롬프트 캐시 상태를 보여주며, 같은 확장 개념을 매일 사용하는 브라우저에도 적용할 수 있다 [33:12]
• /chromify에는 Chrome 확장 제작 지침을 담아둔다. Robo Capture 확장은 웹사이트에서 선택한 부분의 구현 코드를 가져와 Claude가 구조를 분석하고 외형을 재현하는 데 활용한다 [34:26]

19. 반복 작업을 마이크로 앱으로 옮기고 UI 구성요소 재사용

• 반복적으로 수행하는 큰 작업에는 채팅보다 전용 화면이 효율적일 수 있다. 로컬에서 접근하는 마이크로 앱을 통해 영상 편집본의 실제 클립을 보며 댓글과 지시를 남기거나, Instagram 캐러셀을 한눈에 검토하면 채팅에서 결과물을 찾아가며 작업하는 부담이 줄어든다 [35:34]
• Generations 앱은 이미지·영상 모델에 직접 연결해 생성한 결과물을 모아둔다. 이런 앱을 계속 만들 때는 재사용 가능한 UI 구성요소 라이브러리를 마련해, Claude가 이미 만들어진 요소를 골라 쓰도록 한다 [36:25]

🧾 결론

• 에이전트 OS의 실질적인 가치는 화면의 외형보다 작업과 정보를 연결하는 구조에서 나온다.
• 모델 라우팅, 검색 경로, 대화 압축, 예산 제한을 함께 설계해야 사용량과 작업 품질을 관리할 수 있다.
• 자동화가 늘수록 결과물 검토와 알림도 늘어난다. 매번 확인할 루틴과 문제가 있을 때만 알릴 루틴을 구분필요가 있다.
• 피드백을 스킬과 기억에 반영하고 공통 UI·디자인 기준을 재사용하면, 반복 작업에서 일관성을 높이고 재작업을 줄일 수 있다.

📈 투자·시사 포인트

• AI 도입의 경제성: 모델 성능뿐 아니라 작업별 모델 배정, 검색 비용, 반복 구현 비용이 실제 운영 효율을 좌우하는 평가 항목이다.
• 도구의 사업상 가치: 마이크로앱·검색·사용량 표시·공통 UI 라이브러리는 반복 업무에서 요청과 토큰을 줄이는 수단으로 제시된다. 도입 효과는 해당 업무의 비용과 검토 시간으로 확인해야 한다.
• 자동화 확대의 조건: 예약 작업 수보다 작업당 가치와 사용량, 알림 부담을 함께 살피는 운영 방식이 중요하다.
• 투자 판단의 범위: 자료는 개인 작업 환경의 설계와 사용 사례를 다룬다. 특정 기업의 실적이나 주가 전망을 판단할 근거는 제시하지 않는다.

⚠️ 불확실하거나 확인이 필요한 부분

• 제목의 ‘새 표준’은 영상의 주장이다. Claude 5.5·Claude Mods·Jev의 공식 사양, 제공 범위나 업계 표준 채택 여부는 제공 자료만으로 확인되지 않는다.
• Jev의 최대 약 200배 속도·400배 비용 차이는 발표자의 추정이다. 4,451건 라우팅과 약 40%의 Haiku 배정도 개인 환경의 사례이며, 비교 조건과 품질 평가 방법은 명확하지 않다.
• 약 한 시간의 캐시 만료 설명과 핑을 통한 유지 방식, 약 437달러의 절약 가능액은 해당 환경과 개인 추산에 기반한다. 실제 과금 조건에서 추가 호출 비용까지 포함한 순절감 효과를 확인해야 한다.
• 자막 기반 정리: 타임스탬프가 있는 자막을 기준으로 정리했으며, 고유명사·수치·인용은 원문 확인 필요 시 별도 검증한다.
• 영상 속 주장: 발표자의 해석·전망·비교는 확인된 외부 사실이 아니라 영상 속 주장으로 분리해 읽는다.
• 검증 필요: 수치, 기업 실적, 정책·시장 전망은 발행 전 최신 자료로 별도 검증이 필요하다.

✅ 액션 아이템

• 반복 업무를 앱·루틴·메모리·스킬로 정리하고, 결과물과 참고 자료를 찾는 경로를 연결한다.
• 사용량이 큰 스킬과 예약 작업부터 확인해 작업별 모델, 실행 빈도, 주간 예산을 조정한다.
• 단순 작업을 작은 모델로 처리해 보고, 비용·처리 시간·수정 필요성을 기존 방식과 비교한다.
• MEMORY.md에는 짧은 안내를, CLAUDE.md에는 영역별 자료 지도를 두고, 데이터베이스 스킬에는 반복 참조 자료의 위치를 연결한다.

❓ 열린 질문

• 작은 모델로 배정해도 품질이 유지되는 작업의 범위와 상위 모델로 전환할 기준은 무엇인가?
• 일반 텍스트 안내만으로 검색 속도와 정확도를 유지하기 어려워지는 시점은 언제인가?
• 자동화가 절약한 시간과 결과 검토·스킬 유지보수에 추가로 든 시간을 어떻게 비교할 것인가?