Your agents lack context: Here's how to fix "You're absolutely right!" — Brandon Waselnuk, Unblocked

한 줄 핵심

에이전트가 팀원의 코드처럼 자연스럽게 작동하려면 모델 자체보다 필요한 정보를 적절한 시점에 수집·정리·충돌 해결·권한 통제해 주는 context engine이 핵심이다.

시간별 요약

1. 0:00
   AI 코드가 팀원이 작성한 것처럼 느껴져야 하는 이유 AI가 만든 코드는 단순히 정답인지보다, 오랫동안 같은 팀에서 일한 사람의 맥락과 판단이 배어 있는 것처럼 보여야 실제로 신뢰할 수 있다. 인간은 출근, PR, 회의, 장애 대응을 통해 회사의 문맥을 쌓아 왔지만, 에이전트는 그 문맥이 없어서 같은 수준의 결과를 내려면 별도의 context engine이 필요하다.
2. 1:50
   에이전트가 커질수록 나쁜 맥락이 누적되는 방식 새 터미널 세션의 에이전트는 지능은 높아도 회사 운영 방식에 대한 문맥이 없기 때문에, 시작 단계의 정보가 틀리면 이후 비용이 기하급수적으로 커진다. 반복 수정으로 토큰과 시간이 낭비되고, 병렬 에이전트와 코드 리뷰 단계로 갈수록 맥락 부족이 조직 전체의 검토 비용으로 전환되며, 최종적으로는 백그라운드 에이전트가 스스로 계속 일하려면 질의 가능한 문맥 기반이 필수다.
3. 4:20
   두 가지 막다른 길, 선별된 맥락과 MCP의 한계 마크다운 파일로 프로젝트 맥락을 정리해 grep하게 만드는 방식은 초기에는 도움이 되지만, 문서가 쉽게 낡고 조직 전체에 일관되게 유지하기 어렵다. MCP는 외부 시스템 접근을 열어 주지만, 설명이 부실하면 호출되지 않거나 첫 검색 결과에 만족해 더 중요한 정보를 놓치므로, 단순한 접근권만으로는 이해를 보장할 수 없다.
4. 5:52
   컨텍스트 엔진이 실제로 해야 할 일 에이전트가 보지 못하는 것은 제품이 컴파일되는 코드 아래의 운영 규칙, 배포 절차, 플래그 전환 같은 정보이며, 이것을 모르면 프로덕션 장애로 이어질 수 있다. 좋은 context engine은 사용자가 누구이고 어디서 일하는지 이해한 뒤 필요한 정보를 좁혀 찾고, 오래된 문서와 최신 Slack 같은 충돌을 해결하며, 권한과 거버넌스를 지키면서 토큰 효율적으로 적절한 맥락을 제공해야 한다.
5. 7:26
   엔진 내부와 여섯 가지 특성 context engine은 여러 데이터 소스를 수집해 작업별로 맞춤 컨텍스트를 내보내는 구조이며, 핵심은 여섯 가지 특성으로 정리된다. 조직 전체를 아우르는 통합 시스템 맥락, 빠른 목표 검색, 충돌 해결, 개인화된 관련성, 토큰 최적화, 권한 집행이 함께 있어야 대규모 조직에서도 정확하고 효율적인 답변이 가능하다.
6. 9:16
   같은 프롬프트, 맥락 유무에 따른 차이 동일한 프롬프트도 context engine이 붙으면 검색용 토큰과 재시도가 크게 줄고, 작업 시간과 총 토큰 사용량이 눈에 띄게 감소한다. 맥락이 주입되면 초반 탐색이 사라져 triage가 빨라지고, 답변 품질도 조직 내부 상황을 반영해 더 좋아진다.
7. 10:11
   써볼 만한 세 가지 오픈소스 도구 GitHub 활동과 리뷰 관계를 분석해 팀의 사회적 그래프를 만드는 도구, 저장소의 규칙 파일을 찾아 중복과 문제를 정리하는 repo rules agent, 그리고 RAG를 넘어 관계형 맥락 엔진을 만드는 워크숍 자료가 소개된다. 특히 단순 검색만으로는 못 푸는 질의에는 스키마를 발견해 쿼리로 답을 얻는 방식이 필요하다는 점이 강조된다.
8. 12:25
   코드 생성 너머와 마무리 context engine의 효과는 코드 생성에만 그치지 않고 고객 지원, 영업, 현장 의사결정처럼 조직의 여러 영역에서 즉시 활용될 수 있다. 이제 차이를 만드는 것은 모델의 지능보다 맥락이며, AI 도구를 대규모로 쓰려면 조직 안에 맞는 context를 얼마나 잘 쌓고 공급하느냐가 관건이다.

실무 인사이트

• 에이전트를 도입할 때는 모델 선택보다 먼저, 어떤 소스를 어떤 우선순위와 권한으로 공급할지 context engine 설계를 잡는 것이 효과적이다.
• 문서화만으로는 부족하므로, 정적 문서·최근 대화·저장소 규칙·조직 관계를 함께 다루는 충돌 해결 로직이 필요하다.
• 실무에서는 RAG와 쿼리 기반 조회를 함께 써야 하며, 특히 관계형 질문은 검색보다 정형 질의가 더 정확하다.