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 6월 27일GPT-5.6 Sol preview - frontier model releases become policy-gated infrastructure decisionsOpenAI는 2026년 6월 26일 GPT-5.6 series의 limited preview를 발표하며 Sol, Terra, Luna 3개 tier와 새로운 max reasoning effort, subagent 기반 ultra mode를 공개했다. Sol은 Terminal-Bench 2.1, GeneBench v1, ExploitBench, ExploitGym 같은 장시간…2026년 6월 26일General Intuition Series A - gameplay data becomes the next action-model training substrateGeneral Intuition은 Khosla Ventures가 lead한 3억 2천만 달러 Series A를 발표하며, 가상 및 물리 환경에서 perceive, predict, act할 수 있는 모델을 만들겠다고 밝혔다. 보도에 따르면 post-money valuation은 23억 달러이며, TechCrunch는 이번 라운드 이후 누적 공개 funding이 4억 5,400만 달러라고…2026년 6월 25일Claude Tag - Slack-native team agents move from private assistants to shared workspacesAnthropic은 Slack에서 @Claude를 태그해 팀 단위로 작업을 위임하는 Claude Tag beta를 공개했다. Claude Enterprise와 Team 고객 대상이며, channel-scoped memory, tool/data/codebase access, ambient updates, spend limits, activity logs를 제공한다.2026년 6월 25일GLM-5.2 - open long-context models push agentic coding toward 1M-token workspacesZ.AI는 GLM-5.2를 공개하며 1M-token context, flexible effort levels, MIT license, long-horizon coding benchmark 성능을 전면에 내세웠다. 공개 글은 IndexShare로 1M context에서 per-token FLOPs를 2.9x 줄이고, Terminal Bench 2.1 81.0, SWE-bench Pro…