Agent Argo

목표를 자연어로 설명하세요. CEO AI가 계획을 세우고 전문 에이전트 팀에 위임하며, 결과가 완료로 간주되기 전에 독립적으로 검증하도록 합니다.

CEO AI 팀무언가 작성되기 전에 전문 에이전트 팀이 서로 이의를 제기합니다 — 단일 채팅 에이전트가 아닙니다.

공급업체 중립(BYOK)자신의 API 키로 클라우드 모델과 로컬 모델을 자유롭게 조합 — 특정 공급업체에 종속되지 않습니다.

독립적 검증코드 작성자가 아닌 별도의 검증 에이전트가 테스트와 리뷰로 모든 결과를 확인하고, 실패 시 자동으로 복구를 시작합니다.

완전한 추적 가능성모든 결정, 컨텍스트, 모델, 비용이 기록되어 — 몇 달 후에도 추적할 수 있습니다.

텔레메트리

주장이 아니라 측정값

Argo가 측정하는 것은 토큰 수가 아니라 채택된 결과당 비용입니다. 이 수치들은 실제 설치 환경의 익명화된 옵트인 텔레메트리에서 나온 것입니다: 집계된 수치만 포함되며 프로젝트 콘텐츠는 결코 포함되지 않습니다.

수치를 표시하기에는 아직 익명화된 이용 데이터가 충분하지 않습니다 — 최소 표본 크기에 도달하면 표시됩니다.

SWE 벤치마크

추정치 — 실제 테스트 실행은 추후 진행

운영 프로필

이 수치는 의도적으로 보수적(비관적)으로 추정한 값입니다 — Argo가 (아직) 안정적으로 달성하지 못하는 것을 약속하기보다는 낮게 잡는 쪽을 택했습니다. 각 퍼센트는 해결률을 나타냅니다: 벤치마크 과제 중 완전히 정확하게 해결된 비율이며, 다른 모델과의 시간 비교나 절반만 맞은 답에 대한 부분 점수는 없습니다. 이는 실제로 실행한 벤치마크 결과가 아니라 Argo의 기반 모델, 오케스트레이션, 검증 계층을 바탕으로 도출한 근거 있는 추정치입니다. 실제 테스트 실행은 과제당 다수의 모델 호출로 인한 잠재적으로 높은 API 비용 때문에 당분간 보류되며, 추후 진행될 예정입니다.

SWE-bench Verified

SWE-bench Lite

LiveCodeBench

Terminal-Bench

CMA-Bench

추정치이며 실측값이 아닙니다 — 실제 벤치마크 실행은 비용 문제로 보류되었으며, 가능해지는 대로 추가될 예정입니다.

블로그

블로그: 개발 현황을 실시간으로

현재 개발 중인 내용, 새로 도입한 기술, 최신 업데이트에서 달라진 점.

블로그 보기

포지셔닝

챗봇이 아니라 인공 소프트웨어 팀

단일 에이전트는 그럴듯한 해결책을 빠르게 제시할 수 있습니다. 하지만 그럴듯함이 곧 신뢰성은 아닙니다. Argo는 계획, 구현, 검토, 승인을 각각 독립된 책임으로 취급합니다 — 훌륭한 팀이 그렇게 하듯이 말입니다.

오케스트레이션

단일한 사고 흐름이 아닌 팀

Argo는 작업을 분해하고 전문화된 역할에 분배하며, 무언가를 작성하기 전에 서로 검증하도록 합니다. 이를 통해 단일 에이전트라면 놓쳤을 약점이 드러납니다.

통제

가드레일이 있는 자율성

변경 사항은 먼저 격리된 환경에서 패치로 생성되며, 검토를 거친 후에만 적용됩니다. Argo가 자동으로 수행할 수 있는 범위는 사용자가 결정하며, 중요한 작업은 항상 특별히 보호됩니다.

추적 가능성

모든 판단에 기록이 남습니다

모든 실행마다 무슨 일이 있었는지 기록됩니다: 어떤 컨텍스트, 어떤 모델, 어떤 비용, 어떤 검사. 몇 달이 지난 후에도 왜 그런 판단이 내려졌는지 추적할 수 있습니다.

작동 방식

요구사항에서 검증된 결과까지

목표를 자연어로 설명하기만 하면 됩니다. Argo는 이를 계획으로 전환하고 적절한 에이전트를 오케스트레이션하여, 단순히 완성된 것처럼 보이는 것이 아니라 실제로 검증된 결과를 제공합니다.

스케줄러와 재계획기가 실제로 필요한 에이전트와 모델을 결정
독립적인 검증기가 결과를 단순히 요약하는 대신 실제로 확인
컨텍스트 패키지가 대규모 코드베이스에서 관련 부분만 정확하게 제공
Git 모드: 수행된 작업 내용을 바탕으로 커밋, 브랜치, PR 설명을 생성

CEO AI
과제를 이해하고 계획 및 작업 그래프를 구성

에이전트 팀
아키텍처, 개발, QA, 문서화 — 구조화된 논의를 거쳐

검증
테스트, 검토, 독립적인 검증기, 복구 실행

결과
검증된 패치, 판단 근거, 완전한 감사 추적

경제성

올바른 지표: 채택된 결과당 비용

Argo는 하나의 작업에 대해 단순 채팅보다 더 많은 토큰을 소모하는 경우가 많지만, 그럼에도 결과적으로는 더 저렴합니다. 정형화된 작업은 저렴하거나 로컬 모델로 처리하고, 비용이 높은 최상위 모델은 추가 가치가 추가 비용을 정당화할 때만 사용됩니다.

가격대를 넘나드는 지능형 모델 라우팅과 설명 가능한 모델 선택
실행 시작 전에 시뮬레이션되는 소프트/하드 예산 한도
재시도 감소, 재작업 감소, 검토 시간 감소 — 인력이야말로 훨씬 더 비싼 자원입니다

정형 작업
컨텍스트 조회, 문서, 간단한 확인 → 저렴하거나 로컬 모델

고난도 작업
아키텍처, 복잡한 구현, 근본 원인 분석 → 강력한 모델

안전장치
측정 가능한 가치가 있을 때만 검증 및 에스컬레이션 수행

다음 단계

더 적은 감독으로 더 나은 결과를

재작업 감소, 검토 시간 감소, 결과에 대한 더 높은 신뢰 — 이것이 단일 에이전트와 팀의 차이입니다.

요금 확인하기