출처
- source_url: https://news.hada.io/topic?id=29076
- author: shaun0927
- published: 2026-05-02
- raw: raw source:
web-2026-05-02-ouroboros-beats-claude-plan-mode
요약
한국 개발자 Q00이 만든 오픈소스 프로젝트 Ouroboros(github.com/Q00)가 새로 공개된 “AI-assisted discrete-event simulation” 벤치마크에서 전체 1위를 기록했다는 소식이 hada.io GN+ 게시물로 소개됐다. 특히 주목할 점은 같은 Claude Max 환경에서 실행됐음에도 Ouroboros가 Anthropic의 기본 Claude Plan Mode보다 더 좋은 결과를 냈다는 사실이다.
이 벤치마크는 단순 코딩 능력이 아니라, AI 에이전트가 실제 시스템을 이해하고 모델링해 실행 가능한 시뮬레이션 결과물을 만들어내는 능력을 평가하는 고난도 과제였다. 대상 시스템은 광산 운송이었고, 트럭·적재 지점·하역 지점·경로·대기열 같은 구조를 파악해 이를 discrete-event simulation 모델로 추상화하고, 어떤 이벤트가 발생하며 어떤 상태가 바뀌고 어떤 지표를 측정할지 설계한 뒤, 실제 실행 가능한 시뮬레이션 코드를 구현하고 병목·처리량·대기 시간 등을 해석하며, 사람이 이해하기 쉬운 topology diagram과 애니메이션까지 산출물로 만들어야 했다.
Ouroboros는 Claude Code 안에서 자체 “ooo workflow”로 실행됐고, 제출물에는 광산 트럭이 광석을 운반하는 애니메이션과 topology diagram이 포함됐다. 특히 흥미로운 지점은 실행 중 MCP 서버가 실패했음에도 Ouroboros가 skills 기반 접근으로 자연스럽게 fallback해 좋은 결과를 냈다는 점이다. 글쓴이는 실제 AI 워크플로우가 항상 이상적으로 작동하지 않는 현실에서, 실패했을 때 복구하고 다른 경로로 계속 진행하는 능력이 특히 중요하다고 평가했다.
Ouroboros가 지향하는 방향은 단순히 “AI에게 코드를 쓰게 하는 것”이 아니라, 문제를 명확히 하고 계획을 세우고 실행하며 실패에서 복구하고 결과를 평가한 뒤 필요하면 다시 개선하는 워크플로우를 만드는 것이다. 이번 벤치마크 결과는 많은 지침이나 방대한 skill을 붙이는 방식이 항상 좋은 성능을 내는 것은 아니라는 점도 보여줬다 — 일부 “fat skills” 기반 접근(예: superpowers)은 오히려 기본 plan mode보다도 낮은 성능을 기록한 반면, Ouroboros처럼 문제 정의·계획·실행·평가·복구를 구조화한 워크플로우가 더 좋은 결과를 냈다. 글쓴이는 한국 개발자가 만든 오픈소스 AI 워크플로우가 Anthropic의 기본 plan mode를 앞선 사례라는 점에 자부심을 느끼면서도, 이는 AI 에이전트가 실제 문제를 해결하기 위해 어떤 구조를 가져야 하는지에 대한 작은 실험 결과로 보아야 한다고 덧붙였다.
관련 위키
원문 보존 위치
원문 전체는 raw source: web-2026-05-02-ouroboros-beats-claude-plan-mode에 source_url과 함께 저장되어 있다.