새로운 AI 코딩 에이전트 '벤지(Benzi)'가 기존 AI 에이전트들의 비효율성을 해결하며 주목받고 있습니다. 대부분의 AI 코딩 에이전트들은 코드 파일을 단순히 컨텍스트 창에 넣어 모델이 스스로 코드를 이해하고 추론하도록 하지만, 벤지는 코드베이스를 미리 컴파일하여 호출(calls), 데이터 흐름(data flow), 참조(references) 등을 담은 '해결된 맵(resolved map)'을 생성합니다. 이 맵을 통해 에이전트는 코드의 구조를 정확하게 파악하고, 질문에 답하며, 코드를 작성하는 등 훨씬 효율적인 작업을 수행합니다. 이는 마치 지도를 보고 길을 찾는 것과 같아, AI가 코드의 '숲'에서 길을 잃지 않도록 돕습니다.
벤지는 이러한 독특한 아키텍처 덕분에 벤치마크에서 뛰어난 성능을 보였습니다. 20개의 테스트 중 2개에서 클로드 코드(Claude Code, 주로 소네트 모델 사용)가 오류를 내거나 시간 초과된 반면, 벤지는 모든 테스트를 성공적으로 완료했습니다. 나머지 18개 테스트에서도 벤지는 더 저렴하고, 빠르며, 종종 더 정확한 결과를 보여주었습니다. 벤지는 파이썬(Python), 자바스크립트(JavaScript), 타입스크립트(TypeScript), 자바(Java), C#, C++, C, Go, Rust, Ruby 등 10가지 언어를 지원하며, 트리시터(Tree-sitter)라는 파서 생성기를 핵심 의존성으로 사용합니다. 또한, 앤트로픽(Anthropic), 오픈AI(OpenAI) 등 특정 대규모 언어모델(LLM)에 종속되지 않고, 도구와 맵에 지능을 집중시켜 유연성을 확보했습니다.
벤지의 핵심은 '컴파일러 + 에이전트 루프' 아키텍처에 있습니다. 트리시터 컴파일러가 코드베이스를 분석하여 해결된 맵을 만들면, 에이전트 루프가 이 맵을 탐색하고, 코드를 편집하며, 실행하고, 다시 인덱싱하는 과정을 반복합니다. 모든 코드 변경은 실시간으로 구문 검사를 거치며, 변경의 영향 범위(blast radius)까지 보고하여 안정성을 높입니다. 이는 단순히 텍스트 덩어리를 처리하는 것이 아니라, 코드의 의미론적 구조를 깊이 이해하고 활용하는 접근 방식입니다. 개발자들은 벤지 웹사이트에서 GitHub 저장소를 붙여넣어 온라인으로 직접 사용해볼 수 있으며, VS Code 확장 프로그램으로도 제공되어 개발 환경에 통합할 수 있습니다.
이러한 벤지의 등장은 AI 코딩 에이전트의 패러다임을 바꿀 잠재력을 가지고 있습니다. 기존 방식이 대규모 언어모델(LLM)의 컨텍스트 창 한계와 환각(hallucination) 문제로 인해 복잡한 코드베이스에서 어려움을 겪었던 반면, 벤지는 구조화된 지식을 통해 정확성과 효율성을 크게 향상시켰습니다. 이는 개발자들이 AI를 활용하여 더 복잡하고 정교한 코드를 작성하고 디버깅하는 데 큰 도움이 될 것입니다. 특히, 대규모 프로젝트나 레거시 코드베이스를 다루는 개발자들에게는 코드 이해도를 높여 생산성을 극대화할 수 있는 강력한 도구가 될 것으로 기대됩니다.