AI 에이전트 제작 노하우를 가져다 쓰는 법 - 구글공개

안녕하세요, 모두비즈DODO입니다.

프로덕트 소식은 넘쳐나지만 대부분 이런 게 나왔대에서 끝납니다. 그래서 뭘 어떻게 하라고? 내 작업에 어떻게 써먹지? 거기까진 연결이 잘 안 되죠. 따라서 요즘 프로덕트 메이커는 바로 쓸 수 있는 것, 그 중에서도 주목해볼 만한 것을 엄선해서 매주 금요일에 전달드리려 합니다.

 

요즘 프로덕트 메이커는 매주 세 가지를 골라 전합니다:

1. 써볼 것: Claude Fable 5 - 일주일 동안 무료로 열린 앤트로픽의 최신 모델
2. 참고할 것: Atlassian DESIGN.md - AI가 만든 화면이 왜 다 비슷할까, 그 해법을 실제로 써본 후기
3. 적용해볼 것: google/agents-cli - 구글이 공개한 AI 에이전트 제작 노하우를 가져다 쓰는 법

---

<출처: Claude >

1. 써볼 것: 일주일 동안 무료로 열린 앤트로픽의 최신 모델

한동안 막혀 있던 Claude Fable 5가 다시 열렸습니다. Fable 5는 Anthropic(앤트로픽)의 최신 모델인데, 이번엔 유료 구독자라면 일주일 동안 추가 비용 없이 써볼 수 있는 프로모션까지 붙었어요. 모델 선택기에서 골라 바로 쓸 수 있습니다.

무슨 일이 있었던 건가요?

Fable 5는 얼마 전까지 쓸 수 없었습니다. 보도에 따르면 발단은 보안 문제였어요. 한 연구진이 Fable 5에서 안전장치를 우회하는 프롬프트를 찾아냈고, 이 일을 계기로 6월 12일 미국 정부가 Fable 5와 상위 모델 Mythos 5에 수출 통제를 걸었습니다. 앤트로픽은 이 조치에 맞춰 두 모델을 잠시 전면 중단했고요. 그러다 6월 30일 미국 상무부가 통제를 풀면서, 7월 1일 Fable 5가 다시 열렸습니다.

무엇을 어떻게 쓸 수 있나요?

프로모션은 7월 1일 시작해 7월 7일 밤(태평양 시간)에 끝납니다. Pro, Max, Team, 그리고 일부 Enterprise(조직 설정에 따라) 플랜에서 쓸 수 있고, 별도로 신청하거나 켤 것도 없어요. 주간 사용 한도의 최대 50%까지 Fable 5에 추가 비용 없이 쓸 수 있습니다.

 

쓸 수 있는 곳도 넓습니다. 웹, 모바일, 데스크톱은 물론이고 Claude Code(2.1.170 버전 이상), Cowork, Claude Tag 등에서 접근할 수 있습니다. 웹과 데스크톱, 모바일에서는 모델 선택기에서 Fable 5를 고르면 됩니다.

써보기 전에 알아둘 것

• Fable 5는 다른 모델보다 주간 한도를 빨리 씁니다. 무겁고 강한 모델이라 같은 작업이라도 한도를 훨씬 빨리 쓸 수 있습니다.
• 50%를 다 쓰면 두 갈래입니다. 사용 크레딧(구독과 별도로 청구되는 추가 사용분)으로 Fable 5를 계속 쓰거나, 다른 모델로 바꿔 남은 한도를 쓰면 됩니다. 이미 다른 모델로 주간 한도의 절반을 썼다면 그만큼 Fable 5에 남는 여력도 줄고요.
• 7월 7일이 지나면 Fable 5는 주간 한도에 포함되지 않고, 그 뒤로는 사용 크레딧으로만 쓸 수 있습니다.
• API로 쓰는 건 이 프로모션 대상이 아닙니다. 표준 요율로 따로 청구됩니다.

재개 자체는 반가운 소식이지만, 조건을 두고는 아쉽다는 반응도 나옵니다. PCWorld는 원래 예고했던 기간의 절반 수준이라는 점과 50% 한도를 두고 구독자들이 불만을 나타냈다고 전했어요. 해커뉴스에서도 이번 조치를 두고 의견이 오갔고요. 저 역시 일주일에 절반이라는 조건이 아쉽긴 합니다. 어차피 한시적이니 큰 프로젝트를 통째로 맡기기보다 평소 궁금하던 어려운 작업 한두 개에 몰아서 최신 모델의 실력을 가늠해보는 용도로 쓰는 걸 추천합니다.

2. 참고할 것: AI가 만든 화면이 왜 다 비슷할까, 그 해법을 실제로 써본 후기

AI에게 화면을 만들어달라고 하면 결과물이 어딘가 비슷합니다. 그라데이션 버튼, 대문자로 꽉 채운 제목, 뻔한 카드 배치, 아무도 요청하지 않은 호버 효과. 기능은 되는데 내 제품 같지가 않죠. 디자인 쪽에서는 이런 결과물을 슬롭(slop)이라고 부릅니다. 기능은 하지만 특색도 의도도 없는 산출물을 가리키는 말이에요. Atlassian(아틀라시안)이 이 문제를 겨냥한 형식 하나를 자기네 도구와 나란히 놓고 테스트한 뒤, 그 결과를 블로그에 공개했습니다.

왜 이런 게 나오나요?

AI는 내 브랜드나 컴포넌트, 디자인 패턴을 모르는 상태에서 화면을 만듭니다. 참고할 기준이 없으니 그동안 학습한 수많은 화면에서 가장 무난한 쪽으로 결과를 내놓습니다. 웹에서 흔히 보이는 화면이 곧 무난한 평균이니, 결과물도 어디서 본 듯한 모습으로 나오고요. 그래서 요즘 디자인 시스템 쪽의 큰 숙제는, 내 브랜드 색과 간격, 컴포넌트 규칙 같은 디자인 맥락을 AI에 어떻게 넘겨주느냐입니다. 이 맥락을 제대로 쥐여주면 결과물이 내 제품에 가까워지니까요.
 

DESIGN.md가 뭔가요?

DESIGN.md는 구글이 자사 디자인 도구 Stitch를 위해 만든 오픈소스 마크다운 형식입니다. 팀의 브랜드와 UI 패턴을 한 파일에 담아두고 프롬프트에 끼워 넣기만 하면, AI 결과물이 내 제품에 한결 가깝게 나오죠. 이는 파일 하나로 슬롭을 잡는 간단한 해법이라 꽤나 주목받았습니다.

 

파일은 두 부분입니다. 앞쪽은 기계가 읽는 부분으로 색, 타이포, 모양 같은 디자인 토큰을 나열하고, 뒤쪽은 사람과 AI가 함께 읽는 부분으로 색과 간격, 레이아웃을 왜 이렇게 정했는지 설명합니다. 다만 이건 시스템의 의도를 담는 형식이지, 실제 코드 라이브러리나 Figma 상세 스펙까지 담은 완전한 기술 명세는 아닙니다.

실제로 써보니 어땠나요?

아틀라시안은 이미 자기네 디자인 시스템을 AI에 먹이는 도구를 갖고 있습니다. 필요한 맥락을 그때그때 불러오는 MCP 서버와 AI 스킬인데요. 여기에 DESIGN.md를 만들어 나란히 비교해봤습니다.

 

프로토타입을 빠르게 만들 때는 DESIGN.md가 좋았다고 합니다. 아틀라시안의 연례 행사 Team '26의 대시보드 데모에 넣어보니, 뻔한 슬롭이던 화면이 알아볼 만한 아틀라시안 스타일로 바뀌었다고 해요. Tailwind나 Shadcn처럼 많이들 쓰는 공용 UI 도구를 손봐 화면을 처음부터 만들 때 잘 맞았고요.

 

반면 실제 프로덕션 코드에서는 자기네 MCP나 스킬보다 못했다고 합니다. 아틀라시안의 자체 테스트에서는 로그인 화면처럼 단순한 작업조차 DESIGN.md만 썼을 때 토큰(AI가 글을 처리하는 분량이자 비용의 단위)이 약 92% 더 들었고, 실행할 때마다 소비량 편차도 훨씬 컸다고 해요. 아틀라시안은 그 이유로 세 가지를 꼽았습니다.

 

1. 맥락을 필요할 때 부르지 않고 매번 통째로 싣는 점
2. 파일을 짧게 유지하려면 정작 중요한 설명을 잘라내야 하는 점
3. 시스템 내부를 그대로 드러내다 보니 AI가 기존 컴포넌트를 가져다 쓰기보다 비슷한 걸 새로 만들어버리는 점입니다.

다만 아틀라시안도 이 수치는 자기네 환경에서 나온 결과일 뿐 결론은 아니라고 덧붙였습니다. 정확한 숫자보다는, 맥락을 통째로 싣는 방식이 프로덕션에서는 비용과 일관성에서 불리할 수 있다는 신호로 읽으면 됩니다.

 

무엇을 얻어가야 하나요?

그러니 물음은 DESIGN.md를 쓰느냐 마느냐가 아닙니다. AI에 맥락을 통째로 넘길지, 필요할 때 나눠 줄지를 상황에 맞게 고르는 거예요. 낯선 도구에서 빠르게 프로토타입을 만들거나, 고객이 자기 브랜드를 얹어 결과물을 자기 스타일로 뽑게 하고 싶을 때는 한 파일로 통째로 주는 DESIGN.md가 잘 맞습니다. 기존 시스템을 끌어오기 어려운 상황이니까요. 반대로 이미 컴포넌트와 규칙이 갖춰진 프로덕션에서는, 필요한 부분만 그때그때 불러오는 편이 더 싸고 정확합니다. 결국 내가 지금 만드는 게 맨바닥에서 새로 그리는 화면인지, 이미 갖춰진 시스템 위에 얹는 작업인지를 구분해 적용해야 합니다. 그에 따라 맥락을 주는 방법도 달라지고요.

 

<출처: GitHub, google/agents-cli>

3. 적용해볼 것: 구글이 공개한 AI 에이전트 제작 노하우를 가져다 쓰는 법

GitHub - google/agents-cli: The CLI and skills that turn any coding assistant into an expert at creating, evaluating, and deploying AI agents on Google Cloud. · GitHub

GitHub - google/agents-cli: The CLI and skills that turn any coding assistant into an expert at creating, evaluating, and deploy

 

요즘은 AI 에이전트를 만들어보는 것 자체는 어렵지 않습니다. 문제는 그다음인데요. 만든 에이전트가 정말 잘 도는지 확인하고, 배포하고, 운영하면서 지켜보는 일이 오히려 더 손이 많이 갑니다. 구글이 공개한 google/agents-cli는 이 순서를 도구 안에 그대로 담았습니다.

 

이건 그 자체가 코딩 에이전트는 아닙니다. Claude Code나 Codex처럼 내가 쓰던 코딩 도구에 스킬과 명령어를 얹어, 구글 클라우드에서 에이전트를 만들고 평가하고 배포하는 일을 대신 시키는 CLI(터미널에서 명령어로 쓰는 도구)예요. 여기서 눈여겨볼 건 도구 자체보다, 에이전트를 만드는 순서를 어떻게 짰느냐입니다.

 

무슨 문제를 해결하려 하나요?

에이전트를 한 번 만들어 돌려보면 그럴듯하게 동작합니다. 하지만 실제로 쓰려고 하면 따져볼 게 하나둘 생기죠. 매번 제대로 동작하는지, 이상한 입력이 들어오면 어떻게 반응하는지, 문제가 생기면 어디서부터 무너지는지. 그런데 이걸 매번 사람이 직접 확인하다 보면, 대충 괜찮아 보이네 하고 넘어가기 쉽습니다. agents-cli는 이 확인 과정을 만들기만큼 중요한 단계로 다룹니다.

어떤 노하우가 담겨 있나요?

agents-cli를 코딩 도구에 얹으면, 에이전트를 만들며 부딪히는 단계마다 대신 처리해주는 일이 늘어납니다. 크게 이런 것들이에요.

1. 에이전트 프로젝트 뼈대부터 짜기 (이미 있는 프로젝트에 얹는 것도 가능)
2. ADK(구글의 에이전트 개발 도구) 코드 대신 작성하기
3. 평가용 데이터를 넣어 성능 확인하기
4. Cloud Run이나 GKE로 클라우드에 배포하기
5. Gemini Enterprise에 게시하기
6. 배포한 뒤 상태를 지켜보고, 이 과정을 하나로 엮어주기

 

매번 흩어진 명령어와 서비스를 따로 익히지 않아도, 이 순서와 판단 기준을 코딩 도구가 대신 익히는 셈입니다. 어떤 모델을 고를지, 작업 도중 멀쩡한 코드를 함부로 덮어쓰지 않게 하는 규칙 같은 것도 함께 담겨 있고요.

 

이 중에서 특히 눈에 띄는 건 성능 평가입니다. 평가는 아래 순서로 진행됩니다.

 

어떻게 시작하나요?

명령어 한 줄로 설치가 가능합니다. npx skills add google/agents-cli를 터미널에 치면 내가 쓰는 코딩 도구에 스킬이 깔립니다. 그다음부터는 복잡한 명령어를 외울 필요 없이, 평소 코딩 도구에 부탁하듯 요청하면 됩니다. 가령 긴 글을 짧고 툭툭 끊기는 말투로 압축하는 에이전트를 만들어줘처럼 부탁하면, 코딩 도구가 뼈대 만들기부터 평가, 배포까지 알아서 처리해줍니다.

 

로컬에서 만들고 돌려보는 데까지는 구글 클라우드 없이 API 키만으로 되고, 실제로 배포하고 운영할 때 클라우드가 필요합니다. 아직 정식 출시 전 프리뷰 단계라, 기능은 바뀔 수 있습니다.

 

---

Claude Fable 5 프롬프트 작성하기

 

Claude Fable 5 및 Claude Mythos 5의 동작 차이와 프롬프트 패턴을 다루며, 노력 수준, 지시 사항 준수, 장기 실행, 메모리, 스캐폴딩 변경 사항을 포함합니다.

이 가이드는 Claude Fable 5 및 Claude Mythos 5에 특화된 프롬프트 작성 및 "scaffolding"(스캐폴딩) 패턴을 다룹니다. 모델의 기능, API 변경 사항, 가격 및 가용성에 대해서는 Claude Fable 5 및 Claude Mythos 5 소개를 참조하세요. 현재 모든 Claude 모델에 적용되는 기법에 대해서는 프롬프트 작성 모범 사례를 참조하세요.

Claude Fable 5는 이전 모델에서는 너무 복잡하거나, 장기간 실행되거나, 모호했던 문제를 처리하며, 사람이 완료하는 데 몇 시간, 며칠 또는 몇 주가 걸리는 엔드투엔드 작업에 특히 효과적입니다. 최상의 결과를 얻는 팀들은 Claude Fable 5를 가장 어려운 미해결 문제에 적용합니다. 더 단순한 워크로드에서만 테스트하면 모델의 역량 범위를 과소평가하는 경향이 있습니다. 또한 더 간단한 작업에서도 안정적으로 수행합니다.

Claude Fable 5는 Claude Opus 4.8과 비교하여 프롬프트 또는 스캐폴딩 업데이트가 필요할 수 있는 몇 가지 동작 차이가 있습니다. 이 수준의 역량 향상은 어떤 지시 사항, 도구 및 가드레일이 여전히 필요한지 재평가하기에 좋은 계기이기도 합니다. 아래 패턴은 조정이 가장 자주 필요한 동작을 다룹니다.

Claude Fable 5 및 Claude Mythos 5에 특화된 API 파라미터 변경 사항(적응형 사고만 지원, 요약된 사고 출력만 제공, 확장 사고 예산 없음, refusal stop reason 및 폴백 처리)에 대해서는 Claude Fable 5 및 Claude Mythos 5 소개를 참조하세요.

Claude Fable 5는 공격적 사이버 보안 기법(익스플로잇, 멀웨어 또는 공격 도구 제작 등), 생물학 및 생명과학 콘텐츠(실험실 방법 또는 분자 메커니즘 등), 모델의 요약된 사고 추출을 대상으로 하는 안전 분류기를 실행합니다. 무해한 사이버 보안 작업 및 유익한 생명과학 작업도 이러한 안전장치를 트리거할 수 있습니다. 거부된 요청을 자동으로 다시 라우팅하려면 Claude Opus 4.8로의 서버 측 또는 클라이언트 측 폴백을 구성하세요.

역량 향상

Claude Opus 4.8과 비교하여 Claude Fable 5는 다음 영역에서 개선을 보입니다:

• 장기 자율성. Claude Fable 5는 장기간에 걸쳐 생산적인 출력을 유지하며, 길고 복잡한 작업 전반에 걸쳐 강력한 지시 사항 유지력으로 며칠에 걸친 목표 지향적 실행을 완료합니다.
• 복잡하고 명확하게 정의된 문제에 대한 첫 시도 정확성. 초기 테스터들은 이전에는 며칠간의 반복이 필요했던 시스템을 단일 패스로 구현했다고 보고했습니다.
• 비전. Claude Fable 5는 밀도 높은 기술 이미지, 웹 애플리케이션 및 상세한 스크린샷을 훨씬 더 높은 정확도로 해석하며, 종종 더 적은 출력 토큰을 사용하고, 뒤집히거나 흐릿하거나 노이즈가 있는 이미지를 처리하기 위해 bash 및 crop 도구를 사용하도록 학습되었습니다.
• 엔터프라이즈 워크플로. Claude Fable 5는 지시 사항을 따르고, 범위를 벗어나지 않으며, 재무 분석, 스프레드시트, 슬라이드 및 문서에서 전문가 수준의 출력을 생성합니다.
• 코드 리뷰 및 디버깅. 버그 발견 재현율(안전 분류기가 다루는 사이버 보안 도메인 외)은 코드베이스 및 리포지토리 히스토리 전반의 검색을 포함하여 Claude Opus 4.8보다 눈에 띄게 높습니다.
• 모호성 탐색. Claude Fable 5는 복잡하고 다중 스레드 요청을 받고 다음 단계를 결정하도록 요청받았을 때 우수한 성능을 보입니다.
• 위임 및 협업. Claude Fable 5는 병렬 서브에이전트를 디스패치하고 유지하는 데 훨씬 더 신뢰할 수 있으며, 장기 실행 서브에이전트 및 피어 에이전트와의 지속적인 커뮤니케이션을 안정적으로 관리합니다.

이러한 특정 개선 사항 외에도 Claude Fable 5는 거의 모든 작업에서 이전 모델보다 일반적으로 더 뛰어난 역량을 보입니다. Claude Fable 5는 공격적 사이버 보안 또는 생물학 및 생명과학 작업을 위한 것이 아니며, 해당 도메인의 요청은 stop_reason: "refusal"을 반환할 수 있습니다.

기본적으로 더 긴 턴

어려운 작업에 대한 개별 요청은 더 높은 effort(노력) 설정에서 수 분 동안 실행될 수 있으며, 특히 작업이 컨텍스트 수집, 구축 및 자체 검증을 필요로 하는 경우 그렇습니다. 자율 실행은 몇 시간 동안 지속될 수 있습니다. 이는 팀이 Claude Fable 5에 적응할 때 겪는 가장 큰 변화 중 하나입니다. 마이그레이션 전에 클라이언트 타임아웃, 스트리밍 및 사용자 대면 진행 표시기를 조정하고, 블로킹 대신 예약된 작업 등을 통해 실행을 비동기적으로 확인하도록 하네스를 재구성하는 것을 고려하세요. 작업이 모호할 때 Claude Fable 5가 과도하게 계획하지 않도록 하려면:

When you have enough information to act, act. Do not re-derive facts already established in the conversation, re-litigate a decision the user has already made, or narrate options you will not pursue in user-facing messages. If you are weighing a choice, give a recommendation, not an exhaustive survey. This does not apply to thinking blocks.

모든 effort 수준 고려하기

Effort는 Claude Fable 5에서 지능, "latency"(지연 시간) 및 비용 간의 트레이드오프를 제어하는 주요 수단입니다. 대부분의 작업에는 high를 기본값으로 사용하고, 역량이 가장 중요한 워크로드에는 xhigh를, 일상적인 작업에는 medium 또는 low를 사용하세요. Claude Fable 5의 낮은 effort 설정도 여전히 우수한 성능을 보이며, 종종 이전 모델의 xhigh 성능을 능가합니다. 작업이 완료되지만 필요 이상으로 오래 걸리거나, 더 빠르고 상호작용적인 작업 스타일을 원하는 경우 effort를 낮추세요.

더 높은 effort에서 일상적인 작업을 수행할 때 Claude Fable 5는 작업에 필요한 것 이상으로 컨텍스트를 수집하고 숙고할 수 있습니다. 동시에 더 높은 effort는 종종 우수한 검증 동작, 정교한 추론 및 가장 엄격한 출력을 생성합니다. 더 높은 effort에서 요청하지 않은 정리 또는 리팩토링을 방지하려면:

Don't add features, refactor, or introduce abstractions beyond what the task requires. A bug fix doesn't need surrounding cleanup and a one-shot operation usually doesn't need a helper. Don't design for hypothetical future requirements: do the simplest thing that works well. Avoid premature abstraction and half-finished implementations. Don't add error handling, fallbacks, or validation for scenarios that cannot happen. Trust internal code and framework guarantees. Only validate at system boundaries (user input, external APIs). Don't use feature flags or backwards-compatibility shims when you can just change the code.

강력한 지시 사항 준수

지시 사항 준수가 충분히 개선되어 각 동작을 이름별로 열거하는 대신 간단한 지시로 대부분의 동작을 조정할 수 있습니다. 예를 들어, 별도의 조정 없이 Claude Fable 5는 특히 더 높은 effort 설정에서 작업에 필요한 것 이상으로 상세히 설명할 수 있습니다. 추구하지 않을 옵션을 조사하거나, 근본 원인을 길게 설명하거나, 과도하게 구조화된 PR 설명을 생성하거나, 다음 줄이 무엇을 하는지 서술하는 주석을 작성하는 등입니다. 짧은 간결성 지시는 각 패턴을 나열하는 것만큼 효과적입니다:

Lead with the outcome. Your first sentence after finishing should answer "what happened" or "what did you find": the thing the user would ask for if they said "just give me the TLDR." Supporting detail and reasoning come after. Being readable and being concise are different things, and readability matters more.

The way to keep output short is to be selective about what you include (drop details that don't change what the reader would do next), not to compress the writing into fragments, abbreviations, arrow chains like A → B → fails, or jargon.

장기 실행 워크플로의 체크포인트 동작에도 동일하게 적용됩니다. Claude Fable 5가 진정으로 사용자가 필요한 지점에서만 멈추도록 하려면 모든 경우를 열거할 필요가 없습니다:

Pause for the user only when the work genuinely requires them: a destructive or irreversible action, a real scope change, or input that only they can provide. If you hit one of these, ask and end the turn, rather than ending on a promise.

장기 실행 중 진행 상황 주장의 근거 확보

장기 자율 실행에서는 Claude Fable 5가 실제 도구 결과를 기준으로 진행 상황을 감사하도록 지시하세요. Anthropic의 테스트에서 이는 조작된 상태 보고를 유도하도록 설계된 작업에서도 이를 거의 완전히 제거했습니다:

Before reporting progress, audit each claim against a tool result from this session. Only report work you can point to evidence for; if something is not yet verified, say so explicitly. Report outcomes faithfully: if tests fail, say so with the output; if a step was skipped, say that; when something is done and verified, state it plainly without hedging.

경계 명시하기

Claude Fable 5는 때때로 요청하지 않은 작업(요청하지 않았는데 이메일 초안 작성, 방어적 git 브랜치 백업 생성)을 수행할 수 있습니다. Claude Fable 5가 해야 할 것과 하지 말아야 할 것에 대한 명시적 제약을 정의하세요:

When the user is describing a problem, asking a question, or thinking out loud rather than requesting a change, the deliverable is your assessment. Report your findings and stop. Don't apply a fix until they ask for one. Before running a command that changes system state (restarts, deletes, config edits), check that the evidence actually supports that specific action. A signal that pattern-matches to a known failure may have a different cause.

병렬 서브에이전트

Claude Fable 5는 이전 모델보다 더 적극적으로 병렬 서브에이전트를 디스패치합니다. 서브에이전트를 자주 사용하고, 위임이 적절한 시점에 대한 명시적 지침을 제공하며, 각 서브에이전트가 반환될 때까지 블로킹하는 대신 오케스트레이터와 서브에이전트 간의 비동기 통신을 선호하세요. 하위 작업 전반에 걸쳐 컨텍스트를 유지하는 장기 실행 서브에이전트는 캐시 읽기를 통해 시간과 비용을 절약하고 가장 느린 서브에이전트에서 병목 현상이 발생하는 것을 방지합니다.

Delegate independent subtasks to subagents and keep working while they run. Intervene if a subagent goes off track or is missing relevant context.

메모리 시스템 구축하기

Claude Fable 5는 이전 실행에서 얻은 교훈을 기록하고 참조할 수 있을 때 특히 우수한 성능을 보입니다. Markdown 파일처럼 간단한 형태로 노트를 작성할 장소를 제공하세요:

Store one lesson per file with a one-line summary at the top. Record corrections and confirmed approaches alike, including why they mattered. Don't save what the repo or chat history already records; update an existing note rather than creating a duplicate; delete notes that turn out to be wrong.

기존 히스토리에서 메모리 시스템을 부트스트랩하려면 Claude Fable 5가 과거 세션을 검토하도록 하세요:

Reflect on the previous sessions we've had together. Use subagents to identify core themes and lessons, and store them in [X]. Make sure you know to reference [X] for future use.

드물게 발생하는 조기 중단 사례

긴 세션이 깊이 진행된 상태에서 Claude Fable 5는 때때로 해당 도구 호출을 실행하지 않고 텍스트로만 의도를 표명("이제 X를 실행하겠습니다")하며 턴을 종료하거나, 진행하기에 충분한 정보가 이미 있음에도 허가를 요청하며 일시 중지할 수 있습니다. "계속하세요" 또는 "끝까지 진행하세요"라고 하면 충분합니다. 일시 중지가 적절한 시점을 정의하려면 이를 강력한 지시 사항 준수의 체크포인트 지시와 함께 사용하세요. 자율 파이프라인의 경우 시스템 리마인더를 추가하세요:

You are operating autonomously. The user is not watching in real time and cannot answer questions mid-task, so asking "Want me to…?" or "Shall I…?" will block the work. For reversible actions that follow from the original request, proceed without asking. Offering follow-ups after the task is done is fine; asking permission after already discussing with the user before doing the work is not. Before ending your turn, check your last paragraph. If it is a plan, an analysis, a question, a list of next steps, or a promise about work you have not done ("I'll…", "let me know when…"), do that work now with tool calls. End your turn only when the task is complete or you are blocked on input only the user can provide.

드물게 발생하는 컨텍스트 예산 우려 사례

매우 긴 세션에서 Claude Fable 5는 때때로 새 세션을 제안하거나, 요약 및 인계를 제안하거나, 자신의 작업을 축소할 수 있습니다. 이는 하네스가 모델에 남은 토큰 카운트다운을 표시할 때 가장 자주 트리거됩니다. 가능한 경우 명시적인 컨텍스트 예산 카운트를 노출하지 마세요. 하네스가 이를 표시해야 하는 경우 안심시키는 문구가 도움이 됩니다:

You have ample context remaining. Do not stop, summarize, or suggest a new session on account of context limits. Continue the work.

요청뿐만 아니라 이유도 제공하기

Claude Fable 5는 요청 뒤의 의도를 이해할 때 더 나은 성능을 보이는 경향이 있습니다. 컨텍스트는 모델이 스스로 의도를 추론하는 대신 작업을 관련 정보와 연결할 수 있게 합니다. 특히 여러 작업 스트림을 활용하는 장기 실행 에이전트의 경우 요청하는 이유에 대한 컨텍스트를 제공하세요:

I'm working on [the larger task] for [who it's for]. They need [what the output enables]. With that in mind: [request].

사용자와 소통할 때의 가독성

확장된 또는 에이전트 대화(많은 도구 호출, 큰 작업 컨텍스트)에서 Claude Fable 5는 따라가기 어려운 텍스트를 생성할 수 있습니다. 밀도 높은 화살표 체인 약어, 깊은 구현 세부 사항, 사용자가 본 적 없는 사고에 대한 참조, 또는 지나치게 기술적인 표현 등입니다. 커뮤니케이션 스타일 부록이 이를 완화합니다:

Terse shorthand is fine between tool calls (that's you thinking out loud, and brevity there is good). Your final summary is different: it's for a reader who didn't see any of that.

If you've been working for a while without the user watching (overnight, across many tool calls, since they last spoke), your final message is their first look at any of it. Write it as a re-grounding, not a continuation of your working thread: the outcome first, then the one or two things you need from them, each explained as if new. The vocabulary you built up while working is yours, not theirs; leave it behind unless you re-introduce it.

When you write the summary at the end, drop the working shorthand. Write complete sentences. Spell out terms. Don't use arrow chains, hyphen-stacked compounds, or labels you made up earlier. When you mention files, commits, flags, or other identifiers, give each one its own plain-language clause. Open with the outcome: one sentence on what happened or what you found. Then the supporting detail. If you have to choose between short and clear, choose clear.

send-to-user 도구 만들기

장기 비동기 에이전트를 실행할 때, 에이전트가 턴을 종료하지 않고 사용자가 작성된 그대로 정확히 봐야 하는 메시지를 표시할 수 있는 방법을 제공하세요. 산출물(생성된 코드 스니펫 또는 작성된 메시지), 구체적인 수치가 포함된 진행 상황 업데이트, 또는 사용자가 루프 중간에 물어본 질문에 대한 직접 답변 등이 해당됩니다. 도구의 입력은 표시할 메시지입니다. Claude가 이를 호출하면 입력을 UI에 직접 렌더링하고 간단한 확인을 도구 결과로 반환하세요. 도구 입력은 절대 요약되지 않으므로 콘텐츠가 그대로 전달됩니다.

{
  "name": "send_to_user",
  "description": "Display a message directly to the user. Use this for progress updates, partial results, or content the user must see exactly as written before the task finishes.",
  "input_schema": {
    "type": "object",
    "properties": {
      "message": {
        "type": "string",
        "description": "The content to display to the user."
      }
    },
    "required": ["message"]
  }
}

UX가 작업 중간에 콘텐츠 또는 직접적인 사용자 상호작용을 그대로 전달하는 데 의존하는 경우 이 도구를 추가하세요. 일상적인 진행 상황만 서술하는 에이전트의 경우 모델 자체의 요약으로 일반적으로 충분합니다. 도구를 정의하는 것만으로는 충분하지 않습니다. 시스템 프롬프트에 지시가 없으면 Claude Fable 5는 이를 거의 호출하지 않습니다. 다음과 같은 유도 문구와 함께 도구를 사용하세요:

Between tool calls, when you have content the user must read verbatim (a partial deliverable, a direct answer to their question), call the send_to_user tool with that content. Use send_to_user only for user-facing content, not for narration or reasoning.

서술이나 내부 추론을 send_to_user를 통해 라우팅하지 마세요. 사용자 대면이 아닌 콘텐츠에 대해 과도하게 호출하면 목적이 무색해집니다.

권장 스캐폴딩 변경 사항

• 난이도 범위의 최상단에서 시작하세요. 이전 모델에 할당했을 것보다 더 어려운 작업을 선택하고, Claude Fable 5가 범위를 정하고, 명확화 질문을 하고, 실행하도록 하세요.
• 장기 실행 프롬프트에서 자체 검증을 명시적으로 만드세요. 별도의 새로운 컨텍스트를 가진 검증자 서브에이전트가 자기 비평보다 더 나은 성능을 보이는 경향이 있습니다. 장기 실행 작업의 경우 다음과 같이 지시하세요: Establish a method for checking your own work at an interval of [X] as you build. Run this every [X interval], verifying your work with subagents against the specification.
• 기존 프롬프트와 스킬을 리팩토링하세요. 이전 모델용으로 개발된 스킬은 Claude Fable 5에 대해 너무 규범적인 경우가 많으며 출력 품질을 저하시킬 수 있습니다. 기본 성능이 더 나은 경우 이전 지시 사항을 검토하고 제거하는 것을 고려하세요. Claude Fable 5는 또한 당면한 작업에서 학습한 내용을 바탕으로 스킬을 즉석에서 업데이트하는 데 능숙합니다.
• Claude에게 응답에서 추론을 재현하도록 지시하지 마세요. 모델에게 내부 추론을 응답 텍스트로 반복, 전사 또는 설명하도록 지시하는 프롬프트, 스킬 또는 하네스 지시는 Claude Fable 5에서 reasoning_extraction 거부 카테고리를 트리거하여 Claude Opus 4.8로의 폴백이 증가할 수 있습니다. 마이그레이션 시 기존 스킬 및 시스템 프롬프트에서 성찰 또는 사고 과정 표시 지시를 감사하세요. 애플리케이션에 추론 가시성이 필요한 경우 대신 적응형 사고의 구조화된 thinking 블록을 읽고, 장기 실행 중 진행 상황을 표시하려면 send-to-user 도구를 사용하세요.
• send-to-user 도구를 만드세요. 장기 비동기 에이전트의 경우 클라이언트 측 도구가 턴을 종료하지 않고 메시지를 사용자에게 그대로 전달합니다. send-to-user 도구 만들기를 참조하세요.