코딩 에이전트가 연구까지 — Sakana AI, The Agentic Scientist 오픈소스 공개

Claude Code·Codex 같은 코딩 에이전트를 감싸서 가설 → 실험 → 검증 → 논문까지 자동으로 돌리는 연구 파이프라인이에요. ALIFE 2026 구두 발표 논문도 이 시스템으로 공동 발견했어요.

컨텐츠랩 편집부 · 읽는 시간 4분

핵심 3줄

The Agentic Scientist는 코딩 에이전트(Claude Code·Codex·Gemini·OpenCode 등)를 6단계 파이프라인(과제 정의 → 조사 → 절삭 실험 → 최종 평가 → 사후 분석 → 논문 작성)으로 감싸는 오픈소스 프레임워크예요.
14가지 모델-에이전트 조합으로 70건의 연구 캠페인을 돌렸고, 수치 성능과 논문 품질 사이 상관계수가 0.44로 나타났어요. 최신 Claude 계열이 가장 높은 리뷰 점수를 받았어요.
이 시스템으로 공동 발견한 Error Diffusion 논문이 ALIFE 2026 구두 발표로 채택됐어요. AutoIllustrate(벡터 다이어그램 자동 생성)도 함께 공개했고, 라이선스는 Apache 2.0이에요.

🧪 CONTENTSLAB 평지켜보세요★★★★★실전 활용도 3/5

ML 연구자

반복 실험(하이퍼파라미터 탐색·절삭 실험)을 에이전트에 맡기고, 논문 초안까지 자동으로 받을 수 있어요. Docker 컨테이너 안에서 돌아서 환경 충돌 걱정이 적어요.

개발자

Claude Code나 Codex를 이미 쓰고 있다면 Headless CLI로 연결해 실험 루프를 자동화할 수 있어요. Python 3.11 + uv + Docker면 바로 시작할 수 있어요.

1인 연구자·기획자

직접 논문을 쓸 일이 없더라도, 경쟁 기술 벤치마크를 자동으로 돌리고 리포트를 뽑는 용도로 응용할 수 있어요.

$ 바로 해 보기

1. GitHub에서 AI-Scientist-v3를 clone하고 uv sync로 설치(agsci 명령이 생겨요 · Python 3.11 이상)
2. Docker를 켜고 README의 docker build 한 줄로 에이전트 이미지 만들기
3. 저장소 맨 위 .env에 쓰는 에이전트의 키 넣기(Claude Code는 구독 토큰도 돼요)
4. agsci doctor examples/circpack 으로 준비 확인 → agsci run examples/circpack --dry-run 으로 단계만 미리 보기
5. agsci run examples/circpack 실행 → agsci inspect start 로 결과를 브라우저에서 보기

CONTENTSLAB 생각 · 이렇게 써 볼 수 있을 것 같아요

자동화된 벤치마크 리포트를 뽑아서 기술 비교 콘텐츠를 만들 때 써 보면 좋을 것 같아요.

Sakana AI가 The Agentic Scientist를 오픈소스로 공개했어요. 코딩 에이전트를 감싸서, 과제 정의부터 논문 작성까지 한 번에 돌리는 연구 자동화 프레임워크예요.

코딩 에이전트를 연구자로

Claude Code, Codex, Gemini, OpenCode, Cursor, Pi — 요즘 쓰이는 코딩 에이전트 여섯 종류를 Headless CLI로 연결할 수 있어요. 에이전트가 코드를 짜는 것을 넘어, 가설을 세우고 실험을 설계하고 결과를 평가하는 연구 루프를 직접 수행해요.

6단계 파이프라인

파이프라인은 여섯 단계로 나뉘어요:

과제 정의 — 연구 목표와 평가 기준을 잡아요
조사 — 병렬 워커(parallel worker)가 여러 아이디어를 동시에 탐색해요
절삭 실험(ablation) — 어떤 요소가 성능에 기여하는지 하나씩 빼며 확인해요
최종 평가 — 루브릭(rubric) 기반 점수로 결과를 매겨요
사후 분석 — 근거 매핑(evidence mapping)으로 주장과 실험 결과를 연결해요
논문 작성 — 검증되지 않은 주장을 자동으로 걸러내는 감사(audit) 기능이 포함돼 있어요

70건 캠페인, 14가지 조합

Sakana AI는 9개 LLM(GPT 계열 4종, Claude 계열 4종, DeepSeek)을 네 가지 에이전트 하네스(Codex·Claude Code·OpenCode·Pi)와 조합해 총 14가지 구성으로 70건의 연구 캠페인을 실행했어요. 결과를 보면 수치 성능과 논문 품질 사이 상관계수(r)가 0.44였고, 최신 Claude 계열 모델이 전반적으로 가장 높은 리뷰 점수를 받았어요.

ALIFE 2026 논문 채택

이 시스템을 사람 연구자와 함께 써서 발견한 Error Diffusion(역전파의 생물학적 대안) 연구가 ALIFE 2026 구두 발표로 채택됐어요. 사람이 최종 검증과 투고 결정을 맡고, 에이전트가 실험과 초안을 담당하는 '공동 발견(co-discovery)' 방식이에요.

AutoIllustrate — 다이어그램 자동 생성

논문에 들어갈 벡터 다이어그램을 자동으로 만들어 주는 AutoIllustrate도 함께 공개했어요. draw.io 형식이라 나중에 직접 수정할 수 있어요.

주의할 점

Sakana AI도 여러 한계를 밝혔어요. 문헌 검색이 아이디어 단계가 아니라 논문 작성 단계에서 이뤄지고, 평가가 계산 ML 과제에 한정돼 있으며, 평가 기준이 명시적이지 않으면 보상 해킹(reward hacking) 위험이 있다고 했어요. 구현·결과·주장은 사람이 반드시 검증해야 한다고 강조했어요.

X 게시물 보기 · https://x.com/sakanaailabs/status/2110738746304061491

코드와 논문(88쪽)은 GitHub(AI-Scientist-v3)과 arXiv에서 Apache 2.0 라이선스로 받을 수 있어요.

원문 화면 · Sakana AI 공식 블로그 — The Agentic Scientist 발표 페이지

원문 화면 · ALIFE 2026 구두 발표 채택 논문(Error Diffusion) 소개 부분

출처 (원문)