AI 에이전트를 활용한 Lisp 개발: 높은 비용과 기술적 과제

Lisp 대 다른 언어에서의 AI 에이전트 성능

AI 에이전트 개발을 위해 Goose CLI와 OpenRouter를 사용하는 DevOps 엔지니어는 프로그래밍 언어 간 AI 성능에 상당한 차이가 있음을 발견했습니다. Lisp으로 RSS 리더 형식 변환 도구를 작업하는 동안, 그는 Python이나 Go와 비교해 개발이 비용이 많이 들고 비효율적이게 만드는 여러 도전 과제에 직면했습니다.

기술 구현 세부 사항

엔지니어는 처음에 AI 에이전트가 tmux 명령어를 사용해 Lisp REPL과 상호작용하도록 시도했습니다: tmux capture-pane -t 0.0 -p | tail -n 1. 이 접근 방식은 과도한 토큰을 소비했고, sleep 명령어가 필요했으며, tmux 출력을 파싱하는 과정이 포함되었습니다. Claude는 일부 진전을 보였지만 여전히 어려움을 겪었고, DeepSeek과 Qwen 같은 저렴한 모델들은 다른 작업에서는 적절히 작동했음에도 불구하고 성능이 좋지 않았습니다.

상황을 개선하기 위해, 그는 더 직관적인 REPL 인터페이스를 제공하는 Python 도구인 tmux-repl-mcp를 만들었습니다. 복잡한 tmux 상호작용 대신, 에이전트는 REPL에서 execute_command를 간단히 실행하고 직접 출력을 받을 수 있었습니다. 그는 기존 Goose 구성이 도구 설치 및 관리를 위해 uvx를 사용했기 때문에 Python을 선택했습니다.

비용 및 성능 비교

AI를 사용한 Lisp과 Python 개발 간 차이는 극적이었습니다. Python으로는 저렴한 모델을 사용해 하루나 이틀 만에 모든 코드와 테스트를 작성할 수 있었고, 반자동 디버깅만 필요했습니다. Lisp으로는 tmux-repl-mcp를 구현한 후에도 Claude로 30분 만에 10달러를 소비했고, 신호 대 잡음비는 Python에 비해 여전히 좋지 않았습니다.

이 경험에서 얻은 주요 관찰 사항:

• AI는 최소 저항 경로를 따라 코드를 생성하며, OCICL 같은 대안을 사용하도록 지시받았을 때도 QuickLisp 같은 일반적인 패턴으로 기본 설정됩니다
• AI API의 높은 지연 요청-응답 특성은 REPL 개발 워크플로우와 충돌합니다
• 인터넷에서 높은 볼륨을 가진 언어(Go, Python)는 AI 지원 개발에서 훨씬 쉽고 저렴합니다
• AI는 언어 인기를 백만 토큰당 실제 비용 절감으로 전환했습니다

엔지니어는 언어와 관계없이 그의 역할은 여전히 비슷하다고 언급했습니다: AI를 관리하는 의견이 분명한 제품 소유자 역할을 하는 것입니다. 그러나 이 경험은 Lisp을 직접 작성할 때의 일반적인 즐거움이 부족했고, 더 나은 AI 호환성을 위해 프로젝트를 Go로 다시 작성하는 것을 고려하게 만들었습니다.