실수를 기록하고 반복 업무를 스킬로 만드는 AI, Prime Agent
한마디로, 함께 일할수록 업무 노트와 전용 도구가 쌓이는 AI 직원입니다.
이건 좀 사람 같습니다.
작업 중 실수나 비효율을 발견하면 과정을 검토해 다음에 참고할 교훈으로 남길 수 있습니다. 반복 업무는 다시 꺼내 쓸 수 있는 ‘스킬’로 만들 수도 있습니다.
대화창을 닫은 뒤에도 활성 작업을 계속 실행하고, 나중에 같은 세션으로 돌아와 하던 일을 이어가는 기능도 제공합니다.
한마디로, 함께 일할수록 업무 노트와 전용 도구가 쌓이는 AI 직원입니다.
이 AI의 이름은 Prime Agent입니다.
Prime Agent란?
Prime Agent는 Prime Intellect가 공개한 오픈소스 코딩·연구 에이전트입니다. 짧은 질문에 답하는 챗봇보다 코딩, 조사, 검증처럼 여러 단계를 거치거나 오랜 시간 이어지는 작업에 초점을 맞췄습니다.
공식 저장소는 Prime Agent를 **“코딩 워크플로와 장시간 자율 작업을 위한 자기개선형 RLM 에이전트”**라고 소개합니다.
RLM은 Recursive Language Model의 약자입니다. Prime Agent에서 AI 모델은 지속형 Python 환경을 작업 제어판처럼 사용합니다. 파일과 데이터를 살펴보고, 프로젝트 명령을 실행하며, 스킬을 호출하고, 필요한 하위 작업은 별도의 에이전트에게 맡깁니다.
프로젝트는 MIT 라이선스로 공개돼 있으며, 공식 저장소의 주 언어는 TypeScript입니다. 2026년 8월 30일 확인 당시 GitHub 스타는 19,095개, 포크는 2,071개였습니다. 이 수치는 계속 변하므로 게시 직전 다시 확인하는 것이 좋습니다.
핵심은 AI 모델보다 ‘일하는 환경’에 있다
일반적인 챗봇은 현재 대화 안에서 맥락을 이해하더라도 대화가 끝나면 작업 과정과 노하우가 끊기기 쉽습니다.
Prime Agent는 Continual Harness라는 구조를 통해 모델이 참고하는 보충 상태를 한 번의 대화보다 오래 유지합니다.
작업 중 얻은 메모리
보충 프롬프트와 작업 지침
재사용 가능한 스킬 설명
하위 에이전트 명세
작업 목표와 진행 상태
Python 실행 환경
세션 기록과 결과물
매번 새 직원에게 처음부터 설명하듯 지시하는 대신, 이전 작업에서 축적한 업무 자산을 다음 작업에 다시 활용하는 방식입니다.
실수하면 정말 스스로 기억할까?
Prime Agent에는 현재 작업 과정을 검토하는 /refine 기능이 있습니다.
/refine은 작업 기록을 돌아보고 근거가 확인된 핵심 교훈을 메모리, 보충 프롬프트, 스킬 설명, 하위 에이전트 명세 등에 반영합니다. 변경 이력과 스냅샷도 남기 때문에 필요하면 이전 상태로 되돌릴 수 있습니다.
예를 들어 AI가 프로젝트의 파일 구조를 잘못 이해했다고 가정해 보겠습니다.
AI가 잘못된 경로에서 작업합니다.
사용자가 올바른 구조와 처리 방법을 알려줍니다.
/refine으로 작업 기록을 검토합니다.확인된 교훈을 다음 작업에서 참고할 상태로 남깁니다.
나중에 같은 세션을 재개하면 저장된 내용을 다시 활용합니다.
다만 모든 실수가 발생 즉시 자동으로 기록되는 것은 아닙니다. 작업 기록을 검토하고 어떤 교훈을 반영할지 결정하는 과정이 필요합니다.
또한 기본 설정에서는 개선 내용이 세션 로컬 범위에 저장됩니다. 한 세션에서 얻은 교훈이 모든 프로젝트와 세션으로 자동 전파되는 것은 아닙니다.
기본 시스템 프롬프트를 마음대로 다시 쓰는 구조도 아닙니다. 공식 설명에 따르면 /refine은 변경 가능한 보충 상태에 근거가 있는 작은 업데이트를 적용합니다.
“실수할 때마다 알아서 성장한다”보다 “작업 과정을 검토해 확인된 교훈을 저장하고 재사용할 수 있다”가 더 정확한 설명입니다.
반복 업무를 실행 가능한 ‘스킬’로 만든다
Prime Agent는 반복되는 작업 절차를 재사용 가능한 스킬로 구성할 수 있습니다.
Agent Skills Markdown 형식뿐 아니라 Python 기반 스킬도 지원합니다. Python 기반 스킬은 단순한 설명 문서를 넘어 지침, 참고 자료, 의존성, 스크립트, 호출 가능한 Python 함수까지 하나의 패키지로 묶을 수 있습니다.
예를 들면 다음과 같은 업무를 스킬로 만들 수 있습니다.
여러 문서에서 핵심 수치 추출하기
정해진 형식으로 보고서 작성하기
코드를 테스트하고 오류 유형 분류하기
프로젝트 규칙에 맞춰 파일 정리하기
조사 자료를 표와 요약문으로 변환하기
한 번 스킬로 만들어두면 다음 작업에서 전체 절차를 처음부터 길게 설명하지 않고 다시 호출할 수 있습니다.
다만 자주 사용한다고 모든 작업이 저절로 스킬이 되는 것은 아닙니다. 내장 스킬 생성기를 통해 사용자가 만들도록 요청하거나, 에이전트가 별도의 생성·패키징·검토 절차를 수행해야 합니다.
메모리가 업무 노트라면, 스킬은 업무 매뉴얼과 자동화 도구에 가깝습니다.
하위 에이전트에게 일을 나눠 맡긴다
Prime Agent는 rlm(...) 호출로 독립된 컨텍스트를 가진 하위 에이전트를 만들 수 있습니다.
예를 들어 한 에이전트는 공개 API를 검토하고, 다른 에이전트는 테스트 범위를 확인하며, 또 다른 에이전트는 통합 테스트를 실행하도록 병렬로 분담할 수 있습니다.
하위 에이전트는 작업 승인 후 별도의 세션에서 실행됩니다. 결과는 부모 에이전트에게 메시지나 파일로 전달되며, 부모는 필요하면 추가 요청을 보낼 수 있습니다.
최근 공식 설명에는 실행 중인 에이전트들이 사용자를 거치지 않고 서로 메시지를 주고받으며 작업을 조정하는 에이전트 간 직접 통신도 포함돼 있습니다.
대화창을 닫아도 작업을 이어갈 수 있다
Prime Agent는 데몬 기반으로 동작합니다. 터미널 연결이 끊겨도 활성 세션과 Python REPL 상태, 일정, 하위 에이전트가 계속 실행될 수 있습니다.
사용자는 나중에 기존 세션에 다시 연결해 진행 상황을 확인하고 작업을 이어갈 수 있습니다.
prime-agent agents: 실행 중이거나 저장된 세션 확인prime-agent attach: 실행 중인 세션에 다시 연결prime-agent --resume: 경로나 세션 ID로 기존 작업 재개prime-agent status: 백그라운드 서비스 상태 확인
장기 작업을 위해 영속 목표, 하트비트, 예약 실행, 자동 문맥 압축, 제한된 자율 모드도 제공합니다.
다만 자율 모드가 시간·턴·토큰 한도에 도달했다고 해서 작업이 성공했다는 뜻은 아닙니다. 품질 게이트 역시 해당 게이트가 검증한 범위만 보장합니다.
Prime Agent는 한 번 답하고 사라지는 챗봇이라기보다 진행 중인 업무를 보존하고 이어가는 작업 환경에 가깝습니다.
‘자기개선형 AI’라는 표현의 한계
Prime Agent를 설명할 때 가장 주의해야 할 표현은 “스스로 학습한다”입니다.
이 표현만 보면 AI 모델이 자신의 실수를 바탕으로 가중치를 다시 학습하는 것처럼 오해할 수 있습니다. 하지만 Prime Agent의 자기개선은 모델 자체를 재훈련하는 방식과 다릅니다.
Prime Agent가 주로 개선하고 재사용하는 것은 다음과 같은 모델 바깥의 업무 자산입니다.
메모리
보충 프롬프트
스킬과 스킬 설명
작업 목표
하위 에이전트 설정
세션과 실행 상태
AI의 두뇌가 저절로 바뀌는 것이 아니라, 함께 일하면서 AI가 참고할 업무 매뉴얼과 전용 도구가 축적되는 구조입니다.
강력한 실행 권한, 보안에는 주의해야 한다
Prime Agent는 모델이 생성한 Python 코드와 프로젝트 명령을 사용자의 운영체제 권한으로 실행합니다.
공식 문서도 worker와 kernel 프로세스가 실행 수명 주기의 격리와 복구를 돕지만, 이 환경 자체가 보안 샌드박스는 아니다라고 경고합니다.
실제 프로젝트에서 사용할 때는 다음과 같은 안전장치가 필요합니다.
일회용 복제본이나 깨끗한 Git worktree에서 먼저 실행하기
작업 전에 커밋이나 체크포인트 만들기
운영 환경과 분리된 제한 환경에서 테스트하기
API 키와 중요 데이터의 접근 범위 줄이기
외부 저장소, 지침, 스킬과 확장 기능 검토하기
삭제·배포·외부 전송처럼 위험한 행동 통제하기
변경 사항과 실행 기록 확인하기
기억 기능도 무조건 장점만 있는 것은 아닙니다. 잘못된 교훈이 저장되면 이후 작업에서 반복적으로 사용될 수 있습니다. 메모리와 스킬을 주기적으로 검토하고, 필요하면 수정하거나 이전 스냅샷으로 되돌릴 수 있어야 합니다.
Prime Agent가 보여주는 AI 에이전트의 다음 경쟁
지금까지 AI 서비스의 경쟁은 모델이 얼마나 어려운 질문에 답할 수 있는지에 집중돼 있었습니다.
Prime Agent는 앞으로의 AI 에이전트에서 다른 능력도 중요해질 수 있음을 보여줍니다.
사용자의 업무 맥락을 얼마나 오래 보존하는가
작업에서 얻은 교훈을 얼마나 정확하게 축적하는가
반복 절차를 재사용 가능한 도구로 만들 수 있는가
여러 에이전트에게 업무를 얼마나 효율적으로 분담하는가
장기 작업을 얼마나 안정적으로 이어가는가
강한 실행 권한을 얼마나 안전하게 통제하는가
사람도 입사 첫날보다 업무 경험과 매뉴얼이 쌓인 뒤 더 효율적으로 일합니다. AI 에이전트도 매번 처음부터 시작하는 도구에서 사용자와 함께 업무 체계를 축적하는 도구로 발전하고 있습니다.
Prime Agent가 흥미로운 이유는 단순히 코딩을 잘하기 때문만은 아닙니다.
AI를 사용할수록 결과물뿐 아니라 다음 일을 더 잘하기 위한 방법까지 남길 수 있다는 점에 있습니다.
핵심 정리
Prime Agent는 코딩·연구·장시간 자율 작업을 위한 오픈소스 AI 에이전트입니다.
지속형 Python 환경에서 파일, 데이터, 명령, 스킬과 하위 에이전트를 프로그래밍 방식으로 다룹니다.
/refine으로 작업 기록을 검토하고 확인된 교훈을 보충 상태에 반영할 수 있습니다.반복 업무를 지침과 코드가 포함된 실행 가능한 스킬로 만들 수 있습니다.
하위 에이전트를 병렬로 실행하고 에이전트 간 직접 통신으로 작업을 조정할 수 있습니다.
세션과 실행 상태를 보존해 터미널 연결이 끊긴 뒤에도 작업을 계속할 수 있습니다.
모델 자체를 재학습하기보다 메모리·프롬프트·스킬 같은 업무 자산을 개선합니다.
개선 내용은 기본적으로 세션 로컬 범위이며 모든 세션에 자동 전파되지 않습니다.
사용자 권한으로 코드를 실행하므로 격리 환경, 권한 제한과 변경 검토가 필요합니다.
참고 자료
이 글은 2026년 8월 30일 공식 GitHub 저장소와 문서를 다시 확인해 업데이트했습니다. 기능과 GitHub 통계는 이후 변경될 수 있습니다.