PickleeAI와 개발, 오늘 볼 변화만
홈읽을거리아카이브
검색

Picklee

AI와 개발 현장에서 오늘 확인할 변화만 선별합니다.

© 2026 Picklee. All rights reserved.

RSSSitemap

읽을거리

2026년 3월 5일

Claude Code Hooks - 에이전트 라이프사이클 제어 시스템

Claude Code의 라이프사이클 이벤트에 사용자 정의 명령을 실행하는 Hooks 시스템. Command/Prompt/Agent 3가지 핸들러 타입과 PreToolUse, PostToolUse 등 라이프사이클 이벤트 지원.

본문 읽기원문 보기

발행일

2026년 3월 5일

업데이트

2026년 3월 30일

주제

트렌드
원문 보기

배경 및 맥락

AI 에이전트는 뛰어난 추론 능력이 있지만 확률적입니다. 같은 작업을 두 번 하면 다른 결과가 나올 수 있고, 위험한 명령을 실행할 수도 있으며, 특정 포맷을 강제할 수 없습니다. 특히 프로덕션 환경이나 규제가 강한 산업에서는 이런 불확실성을 받아들이기 어렵습니다. Anthropic의 Claude Code는 이러한 문제를 Hooks 시스템으로 해결하려 합니다. 에이전트의 라이프사이클 각 지점에 개발자가 **결정론적 가드레일(deterministic guardrails)**을 설치할 수 있게 하는 것입니다.


핵심 내용

Claude Code Hooks는 AI 에이전트의 동작을 세밀하게 제어할 수 있는 이벤트 기반 시스템입니다.

3가지 핸들러 타입:

  1. Command (type: "command"): 셸 명령을 실행하는 가장 경량의 핸들러
    • JSON을 stdin으로 받음
    • exit code로 제어 (0=성공, 2=차단)
    • stderr 메시지가 Claude에게 에러로 전달
  2. Prompt (type: "prompt"): Claude 모델에 단일 턴 평가를 요청
    • 자신의 추론 능력을 활용한 검증
    • 비용이 들지만 복잡한 판단에 유용
  3. Agent (type: "agent"): 도구 접근 가능한 서브 에이전트 생성
    • Read, Grep, Glob 등 파일 시스템 도구 사용 가능
    • 가장 강력하지만 리소스 소비도 많음

라이프사이클 이벤트:

  • SessionStart: 세션 시작 시 → 초기 설정, 환경 검증
  • PreToolUse: 도구 실행 전 → 위험한 작업 사전 차단 (가장 중요)
  • PostToolUse: 도구 실행 후 → 결과 포맷팅, 자동 정리
  • Notification: 알림 필요 시 → 외부 시스템 통지
  • Stop: 응답 생성 완료 시 → 최종 체크, 로깅

제어 메커니즘:

Exit code 2를 반환하면 해당 도구 호출이 차단되고, stderr의 메시지가 Claude에게 에러로 전달됩니다. 예를 들어 git push --force 같은 위험한 명령은 PreToolUse에서 감지하여 차단할 수 있습니다.

설정 위치 (우선순위):

  • ~/.claude/settings.json (전체 시스템)
  • .claude/settings.json (프로젝트별, Git 공유)
  • .claude/settings.local.json (프로젝트별, gitignore)

경쟁 구도 / 비교

vs. CLAUDE.md (기존 방식):

  • CLAUDE.md: "아마 따를 것" (Claude가 읽지 않을 수도 있음)
  • Hooks: "항상 실행" (강제성이 보장됨)

이 차이는 프로덕션 환경에서 결정적입니다. CLAUDE.md는 가이드라인에 불과하지만, Hooks는 코드 레벨의 강제를 제공합니다.

vs. 전통적 CI/CD 검증:

  • CI/CD: 배포 후 검사 (이미 늦음)
  • Hooks: 실행 전 차단 (즉시 대응)

의미

Hooks 시스템은 AI 에이전트를 엔터프라이즈 환경에 도입하기 위한 핵심 인프라입니다. 확률적 AI의 특성상 완벽한 제어는 불가능하지만, 최소한 재앙적인 행동은 사전에 방지할 수 있습니다. 이는 금융, 헬스케어, 중요 인프라 같은 규제 강한 분야에서 AI 에이전트 도입을 현실화하는 데 필수적입니다.

장기적으로는 이러한 "검증 계층(validation layer)" 개념이 AI 시스템 설계의 표준이 될 가능성이 높습니다. 단순한 "프롬프트 엔지니어링"에서 벗어나, 구조화된 제어 메커니즘으로 AI 에이전트를 다루는 문화가 정착되는 과정이라고 볼 수 있습니다.

이어 읽기

관련 읽을거리

전체 보기
2026년 7월 26일UN AI Scientific Panel, Preliminary Report로 글로벌 거버넌스 논의 지원UN Independent International Scientific Panel on AI가 Preliminary Report를 공개했다. 보고서는 AI science·applications·경제·보안·인권·문화·거버넌스 등 7개 영역의 근거를 정리해 7월 6~7일 Geneva에서 열린 첫 Global Dialogue on AI Governance의 공통 출발점으로 제시됐다.2026년 7월 16일Google Ads, 생성형 AI 사용을 표시하는 ‘How this ad was made’ 공개Google이 7월 9일 Search·YouTube·Discover 광고의 My Ad Center에 ‘How this ad was made’ 섹션을 전 세계 도입한다고 발표했다. Google의 생성형 광고 도구로 만든 광고에는 disclosure가 자동 추가되고, 외부 AI 도구로 만든 광고에는 광고주가 AI 사용을 표시하는 control이 제공된다.2026년 7월 15일SambaNova, Series F 첫 클로징으로 USD 1B 유치…AI inference 인프라에 USD 11B 가치AI chip 기업 SambaNova가 General Atlantic 주도의 Series F 첫 클로징에서 USD 1B를 유치하며 USD 11B 가치를 인정받았다. 회사는 JPMorganChase의 inference-infrastructure partner로 선정돼 SN40L·SN50 systems로 secure on-premises AI inference를 지원한다고 밝혔고, 추가 자금은…2026년 7월 15일UN 독립 AI 과학 패널, 기회·위험·영향을 다룬 첫 예비 보고서 공개UN Independent International Scientific Panel on AI가 7월 1일 AI의 기회·위험·영향에 관한 첫 Preliminary Report를 공개했고, 7월 6~7일 Geneva의 첫 Global Dialogue on AI Governance에 제출했다. 40명의 독립 과학자·전문가가 AI 과학·경제·보안·인권·거버넌스 등 7개 영역의 근거를 종합한…