Warp가 터미널을 오픈소스로 전환하면서 “오픈 에이전트 개발(Open Agentic Development)”을 전면에 내세웠다. OpenAI 글의 핵심은 GPT-5.5라는 모델 이름보다, 여러 코딩 에이전트를 오래 실행하고 사람이 검토 가능한 결과로 묶어내는 운영 방식에 있다.
핵심 요약
- Warp는 올해 터미널 클라이언트를 오픈소스로 공개했고, OpenAI가 해당 저장소의 founding sponsor로 참여했다고 밝혔다.
- Warp가 말하는 Open Agentic Development는 사람이 목표와 검토 기준을 정하고, 에이전트가 계획·코드 작성·테스트·풀 리퀘스트 생성을 맡는 개발 방식이다.
- OpenAI 글에 따르면 Warp의 오픈소스 워크플로에서는 GPT-5.5가 긴 범위의 코딩 과제를 다루는 에이전트에 쓰인다. 내부 벤치마크에서는 GPT-5.4 대비 에이전트 코딩 과제당 토큰을 30% 적게 썼다고 설명했다.
- Warp는 현재 약 100만 명의 개발자와 Fortune 500 기업의 56% 이상이 쓰고 있으며, 자체 엔지니어링 조직에서는 에이전트가 회사 풀 리퀘스트의 약 90%를 함께 만든다고 밝혔다.
- Oz는 Warp가 만든 클라우드 오케스트레이션 플랫폼이다. 로컬과 클라우드 환경 사이에서 에이전트를 실행하고, 상태를 관찰하고, 결과물을 검토하도록 돕는다.
무엇이 바뀌었나
Warp는 원래 빠른 터미널, 협업 기능, 명령 워크플로, AI 기반 인터페이스로 알려진 개발자 도구였다. 이번 OpenAI 사례에서 달라진 지점은 터미널이 단순히 명령을 입력하는 화면을 넘어, 에이전트가 명령·문맥·리뷰·협업을 만나는 장소로 해석된다는 점이다. 개발자는 자연어로 목표를 적고, 에이전트는 여러 단계를 나누어 실행한 뒤 사람이 검토할 수 있는 풀 리퀘스트와 산출물을 만든다.
Open Agentic Development라는 표현도 여기서 나온다. 오픈소스 기여를 사람이 직접 모든 구현을 작성하는 활동으로만 보지 않고, 제품 판단과 방향성, 리뷰 기준을 커뮤니티가 제공하고 에이전트가 반복 작업을 수행하는 구조로 보겠다는 것이다. OpenAI 글은 이 방식이 아직 초기 실험 단계라고 선을 긋지만, Warp가 터미널 클라이언트를 공개하고 그 과정을 에이전트 중심으로 운영하려 한다는 점에서 실제 실험장이 생겼다.
수치도 눈에 띈다. Warp는 GPT-5.5가 GPT-5.4보다 에이전트 코딩 과제당 토큰을 30% 적게 사용했다고 밝혔다. 긴 에이전트 작업에서는 토큰 사용량이 곧 비용, 지연, 컨텍스트 관리 난이도로 이어진다. 따라서 이 수치는 단순한 모델 성능 비교가 아니라, 장시간 실행되는 코딩 에이전트를 팀 단위로 굴릴 때 경제성이 나아질 수 있다는 주장으로 읽어야 한다.
Oz가 맡는 역할
Oz는 Warp가 에이전트를 배포하고 조율하기 위해 만든 제어판에 가깝다. 개발자는 웹 인터페이스에서 에이전트를 시작하고, 미리 정의된 skill과 실행 환경을 고르며, 사용할 모델과 호스팅 구성을 선택할 수 있다. 실행 중에는 긴 작업의 상태를 중앙에서 보고, 라이브 세션과 생성된 산출물을 확인하며, 클라우드와 로컬 환경 사이를 오가도 문맥을 잃지 않도록 설계됐다.
특히 중요한 부분은 “오래 실행되는 에이전트”를 위한 장치다. OpenAI 글은 Oz가 context compaction, persistent memory, 코드 검색과 파일 분석을 맡는 전용 subagent 등을 사용한다고 설명한다. 에이전트가 몇 분짜리 보조 기능을 넘어 몇 시간 또는 반복 작업을 맡기 시작하면, 이전 결정과 현재 목표를 헷갈리지 않게 만드는 메모리·압축·관찰성의 품질이 결과 품질을 좌우한다.
또 하나의 포인트는 모델 라우팅이다. Warp는 작업 유형과 난이도에 따라 더 복잡한 코딩·추론 작업을 강한 모델 구성으로 보내고, OpenAI 모델을 평가 파이프라인의 LLM-as-a-judge 역할에도 쓴다고 밝혔다. 실무적으로는 “모든 작업을 가장 비싼 모델에 보낼 것인가”가 아니라, 작업 난이도와 위험도에 따라 모델·환경·승인 단계를 나누는 문제가 된다.
실사용 전 운영 기준
| 확인 항목 | 왜 중요한가 | 권장 확인 방식 |
|---|---|---|
| 저장소 권한 | 에이전트가 브랜치, 이슈, 비밀값, 배포 설정에 접근할 수 있다면 작은 실수도 큰 변경으로 이어질 수 있다. | 읽기 전용 또는 제한된 테스트 저장소에서 시작하고, 쓰기 권한은 PR 생성 범위로 좁힌다. |
| 실행 환경 | 로컬과 클라우드를 오가면 네트워크, 파일 접근, 인증 토큰의 경계가 달라진다. | 테스트 컨테이너나 샌드박스 환경을 고정하고, 어떤 환경에서 어떤 명령이 실행됐는지 로그로 남긴다. |
| 리뷰와 롤백 | Warp 사례처럼 에이전트가 PR을 많이 만들수록 사람의 리뷰 기준이 병목이 된다. | 자동 병합을 피하고, 테스트 실패·민감 파일 변경·권한 변경은 반드시 사람 승인으로 돌린다. |
| 비용과 토큰 | 긴 작업은 토큰·턴 수·재시도 비용이 누적된다. 30% 토큰 절감 주장이 실제 비용 절감으로 이어지는지는 팀 환경에서 확인해야 한다. | 작업당 토큰, 실행 시간, 실패 후 재시도 횟수, 사람이 고친 라인 수를 함께 기록한다. |
| 평가 기준 | LLM-as-a-judge는 유용하지만, 같은 모델 계열이 만든 결과를 같은 계열 모델이 평가하면 편향이 생길 수 있다. | 자동 평가와 사람 리뷰를 분리하고, 실패 사례를 회귀 테스트로 남긴다. |
작은 범위로 검증하기
- 반복되지만 위험이 낮은 과제부터 고른다. 문서 업데이트, 테스트 보강, 작은 리팩터링처럼 실패해도 되돌리기 쉬운 작업이 적합하다. 인증, 결제, 배포 스크립트, 고객 데이터 처리 코드는 초기에 제외한다.
- 에이전트가 남겨야 할 산출물을 정한다. 코드 변경만 요구하지 말고, 의도, 실행한 테스트, 남은 위험, 사람이 확인해야 할 파일을 PR 설명에 쓰게 한다.
- 동일 과제를 사람·에이전트 방식으로 비교한다. 완료 시간, 테스트 통과율, 리뷰 코멘트 수, 되돌림 여부를 기록하면 “빠르다”는 느낌보다 실제 전환 가치가 보인다.
- 메모리와 문맥 유지 품질을 확인한다. 반복 워크플로에서 이전 결정이 다음 작업에 잘 반영되는지, 오래된 지시가 잘못 재사용되지는 않는지 본다.
- 권한을 단계적으로 넓힌다. 테스트 저장소에서 내부 도구, 주요 저장소로 넘어갈 때마다 승인 규칙과 로그 보존 기간을 다시 점검한다.
비교 포인트
Warp의 접근은 일반적인 코딩 보조 도구와 비교할 때 “한 번의 프롬프트에 답하는 assistant”보다 “여러 에이전트를 실행·관찰·검토하는 작업대”에 가깝다. 따라서 Cursor, GitHub Copilot, Claude Code 같은 도구와 비교할 때도 자동완성 품질만 보면 부족하다. 로컬 터미널에서 시작한 작업을 클라우드로 넘길 수 있는지, 장시간 세션을 다시 이어갈 수 있는지, PR 단위의 검토 흐름을 얼마나 잘 남기는지가 핵심이다.
기업이나 팀 입장에서는 성장 수치보다 제어 방식이 더 중요하다. Warp는 ARR이 지난해 35배 성장했고, 2025년 4분기 이후 엔터프라이즈 매출이 500% 이상 늘었다고 밝혔다. 다만 이 수치가 모든 팀에 같은 결과를 보장하지는 않는다. 실제로는 저장소 구조, 테스트 자동화 수준, 리뷰 문화, 민감 데이터 취급 방식에 따라 에이전트의 생산성도 크게 달라진다.
결론
이번 사례는 “GPT-5.5가 들어간 터미널”보다 “에이전트 개발을 운영 체계로 만들 수 있는가”라는 질문에 가깝다. Warp는 오픈소스 저장소, Oz 오케스트레이션, 모델 라우팅, 메모리, 평가 파이프라인을 묶어 그 가능성을 보여주려 한다. 하지만 에이전트가 PR의 상당 부분을 만든다는 주장은 동시에 권한 통제, 리뷰 품질, 재현 가능한 실행 환경이 없으면 위험도 커진다는 뜻이다.
ActualStack 관점에서 바로 가져갈 교훈은 명확하다. 코딩 에이전트를 도입할 때는 모델 이름보다 실행 범위, 권한, 로그, 평가 기준, 롤백 절차를 먼저 정해야 한다. 작은 저장소에서 반복 과제를 맡기고, 사람이 수정한 지점과 자동화가 실패한 지점을 기록한 뒤에야 더 긴 워크플로로 넓히는 편이 안전하다.
출처와 검증
- OpenAI 공식 글: Warp’s big bet on building open source with GPT-5.5 (2026년 5월 27일)
- Warp 오픈소스 발표: Warp is now open source
- Warp Oz 설명: Warp Oz
본문의 수치와 표현은 OpenAI 글에서 확인한 Warp 측 설명을 기준으로 정리했다. 특히 GPT-5.5의 토큰 30% 절감, 약 100만 개발자, Fortune 500 56% 이상 사용, 내부 PR 약 90% 공동 생성, ARR 35배 및 엔터프라이즈 매출 500% 이상 증가 수치는 모두 해당 출처의 주장으로 다뤄야 한다.