에이전트 시대의 Rust, 그리고 Rust에게 에이전트가 의미하는 것
What agents mean for Rust (and vice versa)
TL;DR Highlight
Rust 설계자가 에이전트 코딩에 맞춰 Rust가 증명·타입 쪽으로 더 가야 한다고 주장
Who Should Read
AI 에이전트로 코드를 짜게 하면서 어떤 언어와 가드레일을 쓸지 고민하는 백엔드 개발자
Core Mechanics
- Rust 인기가 에이전트 시대에 치솟았다
- 글쓴이는 David Tolnay의 말을 인용한다.
- Meta 엔지니어가 올해 쓴 first-party Rust 코드는 이전 9년 합계의 2배라고 한다.
- 성능 튜닝은 에이전트가 잘한다
- 암호 알고리즘 개발자들이 손으로 어셈블리를 튜닝하던 일을 에이전트로 한다고 글쓴이는 전해 들었다.
- dial9 같은 프로파일러와 함께 쓰면 에이전트가 async의 긴 poll이나 blocking 문제를 잘 진단한다고 한다.
- 테스트만으로는 에이전트를 못 믿는다
- 처음 몇 개 테스트는 멀쩡한데 다음 테스트에서 에이전트가 로직을 완전히 놓친 게 드러나곤 한다고 한다.
- 타입 시스템은 '어떤 종류의 잘못'을 막는 가드레일 역할을 한다.
- 타입 다음은 증명 도구다
- 타입은 틀린 짓을 막을 뿐 옳은 일을 한다는 보장은 못 한다.
- Verus, Creusot, Aeneas, Kani 같은 Rust 증명 도구로 더 풍부한 속성을 확인할 수 있다.
- 타입 시스템은 증명을 쉽게 해 준다
- Java의 this.foo == bar assert는 다른 스레드 때문에 증명할 수 없다.
- Rust의 &mut self는 유일 참조를 보장해서 같은 assert가 참이 된다.
Community Reactions
- 컴파일 시간이 Rust의 약점이라는 의견
- 댓글에서 LLM 시대에는 빠른 컴파일까지 갖춘 언어나 Rust 재설계가 나올 거라는 의견이 있었다.
- 에이전트와 Rust를 쓰면 target/ 폴더가 너무 커져 디스크가 자주 부족해진다는 경험도 있었다.
- 에이전트가 Verus 증명을 잘 쓴다는 경험
- 댓글에서 Rust 코드베이스에서 에이전트에게 Verus 증명을 쓰게 해 봤더니 잘했다는 경험이 나왔다.
- 그 증명이 일반 컴파일 경로에는 부정적 영향을 거의 주지 않았다고 한다.
- LLM 친화 언어의 조건 목록이라는 의견
- 댓글에서 유용한 컴파일 에러, 빠른 컴파일, 명시적 타입, 하나의 선호 방식 등이 조건으로 제시됐다.
- 사전·사후 조건, 필수 테스트 같은 기능을 추가하자는 의견도 있었다.
- Rust가 특별하다는 근거가 약하다는 반론
- 댓글에서 언어 특성이 에이전트 코딩에 유리하다는 강한 상관을 찾지 못했다는 경험이 나왔다.
- 인기 외에는 타입조차 뚜렷한 상관이 없었다고 한다.
- 에이전트 코딩 자체가 싫다는 비판도 있었다.
How to Apply
- 에이전트에게 프로파일 기반 성능 루프 돌리기
- 오늘 Rust 서비스 하나에서 벤치마크를 돌려 프로파일 결과를 뽑는다.
- 그 결과를 에이전트에게 주고 병목 원인과 수정안을 PR 형태로 제안받는다.
- 타입으로 가드레일 강화하기
- 에이전트가 자주 틀리는 값(ID, 단위 등)을 newtype으로 감싼다.
- 에이전트에게 컴파일이 통과하는 범위 안에서만 수정하게 지시한다.
- 핵심 함수에 Verus 증명 시도하기
- panic이 없음을 보이는 것부터 에이전트에게 시킨다.
- 그다음 기대 결과를 확인하는 assertion을 추가한다.
- 인터페이스 변경을 따로 리뷰하기
- 에이전트 PR에서 공개 시그니처 변경 부분을 먼저 확인한다.
- 구현 diff는 그 뒤에 본다.
Try It
# Claude Code 또는 ChatGPT에 붙여넣기 (원문 아이디어의 간이 버전: 프로파일 기반 튜닝 루프)
너는 Rust 성능 튜닝 에이전트다. 아래 프로파일 결과를 분석해라.
{{프로파일 결과 또는 벤치마크 출력}}
규칙:
1. 병목 후보를 3개까지, 근거와 함께 말해라.
2. 각 후보에 대해 코드 수정안을 제시해라.
3. 동작이 바뀌면 안 된다. 기존 테스트가 통과해야 한다.
4. 불필요한 clone()은 줄이되, 코드의 의도가 읽히게 유지해라.
이어서 해 볼 것: 수정 후 같은 벤치마크를 다시 돌려 결과를 붙여넣고 비교해 달라고 요청해라.Terminology
관련 논문
같은 시뮬레이션, 다른 근거: 도구 출력을 파일로 넘기면 LLM 에이전트 정확도가 어디서 깎이나
긴 툴 출력을 파일로 넘기자 GPT-5.1은 정확도 11.3%p 하락, 정식 출력 지정하니 회복
가짜 뉴스가 진짜 폭락을: LLM 트레이딩 에이전트 대상 정보 주입 공격
가짜 헤드라인 한 줄로 LLM 트레이딩 에이전트 62%를 조종했다(프롬프트 주입은 14%)
Harness Engineering 101: LLM은 뇌, harness는 몸
에이전트는 JSON 배열을 관리하는 루프이고, 16개 챕터로 직접 만들어 본다
Harness²: 에이전트 harness를 스스로 고쳐 쓰는 재귀 최적화 프레임워크
모델은 고정하고 harness를 재귀로 고쳤더니 벤치마크 점수가 최대 11.8%p 올랐다
해고된 Savannah 경찰관, ICE 요원 남편에게 Flock 계정 공유
경찰관이 Flock 계정을 남편(ICE 요원)에게 공유했고, 감사에서 983건 검색이 드러나 해고됐다
tmux와 Claude Code: 세션, send-keys, 그리고 한계선
tmux로 Claude Code 여러 개를 돌리면 편하지만 에이전트 4개쯤에서 한계가 온다
Hybrid Reasoning Agents: 잠재 공간에서 생각하고 텍스트로 행동하는 LLM 에이전트
잠재 공간 추론과 텍스트 도구 호출을 섞었더니 성능 10.4%↑, 토큰 최대 54.7%↓