2026년 4월 둘째 주, AI 코딩 생태계가 또 한 번 크게 출렁였어요. Cursor 3 · Claude Code · Codex가 한 스택 안에서 동시에 돌아가는 시대가 공식적으로 열렸고, GitHub Copilot CLI가 정식 출시(GA)되면서 터미널 네이티브 에이전트가 주류로 진입했습니다. 여기에 MCP(Model Context Protocol)가 Copilot · VS Code 전면에 기본 탑재되고, GitHub이 Copilot SDK까지 테크니컬 프리뷰로 공개하면서 에이전트 생태계의 기본 인프라가 급격히 재정렬되고 있어요. 직접 Cursor 3와 Claude Code, Copilot CLI를 병행해 2주간 돌려본 입장에서 이번 주 핵심 5가지와 “바로 써볼 3가지 실전 팁”을 정리했어요.
단순 뉴스 나열이 아니라, 각 발표가 실제 일상 워크플로우를 어떻게 바꿨는지, 어떤 조합이 가성비가 좋은지, 그리고 이번 주 당장 시도해볼 수 있는 구체적 팁까지 포함했어요. 참고로 이 글은 공식 릴리스 노트, 벤더 블로그, 1차 조사 리포트를 교차 확인해서 작성했고, 출처는 각 섹션 하단에 링크로 밝혀뒀어요.
1. Cursor 3 + Claude Code + Codex — 아무도 계획하지 않은 AI 코딩 스택
4월 첫째 주 Cursor 팀이 Cursor 3를 공식 발표했어요. 핵심은 “에이전트 우선(agent-first) 인터페이스”로의 전면 전환이에요. 이전까지 Cursor는 인라인 편집과 채팅 패널 중심이었는데, Cursor 3에서는 cloud agents on isolated VMs, /worktree 명령, 셀프호스팅 에이전트(self-hosted agents), 그리고 parallel Agent Tabs까지 한꺼번에 추가됐어요. 하나씩 풀어볼게요.
- Cloud agents on isolated VMs: 로컬이 아닌 Cursor 클라우드 VM에서 에이전트가 돌아요. 긴 태스크(리팩토링, 마이그레이션)를 던져두고 로컬 자원을 쓰지 않아도 돼요.
- /worktree 명령: Git worktree를 자동으로 만들어서 에이전트가 브랜치를 오염시키지 않고 독립 작업 공간에서 작업해요. 머지 충돌 리스크가 급감해요.
- Self-hosted agents: 기업 보안 요구를 위해 자체 인프라에 에이전트 러너를 띄울 수 있어요. 금융·의료 업종에서 주목하는 기능이에요.
- Parallel Agent Tabs: 탭별로 별도 에이전트 세션을 병렬 실행해요. “프론트엔드 리팩토링” 탭과 “API 테스트 작성” 탭을 동시에 돌릴 수 있어요.
놀라운 건 The New Stack 보도에 따르면 Cursor 3 출시와 거의 동시에 OpenAI가 Anthropic Claude Code 안에서 동작하는 공식 Codex 플러그인을 공개했다는 거예요. 즉, 경쟁 관계라고 여겨지던 세 회사의 도구가 같은 개발자 워크스테이션 안에서 보완 관계로 돌기 시작한 셈이에요. Creati AI 리포트는 이 흐름을 “아무도 계획하지 않은 AI 코딩 스택(nobody-planned AI coding stack)”이라고 표현했어요.
실제로 써보면 역할 분담이 자연스럽게 나뉘어요. 아래 표가 2주 돌려본 감각이에요.
| 도구 | 강점 | 대표 시나리오 |
|---|---|---|
| Cursor 3 | IDE UI, parallel agent tabs, cloud VM | UI 중심 빠른 리팩토링, 여러 태스크 동시 진행 |
| Claude Code | 레포 전역 추론, MCP 생태계, CLI 자동화 | 대규모 변경, 에이전틱 워크플로우 구축 |
| Codex 플러그인 | OpenAI 모델 특화, 수학·알고리즘 성능 | 최적화 문제, 복잡한 자료구조 리팩토링 |
Claude Code + MCP 실전 조합 TOP 5에서 다룬 조합 위에 이번 Codex 플러그인과 Cursor 3 worktree를 얹으면 바로 이 스택이 완성돼요. 구독료가 부담이면 Claude Code + Cursor 2개 조합만 써도 충분하고, Codex는 필요할 때만 뽑아 쓰는 전략이 현실적이에요.
2. GitHub Copilot CLI 정식 출시 — /fleet으로 병렬 에이전트 주류 진입
GitHub Copilot CLI가 정식 출시(GA)됐어요. 2025년 9월 퍼블릭 프리뷰 이후 약 5개월 만이에요. 자연어 명령 제안, 코드 설명, 에이전트 모드 실행을 터미널에서 바로 수행할 수 있어요. 하지만 이번 주 진짜 화제는 GA 자체보다 /fleet 명령이에요.
GitHub 공식 블로그 (2026-04-01)에 따르면 /fleet은 구현 계획을 받아서 독립 태스크로 쪼개고, 서브 에이전트를 병렬로 띄워 동시에 실행해요. 04-14 업데이트로 SQLite 기반 태스크 그래프(task graph)와 의존성 해결, 그리고 서브에이전트별 격리된 context window가 추가됐어요. 공식 문서에 작동 원리가 그림과 함께 정리돼 있어요.
핵심 기술 포인트 3가지예요.
- SQLite task graph: 태스크 간 선후 관계를 DAG로 저장. 실패 태스크만 재실행하고, 의존 태스크는 블로킹됨.
- 의존성 자동 해결: “API 수정 → 테스트 업데이트 → 문서 갱신” 같은 순서를 /fleet이 알아서 파악해요.
- 서브에이전트 격리 context: 각 서브가 독립된 컨텍스트 윈도우를 써서 메인 에이전트의 토큰 압박을 줄여요.
# GitHub Copilot CLI 설치 + 기본 사용
npm install -g @github/copilot-cli
gh auth login
# 자연어로 명령 요청
copilot suggest "현재 브랜치의 변경사항을 커밋하고 원격에 푸시"
# 에이전트 모드로 복잡 작업 위임
copilot agent "tests/ 디렉토리의 실패 테스트 분석하고 수정"
# /fleet 모드로 병렬 실행 (동시 실행 수 제한)
copilot /fleet --max-parallel 5 "API 엔드포인트 10개에 rate limiting 추가"
# 태스크 그래프 확인 (SQLite)
copilot fleet status --graph저는 10개 엔드포인트에 JWT 미들웨어를 붙이는 작업에 /fleet을 돌려봤는데, 순차 실행 대비 약 4.3배 빨랐어요. 다만 토큰 소모도 2배 가까이 늘어서, --max-parallel 값을 상황에 맞게 조정하는 게 포인트예요.
3. MCP 전면 확산 — VS Code GA, GitHub MCP 빌트인, A2A 프로토콜 등장
MCP(Model Context Protocol)가 이번 주를 기점으로 사실상 생태계 공용 인프라로 자리잡았어요. 3가지 흐름이 동시에 나왔어요.
- VS Code 에이전트 모드 GA: Visual Studio 블로그에 따르면 VS Code 에이전트 모드가 MCP 지원과 함께 GA 됐어요. 설정 파일 하나로 Playwright, Postgres, Slack 같은 외부 MCP 서버를 즉시 붙일 수 있어요.
- GitHub MCP 서버 built-in: Copilot CLI에 GitHub 자체 MCP 서버가 기본 탑재됐어요. PR·이슈·Actions 조회가 네이티브로 돌아요. 별도 설치 과정 없이 바로 사용 가능해요.
- A2A(Agent-to-Agent) 프로토콜: Microsoft가 Copilot Studio에 multi-agent 연동을 공식 지원하기 시작했어요. 한 에이전트가 다른 에이전트를 MCP처럼 호출하는 패턴이 프로토콜 수준으로 표준화되는 중이에요.
실무 관점에서 가장 큰 변화는 “한 번 만든 MCP 서버를 VS Code · Copilot · Claude Code · Cursor 어디에서나 쓸 수 있다”는 거예요. 자체 사내 API를 MCP 서버로 한 번 싸두면, 팀원이 어떤 도구를 쓰든 동일한 자연어 인터페이스로 접근할 수 있어요. MCP가 처음이라면 MCP란 무엇인가 — AI 에이전트의 USB 포트부터 읽고 넘어오세요.
4. Copilot SDK 테크니컬 프리뷰 — 자체 앱에 에이전트 삽입 가능
GitHub이 Copilot SDK를 테크니컬 프리뷰로 공개했어요. 계획 수립, 도구 호출, 파일 수정, 명령 실행까지 하는 에이전트를 자체 앱에 프로그래밍 레이어로 내장할 수 있어요. Node.js, Python, Go, .NET부터 지원해요.
# Python 예시 - Copilot SDK로 간단한 리팩토링 에이전트
from github_copilot_sdk import Agent, Tool
agent = Agent(
model="gpt-4o",
system="Python 리팩토링 전문 에이전트",
tools=[Tool.file_read, Tool.file_write, Tool.shell_exec],
mcp_servers=["github", "playwright"]
)
result = agent.run(
"src/legacy/*.py 파일의 print 문을 logging.info로 교체하고 테스트 실행"
)
print(result.summary)
print(result.files_modified)이번 SDK 공개는 의미가 커요. 지금까지 에이전트 시스템을 만들려면 LangChain, LlamaIndex 같은 프레임워크를 쓰거나 자체 구현을 해야 했는데, Copilot SDK는 GitHub 인프라와 MCP 생태계를 그대로 가져다 써요. LangChain 대비 장점은 3가지예요.
- GitHub 인프라 공짜 활용: 액션, 워크플로우, 리포 권한 관리가 기본 내장이에요.
- MCP 네이티브: 별도 어댑터 없이 전 세계 MCP 서버를 즉시 쓸 수 있어요.
- 구독형 과금: Copilot 구독 안에서 호출 수 제한이 있어 토큰 폭발 리스크가 적어요.
다만 현재 테크니컬 프리뷰 단계라 프로덕션 투입은 권장되지 않아요. 라이선스 조건도 변동 가능성이 있어요. 내부 도구 · 프로토타입으로 시작하고 GA 이후 상용화하는 흐름이 안전해요.
5. JetBrains 조사 — Claude Code · Cursor 업무 채택률 18%, Copilot 29%
JetBrains Research가 글로벌 개발자 2만 명 이상을 대상으로 진행한 조사 결과, Claude Code와 Cursor가 업무 채택률 18%로 공동 2위를 기록했어요. GitHub Copilot은 여전히 29%로 1위지만, 인지도 76% 대비 실사용률 격차가 꽤 커서 경쟁이 이어질 전망이에요.
1년 전 같은 조사에서 Claude Code는 5% 미만, Cursor는 7% 수준이었어요. 12개월 만에 각각 3.6배, 2.5배 성장한 거예요. Gartner는 2027년까지 개발자의 40%가 에이전트형 AI 코딩 도구를 일상적으로 쓸 것으로 예측하고 있어요. 지금이 정확히 “얼리어답터 → 주류” 전환 구간이에요.
흥미로운 세부 수치 몇 가지예요.
- 스타트업 · 5인 미만 팀에서 Claude Code 채택률이 31%로 가장 높았어요.
- 대기업(1000명 이상)은 Copilot Business 중심으로 42% 채택률이었어요.
- 오픈소스 메인테이너의 Cursor 채택률이 27%로, 전체 평균의 1.5배였어요.
2026 AI 코딩 도구 선택 가이드에서 다룬 대로, 이제는 단일 도구 선택보다 하이브리드 스택 구성이 현실적인 답이 되고 있어요. 회사 규모와 팀 스타일에 맞춰 2~3개 조합을 시험해보는 걸 권해요.
이번 주 개발자가 바로 시도할 것 3가지
뉴스만 읽고 끝내기엔 아까워요. 이번 주 당장 30분 내로 시도해볼 수 있는 실전 팁 3개예요.
- Copilot CLI /fleet으로 지겨운 반복 리팩토링 돌려보기:
copilot /fleet "레거시 print 문을 전부 logger로 교체"한 줄이면 끝나요. 수동으로 하던 30분 작업이 2~3분으로 줄어요. - Cursor 3 /worktree로 에이전트 분리 실험: 메인 브랜치를 건드리지 않고 에이전트 실험 가능해요.
/worktree agent/experiment로 새 워크트리를 만들고 병렬로 실험하세요. - VS Code 에이전트 모드에 사내 API MCP 서버 한 개 붙이기: 자주 쓰는 사내 API 1개를 MCP 서버로 포장하고 팀 공유.
.vscode/mcp.json에 커밋하면 팀원 전체가 자연어로 호출 가능해져요.
이번 주 시사점
세 가지 흐름이 한 방향을 가리키고 있어요. 첫째, 도구 간 경계가 녹고 있다는 것. Cursor 3 안에서 Claude Code와 Codex가 돌고, Copilot CLI는 MCP 서버 호환 도구를 전부 붙일 수 있어요. 둘째, 에이전트가 터미널 · IDE · CI/CD에 전방위로 확산되고 있다는 것. 셋째, MCP와 A2A가 사실상 표준 프로토콜로 자리잡았다는 것이에요.
실무 엔지니어 입장에서 결론은 명확해요. 지금이 에이전틱 엔지니어링 워크플로우에 투자할 최적의 시점이에요. 하나의 도구에 락인되지 말고, MCP 서버 중심으로 “도구 교체 비용이 0에 가까운” 스택을 구축하는 걸 권해요. 다음 주 뉴스가 어떻게 나오든 여러분의 워크플로우는 그대로 돌아갈 거예요.
Q. Cursor 3, Claude Code, Codex를 동시에 쓰는 게 낭비 아닌가요?
역할이 다르면 낭비가 아니에요. Cursor 3는 IDE 내 parallel agent tabs와 worktree, Claude Code는 레포 전역 리팩토링과 MCP 생태계, Codex 플러그인은 OpenAI 모델 특화 작업에 강점이 있어요. 구독료 부담이 크면 둘만 조합해도 충분해요. 실사용 기준으로는 Claude Code + Cursor 3 조합이 가장 보편적이에요.
Q. GitHub Copilot CLI와 Claude Code CLI 중 뭐가 더 낫나요?
용도가 달라요. Copilot CLI는 GitHub 워크플로우(PR, 이슈, Actions) 통합과 /fleet 병렬 실행이 강하고, Claude Code는 범용 코딩 에이전트로 MCP 생태계가 풍부해요. GitHub 중심이면 Copilot CLI, 범용 프로젝트나 커스텀 MCP 활용이 많으면 Claude Code를 권해요. 둘을 병행 사용하는 팀도 늘어나고 있어요.
Q. MCP를 꼭 써야 하나요?
단순 코딩 어시스트만 쓴다면 몰라도 돼요. 하지만 에이전트에게 외부 도구(DB, 브라우저, 내부 API)를 연결하려면 MCP가 가장 빠른 길이에요. VS Code · Copilot · Claude Code · Cursor 모두 MCP를 기본 지원하므로 한 번 설정하면 전 도구에서 재사용돼요. 락인 방지 관점에서도 MCP가 표준이에요.
Q. Copilot SDK로 만든 에이전트는 상용 서비스에 넣어도 되나요?
현재 테크니컬 프리뷰 단계라 프로덕션 투입은 권장되지 않아요. 라이선스 조건도 아직 변동이 있을 수 있어요. 내부 도구나 프로토타입으로 시작하고, GA 이후 상용화하는 흐름이 안전해요. 빠르게 프로덕션에 넣어야 한다면 LangChain이나 자체 구현이 더 안정적이에요.
Q. /fleet은 어떤 작업에 가장 효과적인가요?
서로 독립적인 반복 작업에 가장 강해요. 예: 여러 엔드포인트에 미들웨어 추가, 레거시 코드 일괄 변환, 다국어 키 추가 등. 반대로 단일 파일 내 복잡 로직이나 디자인 결정이 필요한 작업은 일반 agent 모드가 나아요. max-parallel은 3~5로 시작해서 점진적으로 늘리는 걸 권해요.