AI/ChatGTP(Codex)

OpenAI Codex 서브에이전트 - awesome-codex-subagents : 136개 Codex SubAgents 모음( TOML 에이전트 컬렉션 )

안녕하세요! 갓대희 입니다.

2026년 3월 16일, OpenAI가 Codex CLI에 서브에이전트(Subagents) 기능을 정식 출시했다. 바로 다음 날인 3월 17일, 커뮤니티는 이미 반응했다. VoltAgent가 awesome-codex-subagents를 공개한 것이다. 136개 이상의 전문화된 에이전트 정의를 담은 이 컬렉션은 공개 9일 만에 2,778 Stars(2026-03-26 기준)를 기록했다.

해당 컬렉션의 구조와 활용방법을 OpenAI 공식 문서를 기반으로 정리해보려 한다.

왜 서브에이전트 컬렉션이 필요한가
- 단일 에이전트의 컨텍스트 오염 문제
- Codex 서브에이전트 GA 개요
Codex 서브에이전트 핵심 개념
- 3가지 빌트인 에이전트
- TOML 파일 구조
- 필수/선택 필드 전체 목록
awesome-codex-subagents 프로젝트
- VoltAgent 소개
- 10개 카테고리 136+ 에이전트 총정리
- 설치 및 사용법
모델 라우팅 & 샌드박스 전략
- 컬렉션이 주로 쓰는 2가지 모델
- 샌드박스 모드 활용법
실전 워크플로우 예제 3가지
- PR 리뷰 자동화
- 버그 조사 파이프라인
- spawn_agents_on_csv 배치 처리
VoltAgent 에이전트 생태계
- awesome-agent-skills (멀티플랫폼)
- awesome-claude-code-subagents
Claude Code 서브에이전트와의 비교
주의사항 & 트러블슈팅 Q&A
결론: 언제 쓰고 언제 쓰지 않는가

이 글 3줄 요약

Codex 서브에이전트 = 독립 컨텍스트로 병렬 실행되는 전문화 에이전트. 2026-03-16 GA.
awesome-codex-subagents = 136개 즉시 쓸 수 있는 TOML 에이전트 정의 컬렉션. 9일 만에 2,778 Stars.
설치는 .toml 파일을 ~/.codex/agents/에 복사하는 것이 전부다.

1. 왜 서브에이전트 컬렉션이 필요한가

단일 에이전트의 컨텍스트 오염 문제

Codex에게 "PR을 리뷰하고, 보안 취약점을 찾고, 문서도 업데이트해"라고 시키면 어떻게 될까. 하나의 에이전트가 세 가지 역할을 동시에 수행하면서 컨텍스트 창이 섞인다. 보안 검토 중에 문서 초안이 끼어들고, 코드 리뷰 맥락이 인프라 분석과 뒤엉킨다. 공식 문서는 이를 "컨텍스트 오염(context pollution)"이라고 정의한다.

서브에이전트는 이 문제를 구조적으로 해결한다. 각 에이전트가 독립된 컨텍스트 창에서 자신의 역할에만 집중하기 때문에 출력의 집중도와 일관성이 높아진다. 탐색, 테스트, 분석처럼 읽기 위주의 병렬 처리에서 특히 효과적이다.

Codex 서브에이전트 GA 개요

2026년 3월 16일, OpenAI는 Codex CLI와 앱에서 서브에이전트 기능을 정식 공개(GA)했다. 커뮤니티 반응은 빨랐다.

Simon Willison은 같은 날 블로그에 서브에이전트 패턴이 "OpenAI, Claude, Gemini, Mistral, VS Code 등 주요 플랫폼 전반에서 코딩 에이전트의 표준 아키텍처로 자리잡았다"고 분석했다.

Rick Hightower는 Medium 기고에서 explorer/worker/orchestrator 패턴이 이제 de facto 표준이라고 평했다.

참고: 서브에이전트 기능은 현재 Codex 앱과 CLI에서 지원된다. IDE 확장 프로그램 지원은 공식 문서 기준 아직 미정이다. (출처: OpenAI Codex Subagents 공식 문서)

2. Codex 서브에이전트 기본 개념

3가지 빌트인 에이전트

설치 직후부터 세 가지 에이전트를 바로 쓸 수 있다. (출처: Codex Subagents 공식 문서)

에이전트	역할	권한	언제 쓰는가
`default`	범용 폴백	일반	명시적 에이전트를 지정하지 않은 일반 작업
`worker`	구현/수정 실행	읽기-쓰기	코드 작성, 파일 수정, 기능 구현
`explorer`	코드베이스 탐색	읽기 전용	분석, 조사, 패턴 파악 (수정 없음)

한 줄 요약: explorer가 지도를 그리고, worker가 공사를 하고, default가 나머지를 처리한다.

TOML 파일 구조

커스텀 에이전트는 .toml 파일로 정의한다. 파일 위치는 두 가지다.

~/.codex/agents/ — 전역. 모든 프로젝트에서 사용 가능
.codex/agents/ — 프로젝트별. 동일 이름이면 이쪽이 우선

아래는 실제 awesome-codex-subagents 컬렉션에서 사용하는 TOML 구조다.

(출처: VoltAgent/awesome-codex-subagents GitHub)

# ~/.codex/agents/backend-developer.toml

name = "backend-developer"
description = "Node.js/Python/Go 백엔드 개발, REST/gRPC API 설계, DB 스키마, 성능 최적화"

model = "gpt-5.4"
model_reasoning_effort = "high"
sandbox_mode = "workspace-write"

[instructions]
text = """
You are a senior backend developer specializing in server-side applications
with deep expertise in Node.js 18+, Python 3.11+, and Go 1.21+.

Focus on building scalable, secure, and performant backend systems.
Always validate inputs, handle errors gracefully, and write tests.
"""

필수/선택 필드 전체 목록

공식 문서 기준 TOML 필드 전체 목록이다.

(출처: OpenAI Codex Subagents 공식 문서)

필드	필수	설명	예시 값
`name`	O	에이전트 식별자. 호출 시 이 이름 사용	`"security-auditor"`
`description`	O	언제 이 에이전트를 써야 하는지 설명	`"보안 감사, CVE 검토"`
`developer_instructions`	O	핵심 동작 지침 (instructions.text 대체 가능)	멀티라인 문자열
`model`	미지정 시 상속	사용할 모델. 미지정 시 부모 세션 모델 사용	`"gpt-5.4"`
`model_reasoning_effort`	선택	추론 강도: high / medium / low	`"medium"`
`sandbox_mode`	선택	실행 권한: `"read-only"` 또는 `"workspace-write"`	`"read-only"`
`nickname_candidates`	선택	표시용 닉네임 배열. 다중 인스턴스 구분에 유용	`["Alice", "Bob"]`
`mcp_servers`	선택	연결할 MCP 서버 목록	배열

전역 설정 (config.toml의 [agents] 섹션)
• agents.max_threads = 6 — 동시 실행 스레드 상한 (기본값: 6)
• agents.max_depth = 1 — 서브에이전트 중첩 깊이 (기본값: 1). 높이면 반복 위임으로 토큰·지연 증가
• agents.job_max_runtime_seconds — CSV 배치 작업 타임아웃

3. awesome-codex-subagents 프로젝트

VoltAgent: 에이전트 생태계 빌더

VoltAgent는 AI 에이전트 도구 생태계 구축에 집중하는 오픈소스 그룹이다.

awesome-codex-subagents 외에도 awesome-claude-code-subagents, awesome-agent-skills(12.9k Stars, 멀티플랫폼) 등을 운영한다. 세 저장소 모두 MIT 라이선스로 공개되어 있다.

awesome-codex-subagents는 2026-03-17에 생성된 저장소로, "공식 문서에 맞게 작성된, 즉시 사용 가능한 136개 에이전트"를 표방한다. 이 글에서는 별도 캡처를 남기지 않은 시계열 Stars/Forks 수치보다, 현재 확인 가능한 구조와 실제파일 구성을 중심으로 다룬다.

10개 카테고리 136+ 에이전트 정리

카테고리 구조와 각 카테고리의 주요 에이전트를 정리했다.

(출처: VoltAgent/awesome-codex-subagents README)

1 핵심 개발 Core Development 12개

백엔드·프론트엔드·풀스택·API 설계 등 언어에 종속되지 않는 범용 개발 역할을 담당한다. 특정 언어 전문가가 필요하면 카테고리 2를 쓴다.

backend-developer frontend-developer fullstack-developer api-designer websocket-engineer graphql-architect

2 언어 전문가 Language Specialists 27개 — 가장 많음

특정 언어·프레임워크에 최적화된 전문가. Python, TypeScript, Rust, Go, Java 등 언어별 관용구·패턴·생태계까지 이해하고 작업한다. 136개 중 가장 많은 27개가 여기에 있다.

python-pro typescript-pro nextjs-developer spring-boot-engineer rust-engineer golang-pro react-specialist java-architect 외 19개

3 인프라 Infrastructure 16개

DevOps·클라우드·IaC·컨테이너 영역. CI/CD 파이프라인, Kubernetes 클러스터, Terraform 모듈, 인시던트 대응까지 다룬다. 인프라 코드 리뷰에 바로 투입 가능하다.

devops-engineer kubernetes-specialist terraform-engineer cloud-architect sre-engineer incident-responder

4 품질 & 보안 Quality & Security 16개

코드 리뷰·보안 감사·테스트·디버깅 전담. PR 리뷰 시 code-reviewer(품질)와 security-auditor(보안)를 병렬로 실행하면 두 관점을 동시에 얻는다. sandbox_mode = "read-only" 설정 권장.

security-auditor code-reviewer debugger qa-expert penetration-tester performance-engineer

5 데이터 & AI Data & AI 12개

ML·LLM·RAG·데이터 파이프라인·DB 최적화 전문가 모음. llm-architect는 RAG 파이프라인 설계, database-optimizer는 쿼리 튜닝에 특화되어 있다. AI 서비스 구축 시 가장 자주 호출되는 카테고리다.

llm-architect data-scientist ml-engineer postgres-pro database-optimizer nlp-engineer

6 개발자 경험 Developer Experience 13개

문서화·레거시 개선·툴링·리팩토링 전문가. 코드를 새로 짜는 것이 아니라 기존 코드의 품질을 높이고 유지보수를 쉽게 만드는 역할에 집중한다.

documentation-engineer refactoring-specialist legacy-modernizer dx-optimizer git-workflow-manager

7 특수 도메인 Specialized Domains 12개

블록체인·게임·임베디드·모바일 등 범용 개발 카테고리로 커버하기 어려운 특수 도메인 전문가. 해당 영역 프로젝트가 있을 때만 선택적으로 설치하면 된다.

blockchain-developer game-developer mobile-developer electron-pro

8 비즈니스 & 프로덕트 Business & Product 11개

PM·비즈니스 분석·기술 문서·UX 리서치 역할. 개발자 혼자 PM 업무까지 겸하는 스타트업이나 1인 팀에서 활용도가 높다. 요구사항 정리나 사용자 스토리 작성에 유용하다.

product-manager business-analyst technical-writer ux-researcher

9 메타 & 오케스트레이션 Meta & Orchestration 10개 — 고급

"에이전트를 조율하는 에이전트". 복잡한 작업을 서브태스크로 분해하고 다른 에이전트에 위임하는 오케스트레이터 역할이다. 서브에이전트 기능에 익숙해진 후 도전하면 된다.

orchestrator task-decomposer architect-reviewer code-mapper

10 리서치 & 분석 Research & Analysis 7개

공식 문서 수집·경쟁사 분석·트렌드 조사 전문가. 읽기 전용 작업에 특화되어 있어 gpt-5.3-codex-spark + sandbox_mode = "read-only" 조합으로 저비용 운영이 가능하다. 블로그 팩트체크에 특히 유용하다.

docs-researcher competitive-analyst research-analyst trend-analyst market-researcher

설치 및 사용법 (5단계)

# 1. 저장소 클론
git clone https://github.com/VoltAgent/awesome-codex-subagents.git
cd awesome-codex-subagents

# 2. 전역 에이전트 디렉토리 생성
mkdir -p ~/.codex/agents

# 3a. 원하는 에이전트만 선택 복사 (권장)
cp categories/01-core-development/backend-developer.toml ~/.codex/agents/
cp categories/04-quality-security/security-auditor.toml ~/.codex/agents/

# 3b. 또는 전체 복사 (136개 전부)
cp categories/**/*.toml ~/.codex/agents/

# 4. 프로젝트별로 쓰고 싶다면 (전역보다 우선 적용됨)
mkdir -p .codex/agents
cp categories/01-core-development/backend-developer.toml .codex/agents/

# 5. Codex 세션 재시작 후 호출
# "backend-developer에게 POST /api/users 엔드포인트를 만들어달라고 해"

중요: 명시적 호출이 필수다. Codex는 자동으로 서브에이전트를 생성하지 않는다. 프롬프트에서 직접 "backend-developer에게 위임해" 또는 "security-auditor를 사용해서 검토해줘"처럼 명시해야 한다.

4. 모델 라우팅 & 샌드박스 전략

2가지 모델 선택 기준

awesome-codex-subagents 컬렉션은 에이전트 역할에 따라 모델을 다르게 지정한다. GitHub README 기준 현재 컬렉션이 주로 사용하는 모델은 아래 두 가지다. 다만 공식 문서는 빠르고 저비용인 읽기 위주 작업에 pt-5.4-mini도 함께 권장하므로, 아래 표는 컬렉션 요약이지 공식 모델 매트릭스 전체는 아니다. (출처: awesome-codex-subagents README, Codex 공식 문서)

모델	적합한 에이전트	특성
`gpt-5.4`	security-auditor, architect, reviewer, backend-developer	강력한 추론이 필요한 복잡한 분석 및 구현
`gpt-5.3-codex-spark`	explorer, docs-researcher, 문서 스캔, 단순 코드 탐색	텍스트 전용, 낮은 지연, 빠른 병렬 실행. ChatGPT Pro 전용 옵션

샌드박스 모드 활용법

서브에이전트는 부모 세션의 샌드박스 정책을 상속하지만, TOML에서 개별 에이전트별로 오버라이드할 수 있다.

sandbox_mode = "read-only" — 리뷰어, 감사자, 탐색기에 사용. 코드베이스를 수정하지 않아야 할 때
sandbox_mode = "workspace-write" — 개발자, 엔지니어에 사용. 파일 생성/수정이 필요할 때

비활성 스레드 승인 처리: 대화형 CLI에서 비활성 에이전트 스레드의 승인 요청도 표시된다. o 키로 해당 스레드를 열어 검토 후 처리하면 된다. 병렬 실행 중에도 각 에이전트의 승인 요청을 개별 처리할 수 있다.

5. 워크플로우 사용 예시

예제 1: PR 리뷰 자동화 (3인조 분업)

PR 리뷰를 단일 에이전트에 맡기면 "보안 체크도 하고, 코드 품질도 보고, API 문서도 검증해"라는 뭉뚱그린 요청이 된다. 역할을 분리하면 각 에이전트가 전문 관점으로 집중한다. (출처: Codex 공식 문서 PR review 패턴)

# 프롬프트 예시
"PR #142를 리뷰해줘.
  - pr_explorer로 변경 사항을 읽기 전용으로 탐색해
  - reviewer로 정확성과 보안을 검토해
  - docs_researcher로 프레임워크 API 사용이 문서와 맞는지 확인해
  세 결과를 종합해서 리뷰 코멘트를 작성해줘."

에이전트	역할	sandbox_mode	추천 모델
`pr_explorer`	변경 증거 수집	read-only	gpt-5.3-codex-spark
`reviewer`	보안/정확성 검토	read-only	gpt-5.4
`docs_researcher`	API 문서 검증	read-only	gpt-5.3-codex-spark

예제 2: 버그 조사 파이프라인

공식 문서가 직접 제시하는 브라우저 디버깅 시나리오다. (출처: Codex Subagents 공식 문서)

# 공식 문서 예시 프롬프트
"설정 모달이 저장을 못 하는 이유를 조사해줘.
  - browser_debugger가 버그를 재현하고 스크린샷을 찍어
  - code_mapper가 해당 코드 경로를 추적해
  두 결과를 바탕으로 ui_fixer가 최소한의 수정으로 고쳐줘."

예제 3: spawn_agents_on_csv 배치 처리 (실험적 기능)

CSV의 각 행마다 워커 에이전트를 생성하는 실험적 기능이다.

대규모 코드베이스에서 파일별 처리나 이슈별 분석에 유용하다. (출처: Codex 공식 문서)

# tasks.csv 예시
id,file_path,task
1,src/auth/login.ts,보안 취약점 스캔
2,src/api/users.ts,입력 검증 누락 확인
3,src/db/schema.ts,SQL 인젝션 패턴 검토

# spawn_agents_on_csv 사용 (프롬프트에서 지시)
"tasks.csv의 각 행마다 security-auditor를 생성해서
 file_path를 task에 따라 분석하고 결과를 report.csv에 저장해줘."

토큰 주의: Deepakness의 실사용 경험에 따르면 서브에이전트로 동일 작업을 처리하면 단일 에이전트 대비 토큰 소비가 크게 증가한다. 속도는 빠르지만 비용이 올라간다. CSV 배치는 특히 토큰 사용량 모니터링이 필요하다.

6. VoltAgent 에이전트 생태계

VoltAgent는 awesome-codex-subagents만 운영하는 것이 아니다. 플랫폼별로 분리된 세 가지 저장소를 유지한다.

저장소	Stars	대상 플랫폼	포맷	규모
awesome-agent-skills	12.9k	Claude Code, Codex, Gemini CLI, Cursor, Windsurf 등 8개	SKILL.md	1,030+
awesome-codex-subagents	2,778+	OpenAI Codex 전용	.toml	136+
awesome-claude-code-subagents	미확인	Claude Code 전용	.md	100+

Stars 수치: awesome-codex-subagents는 GitHub API 직접 확인(2026-03-26 기준), awesome-agent-skills는 WebFetch 확인, awesome-claude-code-subagents Stars는 직접 검증하지 못함.

awesome-agent-skills의 특이점은 "AI 팀에서 실제로 쓰는 스킬만 큐레이션, 대량 생성 아님"을 표방한다는 것이다. Anthropic, Google Labs, Vercel, Stripe, Cloudflare 등 공식 팀의 스킬이 포함되어 있다.

7. Claude Code 서브에이전트와의 비교

두 플랫폼의 서브에이전트 구현 방식은 목표는 같지만 접근이 다르다.

(출처: Rick Hightower Medium, 2026-03-21, Codex 공식 문서)

항목	Codex 서브에이전트	Claude Code 서브에이전트
설정 포맷	TOML (`.toml`)	Markdown (`.md`)
설정 위치	`~/.codex/agents/` or `.codex/agents/`	`~/.claude/agents/` or `.claude/agents/`
빌트인 에이전트	default, worker, explorer	미지정 시 일반 에이전트로 처리
격리 방식	클라우드 기반 인프라 처리	Git worktree 격리 지원
배치 처리	spawn_agents_on_csv (실험적)	해당 없음 (별도 구현 필요)
최대 동시 스레드	6 (config.toml 조정 가능)	미확인
컬렉션 생태계	awesome-codex-subagents (2,778+ Stars)	awesome-claude-code-subagents (100+)
버전관리/공유	git 커밋 가능 (.toml 파일)	git 커밋 가능 (.md 파일)

한 줄 요약: Codex는 클라우드 기반 병렬 실행과 CSV 배치 처리가 강하고, Claude Code는 Git worktree 기반 코드 격리가 강하다. 목적에 따라 선택하면 된다.

8. 주의사항 & 트러블슈팅 Q&A

보안 주의: VoltAgent 공식 README는 "에이전트는 있는 그대로(as is) 제공되며, 관리자는 보안이나 정확성을 감사하지 않는다"고 명시한다. 외부 에이전트를 프로덕션에 적용하기 전에 반드시 instructions 내용을 직접 검토하라. (출처: awesome-codex-subagents README 보안 섹션)

Q&A

Q1. 에이전트를 설치했는데 Codex가 인식을 못 한다

Codex 세션을 재시작해야 한다. TOML 파일명이 아니라 name 필드 값으로 호출하고 있는지도 확인하라. 프로젝트별 경로(.codex/agents/)가 전역(~/.codex/agents/)보다 우선한다.

Q2. 서브에이전트가 예상보다 토큰을 너무 많이 쓴다

병렬 에이전트는 동일 작업 대비 단일 에이전트보다 토큰이 더 든다(속도 ↑, 비용 ↑). gpt-5.4를 gpt-5.3-codex-spark로 교체하거나, model_reasoning_effort = "low"로 낮추면 된다. 단순 작업에는 고성능 모델을 쓰지 않아도 된다.

Q3. 에이전트가 자꾸 범위를 벗어난 작업을 한다

공식 문서 베스트 프랙티스에 따르면 "좋은 에이전트는 좁고 단호하게(narrow and opinionated)" 작성해야 한다. instructions에 "이 에이전트가 하지 말아야 할 것" 섹션을 명시적으로 추가하라. sandbox_mode = "read-only"로 쓰기 권한을 제한하는 것도 방법이다.

Q4. IDE에서는 서브에이전트를 쓸 수 없나?

현재 공식 문서 기준 서브에이전트 워크플로우는 기본 활성화되어 있다. 다만 서브에이전트 활동 표시는 Codex 앱과 CLI 중심이며, IDE Extension 가시성은 아직 따라오는 중이다.

9. 결론: 언제 쓰고 언제 쓰지 않는가

써야 할 때

병렬로 처리할 독립적인 작업이 2개 이상일 때 (탐색 + 분석 + 수정)
역할별로 다른 권한이 필요할 때 (읽기 전용 감사자 vs 쓰기 개발자)
CSV 기반의 대규모 반복 작업이 있을 때
컨텍스트 오염 없이 전문화된 분석이 필요할 때

쓰지 않아야 할 때

단순하고 빠른 1회성 작업 (서브에이전트 설정 비용이 더 클 때)
토큰 예산이 빠듯할 때 (병렬 실행은 토큰 증가를 수반)
작업 간 강한 순서 의존성이 있을 때 (A가 끝나야 B를 시작할 수 있을 때)
IDE에서 서브에이전트 활동 표시까지 완전하게 기대하는 작업일 때 (현재 가시성은 앱/CLI 중심)

awesome-codex-subagents의 진짜 가치는 136개 에이전트 그 자체보다 "TOML로 에이전트를 정의하는 실전 패턴의 레퍼런스"에 있다. 컬렉션을 그대로 쓰기보다, 자신의 도메인에 맞게 수정하고 팀 저장소에서 버전 관리하는 것이 장기적으로 더 가치 있다.

10. 개인적인 사용 고민 방법 공유

나의 경우 요즘 가벼운 바이브 코딩 개발, 풀스택 개발자라고 가정하고 어떤것을 쓰면 좋을지 고민해보았다.

136개 에이전트를 전부 설치하는 것은 오히려 역효과다.

역할별로 즉시 체감할 수 있는 에이전트를 먼저 골라 실제 루틴에 끼워넣는 것이 현실적일 것이다.

역할별 추천 에이전트 매핑

작업 영역	추천 에이전트 (실제 파일명)	모델	실제 활용 시나리오
Next.js 프론트엔드	`nextjs-developer`	gpt-5.4	App Router 마이그레이션, SSR/ISR 전략, 서버 컴포넌트 리팩토링
Java / Spring Boot	`spring-boot-engineer`	gpt-5.4	Spring Boot 3.x 서비스 설계, JPA N+1 진단, 멀티모듈 구조 검토
Python / RAG	`python-pro`, `llm-architect`	gpt-5.4	RAG 파이프라인 설계, 청킹·임베딩 전략, LangChain/LlamaIndex 통합
데이터베이스	`database-optimizer`, `postgres-pro`	gpt-5.4	인덱스 전략 분석, 슬로우 쿼리 진단, 스키마 마이그레이션 검토
인프라 / IaC	`devops-engineer`, `terraform-engineer`	gpt-5.4	CI/CD 파이프라인 설계, Terraform 모듈 리뷰, 컨테이너 최적화
소스 리뷰 / 보안	`code-reviewer`, `security-auditor`	gpt-5.4	PR 병렬 리뷰(품질+보안 동시), 안티패턴 탐지, 프롬프트 인젝션 스캔

스타터 킷 6 + 확장팩 2

즉시 체감이 큰 7개를 먼저 설치하고, DB·인프라 작업 비중이 높다면 +2 확장팩을 추가한다. 경로는 GitHub API로 직접 검증한 실제 디렉토리 구조다.

cd awesome-codex-subagents

# ── 스타터 킷 6 (즉시 설치) ──────────────────────────────
cp categories/02-language-specialists/nextjs-developer.toml ~/.codex/agents/
cp categories/02-language-specialists/spring-boot-engineer.toml ~/.codex/agents/
cp categories/02-language-specialists/python-pro.toml ~/.codex/agents/
cp categories/05-data-ai/llm-architect.toml ~/.codex/agents/
cp categories/04-quality-security/code-reviewer.toml ~/.codex/agents/
cp categories/04-quality-security/security-auditor.toml ~/.codex/agents/

# ── 확장팩 +2 (DB·인프라 비중이 높다면 추가) ──────────────
cp categories/05-data-ai/database-optimizer.toml ~/.codex/agents/
cp categories/03-infrastructure/terraform-engineer.toml ~/.codex/agents/

워크플로우 예시 : RAG 파이프라인 설계 + 보안 검토

RAG 시스템을 설계할 때 아키텍처와 보안을 동시에 검토하는 패턴이다.

임베딩 전략·청킹·벡터 DB 선택은 llm-architect가 담당하고, 프롬프트 인젝션·API 키 노출은 security-auditor가 독립 컨텍스트에서 스캔한다.

두 에이전트 모두 스타터 킷 7에 포함되어 있으므로 별도 설치 없이 바로 실행된다.

# RAG 아키텍처 + 보안 병렬 검토
"현재 rag_service.py를 기반으로 프로덕션 RAG 시스템을 개선하고 싶다.
  - llm-architect가 청킹 전략, 임베딩 모델 선택, 리랭킹 파이프라인을 검토해줘
  - security-auditor가 프롬프트 인젝션, API 키 노출, 입력 검증 취약점을 스캔해줘
  두 검토를 종합해서 개선 우선순위 목록을 만들어줘."

운영 팁: 코드 작업용 에이전트는 gpt-5.4 + model_reasoning_effort = "high"로 유지하는 것이 실용적인 균형이다. 두 그룹을 ~/.codex/agents/에 한 번 설치하면 모든 프로젝트에서 재사용된다.

참고 자료

저작자표시 비영리 변경금지 (새창열림)

'AI > ChatGTP(Codex)' 카테고리의 다른 글

GPT-5.4 출시 리뷰 - 신규 기능, 벤치마크, 시장 반응, Pro 5.4 vs Thinking 5.4, 실제로 얼마나 다를까? 비교 분석 (5)	2026.03.08
gpt5.3codex 출시 리뷰 - 신규 기능, 벤치마크, 시장 반응, 개발자 후기 등 (vs Opus 4.6: AI 코딩 전쟁) (2)	2026.02.06
GPT-5.2-Codex 사용법과 주의사항 - 24시간 자율 코딩과 보안 취약점 탐지 (2025), AI 코딩 모델 비교 등 (0)	2025.12.22
GPT Image 1.5 리뷰 - OpenAI '코드 레드' 전략의 결과물 (4배 속도, 20% 저렴, Disney 협업) (2)	2025.12.17
GPT 5.2 출시 - 무료 포토샵, AI 삼파전(GPT-5.2, Gemini 3,Claude Opus 4.5) 살펴보기, skills 등 (1)	2025.12.12

Contents

새소식