AI 에이전트를 하루 이상 돌리는 순간, 대화 기록만으로는 작업을 이어가기 어렵습니다. 목표가 바뀌고, 사람의 결정이 끼어들고, 증거가 낡고, 다른 에이전트가 일을 넘겨받습니다. 타이머만 붙인 자동 실행은 더 위험합니다. 유용한 변화가 끝났는데도 다음 호출을 계속 소비할 수 있기 때문입니다.
huangruiteng/loopx는 이 문제를 에이전트 모델 자체를 바꾸는 방식으로 다루지 않습니다. Codex, Claude Code, Cursor, 셸 에이전트가 한 번에 제한된 turn을 실행하고, LoopX가 프로젝트 로컬 상태에 objective, gate, executable todo, scope, evidence, quota, handoff를 기록합니다. 실행 결과가 남은 뒤에야 quota와 상태를 보고 다음 tick을 허용합니다. 사람의 판단이 필요한 gate에서는 구체적인 질문을 남기고 기다립니다.
이 구조는 브라우저 안에서 보이는 에이전트 화면과 실제 작업 권한을 분리해서 생각하게 만듭니다. LoopX는 local-first control plane이지, 위험한 작업을 대신 승인하는 production controller가 아닙니다. 게시, 프로덕션 쓰기, 위험한 권한, 최종 소유권은 사람에게 남습니다. 자동화의 범위를 넓히는 대신, 자동화가 멈춰야 하는 지점을 상태로 남기는 선택입니다.
README의 사례는 이 주장을 과장하지 않습니다. OpenViking 이슈 수정과 Auto ML 실험은 각각 200시간 넘는 경과 시간을 가진 loop trajectory로 소개되지만, 200시간 연속 계산이나 무인 프로덕션 운영의 증거라고 말하지 않습니다. 공개 안전 그래프에는 여러 bounded turn 사이의 결정, evidence branch, gate가 남고, 이슈 수정 사례에서는 PR과 현재 checkout 소스·테스트가 권위 있는 근거로 분리됩니다.
설치 경로도 작습니다. Python 3.11 이상과 macOS/Linux 셸이 있으면 GitHub 설치 스크립트 뒤에 `loopx doctor`를 실행하고, 프로젝트 루트에서 `loopx connect`, `loopx status`로 연결 상태를 확인합니다. 상태가 없을 때만 guided goal을 시작하고, 기존 `.loopx/`, `.codex/goals/`, `.local/`은 덮어쓰지 않도록 안내합니다.
장기 에이전트의 성패를 "얼마나 오래 자율 실행했는가"로만 재면 중요한 부분을 놓칩니다. 다시 시작했을 때 같은 목표로 돌아오는가, 인수인계 뒤 다음 행동의 근거가 보이는가, 돈과 권한을 써도 되는 순간을 구분하는가. LoopX는 그 질문을 작은 상태 계층으로 끌어내립니다.