100줄 Python 코드로 SWE-bench 74% 달성한 AI 에이전트 'mini-swe-agent' (id.news.hada.io)

한줄 요약

약 100줄 Python 코드로 GitHub 이슈를 자동 해결하는 AI 에이전트가 SWE-bench 74%를 돌파했다.

무엇이 달라지나?

AI 코딩 에이전트 시장에서 '크고 복잡한 것이 곧 성능'이라는 공식이 흔들리고 있다. SWE-bench와 SWE-agent를 만든 Princeton·Stanford 공동 팀이 공개한 mini-swe-agent는 약 100줄의 Python 코드로 구성된 초경량 소프트웨어 엔지니어링 에이전트다. 별도의 대형 설정 파일도, 복잡한 모노레포 구조도 없다.

핵심 설계 철학은 '도구를 최소화하라'는 것이다. 이 에이전트는 bash 하나만을 도구로 사용한다. 덕분에 LLM 고유의 tool-calling 인터페이스가 없는 모델과도 호환된다. 각 액션은 subprocess.run으로 독립 실행되기 때문에 지속적인 셸 세션을 유지할 필요가 없고, Docker 환경으로 전환할 때도 docker exec으로 교체하는 것만으로 충분하다.

성능 수치는 설계의 단순함과 대비해 인상적이다. SWE-bench verified 벤치마크에서 74% 이상을 기록했고, Gemini 3 Pro 기반에서도 동일한 수준의 점수를 달성한 것으로 알려졌다. Meta, NVIDIA, IBM, Essential AI, Nebius, Anyscale 등이 이미 채택한 상태다.

히스토리 구조도 차별점이다. 완전한 선형 히스토리 구조를 채택해 LLM에 전달되는 메시지와 실제 에이전트 궤적이 동일하게 유지된다. 이는 디버깅과 파인튜닝 양쪽에서 모두 유리한 조건이다.

실무에서 어떤 의미인가?

기존 AI 코딩 에이전트의 가장 큰 진입 장벽은 복잡성이었다. 설정 파일을 이해하고, 특정 인터페이스에 맞게 프롬프트를 조정하고, 에이전트 프레임워크의 내부 동작 방식을 파악해야 했다. mini-swe-agent는 이 문제를 정면으로 반박한다.

Claude Code와 비교했을 때 시작 속도가 훨씬 빠르다는 점도 실무 관점에서 주목할 부분이다. 에이전트 스캐폴딩에 과적합되지 않기 때문에 LLM 자체의 성능을 평가하는 베이스라인으로도 활용할 수 있다. 즉, 어떤 모델이 실제로 코드를 잘 짜는지를 공정하게 비교하는 테스트베드로 쓰기에 적합하다.

지원 환경도 폭넓다. 로컬 실행을 포함해 Docker/Podman, Singularity/Apptainer, Bubblewrap, Contree 등 다양한 샌드박스 환경을 지원한다. 모델 측에서는 litellm, openrouter, portkey를 통해 사실상 모든 LLM과 연결 가능하고, /completion과 /response 엔드포인트 및 interleaved thinking 방식도 지원한다.

CLI(mini), 배치 추론, 궤적 브라우저, 그리고 Python 바인딩(DefaultAgent, LitellmModel, LocalEnvironment)까지 제공하므로 자동화 파이프라인에 통합하는 작업도 어렵지 않다. 라이선스는 MIT로 상업적 활용에도 제약이 없다.

도입 전 체크포인트

단순함이 강점인 만큼, 복잡한 멀티스텝 워크플로우나 고도의 컨텍스트 관리가 필요한 시나리오에서는 별도 검토가 필요하다. bash 단일 인터페이스 설계는 유연성을 높이지만, 동시에 정교한 도구 오케스트레이션이 요구되는 케이스에서는 한계가 될 수 있다.

• LLM 비용 예측: 모델마다 컨텍스트 소비 패턴이 다르므로, 실제 사용 전 소규모 배치로 토큰 사용량을 먼저 측정할 것
• 샌드박스 선택: 보안 요구 수준에 따라 로컬/Docker/Bubblewrap 중 적합한 실행 환경을 사전에 결정해야 한다
• 베이스라인 활용 여부: 단순 자동화보다 LLM 평가 목적으로 활용할 경우, 선형 히스토리 구조가 오히려 더 큰 자산이 된다
• 파인튜닝 계획: 궤적 데이터가 LLM 입력과 동일한 구조이므로, 자체 모델 파인튜닝을 염두에 두고 있다면 데이터 수집 파이프라인을 초기부터 설계하는 것이 효율적이다