OpenAI Codex Subagents GA: 멀티 에이전트 병렬 코딩 작동 원리, 실제 결과, Claude Code 비교

3월 14일, OpenAI가 Codex 서브에이전트를 정식 출시(GA)했습니다. OpenAI Codex 서브에이전트는 한 명의 개발자가 최대 8개의 AI 에이전트를 동시에 돌리면서 코드를 작성하고, 테스트하고, 리뷰하는 시스템입니다. 그동안 AI 코딩 어시스턴트는 “한 번에 하나”가 한계였는데, 이제 그 벽이 무너졌습니다. 2026년 1분기 동안 프리뷰를 거친 이 기능은 이제 모든 Codex 사용자에게 열려 있으며, 이미 여러 Y Combinator 스타트업이 야간 자동 개발 루프에 활용하고 있습니다.

OpenAI Codex 서브에이전트란 무엇인가

OpenAI Codex 서브에이전트는 하나의 매니저 에이전트가 여러 전문 에이전트를 조율하는 멀티 에이전트 코딩 시스템입니다. 기존의 단일 AI 코딩 도구가 순차적으로 작업을 처리했다면, 서브에이전트는 작업을 분할하여 병렬로 실행합니다. 매니저가 복잡한 작업을 분해하면, 각 서브에이전트가 자신의 전문 영역에서 독립적으로 작업을 수행하고, 결과가 취합되어 하나의 통합된 응답으로 반환됩니다.

OpenAI 공식 문서에 따르면 기본 제공 에이전트는 세 가지입니다.

• Explorer — 읽기 전용으로 코드베이스를 탐색합니다. 실패하는 UI 플로우의 관련 프론트엔드와 백엔드 코드 경로를 매핑하고, 진입점과 상태 전환을 식별하여 Worker가 편집을 시작하기 전에 전체 그림을 그립니다
• Worker — 이슈가 파악된 후 소규모의 타겟팅된 수정에 집중하는 실행 중심 에이전트입니다. 실제 코드 구현과 변경 작업을 담당합니다
• Default — 범용 목적의 폴백 에이전트로, 특정 역할이 지정되지 않은 다양한 작업을 유연하게 처리합니다

핵심은 이 에이전트들이 동시에 실행된다는 점입니다. Explorer가 코드베이스를 분석하는 동안 Worker가 이미 알려진 부분의 코드를 수정하고, 별도의 커스텀 에이전트가 테스트를 작성할 수 있습니다. Codex는 에이전트 생성, 후속 지시 라우팅, 결과 대기, 에이전트 스레드 종료까지 모든 오케스트레이션을 자동으로 처리합니다. 기본 동시 실행 스레드 수는 6개이며, 설정에 따라 최대 8개까지 병렬 실행이 가능합니다.

TOML 커스텀 에이전트: 나만의 코딩 팀 구성하기

OpenAI Codex 서브에이전트의 진짜 힘은 커스텀 에이전트에 있습니다. ~/.codex/agents/ 디렉토리에 TOML 파일을 만들면 개인용 전문 에이전트를 정의할 수 있고, 프로젝트 단위로는 .codex/agents/에 배치하여 팀 전체가 공유할 수도 있습니다. 커스텀 에이전트 이름이 기본 에이전트(explorer 등)와 같으면 커스텀 에이전트가 우선 적용됩니다.

각 TOML 파일에는 에이전트의 이름(name), 설명(description), 개발자 지시사항(developer_instructions)을 정의하며, 선택적으로 모델(GPT-5.3-codex-spark 등), model_reasoning_effort, 샌드박스 모드, MCP 서버 연결, 스킬 설정 등을 추가할 수 있습니다. PR 리뷰 워크플로우에서는 pr_explorer, reviewer, docs_researcher 세 에이전트가 동시에 작업하는 패턴이 공식 문서에 소개되어 있습니다.

실험적 기능으로 CSV 배치 처리도 지원됩니다. spawn_agents_on_csv 도구를 사용하면 CSV의 각 행마다 하나의 워커 에이전트가 자동 생성되어, 대량 마이그레이션 작업이나 수백 개 파일에 걸친 대규모 리팩토링을 자동화할 수 있습니다.

실제 성과: 숫자로 보는 서브에이전트의 현주소

GA 이후 초기 데이터는 기대와 현실 사이의 균형을 보여줍니다. 잘 정의된 작업에서 75~85%의 수락률을 보이며, 중간 복잡도 작업은 50~65%, 완전히 새로운 유형의 작업은 15~30%입니다. 서브에이전트는 반복적이고 구조화된 작업에서 가장 빛나며, 창의적 판단이 필요한 영역에서는 아직 인간의 개입이 필수적입니다.

작업당 비용은 잘 정의된 작업 기준 $3~8 수준으로, 월 $500의 정액제인 Devin이나 월 $20~40의 Cursor와 비교하면 사용량 기반의 유연한 요금 구조입니다. 리뷰 시간까지 포함한 실효 비용이므로, 실제 ROI는 작업의 정의 품질에 크게 좌우됩니다.

테스트 커버리지 측면에서도 주목할 만합니다. 이전에 테스트되지 않았던 모듈에 서브에이전트를 투입한 팀들은 하룻밤 사이에 60~80%의 커버리지 향상을 보고했습니다. Y Combinator 지원 스타트업 여러 곳이 2026년 1분기부터 야간 개발 루프에 서브에이전트를 활용하고 있으며, 아침에 출근하면 PR이 올라와 있는 워크플로우를 구축했습니다.

Terminal-Bench 2.0 벤치마크에서 GPT-5.3-Codex는 77.3%를 기록하여, 터미널 네이티브 작업(DevOps, 스크립트, CLI 도구)에서는 확실한 강점을 보여주고 있습니다. 특히 인프라 팀에서 대부분의 작업이 터미널에서 이루어지는 환경이라면 이 벤치마크 우위는 실무적으로 큰 의미를 가집니다.

Codex 서브에이전트 vs Claude Code: 철학이 다른 두 도구

두 도구는 근본적으로 다른 철학을 가지고 있습니다. OpenAI Codex는 클라우드 샌드박스에서 비동기적으로 실행되는 독립형 플랫폼을 지향합니다. 개발자가 작업을 위임하고 다른 일을 하다가 결과를 받아보는 방식입니다. 반면 Claude Code는 터미널에서 개발자와 함께 호흡하는 로컬 워크플로우를 강조합니다.

VS Code 마켓플레이스 데이터가 흥미로운 그림을 보여줍니다. 3개월 늦게 출시되었음에도 Claude Code for VS Code는 520만 설치를 기록하여 Codex의 490만을 앞서고 있으며, 평점도 4.0 대 3.4로 우위에 있습니다. 사용자들은 Claude Code의 복잡한 멀티스텝 작업 처리 능력을 높이 평가하는 반면, Codex는 코드 생성 속도와 비용 효율성에서 강점을 보입니다.

비용 측면에서 GPT-5는 Anthropic의 Sonnet 대비 약 절반, Opus 대비 약 10분의 1 수준입니다. 대량의 코드 생성 작업을 수행하는 팀이라면 Codex의 비용 우위는 무시할 수 없습니다. 하지만 복잡한 리팩토링이나 아키텍처 설계에서는 Claude Code가 여전히 강점을 보인다는 것이 현장 개발자들의 일관된 평가입니다.

실전 선택 가이드: 누가 어떤 도구를 쓸 것인가

선택은 워크플로우에 달려 있습니다. DevOps, 스크립팅, CLI 도구 개발이 주력이라면 Terminal-Bench 77.3%의 Codex 서브에이전트가 명확한 선택입니다. 병렬 실행은 CI/CD 파이프라인 구축이나 대규모 마이그레이션에서 특히 빛을 발합니다. CSV 배치 처리로 수백 개 파일을 한 번에 처리할 수 있다는 점도 인프라 팀에게는 결정적 장점입니다.

반면 풀스택 개발, 복잡한 비즈니스 로직 구현, 기존 코드베이스의 심층 리팩토링을 주로 한다면 Claude Code의 컨텍스트 이해 능력이 더 적합할 수 있습니다. 실제로 두 도구를 병행하는 개발자들도 늘고 있습니다 — Codex 서브에이전트로 보일러플레이트와 테스트 커버리지를 빠르게 확보하고, Claude Code로 핵심 로직과 아키텍처 의사결정을 다듬는 하이브리드 전략입니다.

2026년 AI 코딩 에이전트 시장은 “하나의 도구로 모든 것을” 하는 시대에서 “작업에 맞는 도구를 선택하는” 시대로 전환하고 있습니다. OpenAI Codex 서브에이전트의 GA 출시는 멀티 에이전트 병렬 코딩이 실험이 아닌 프로덕션 도구로 자리잡았음을 선언한 것입니다. 반복 가능한 작업은 에이전트에게 맡기고, 개발자는 설계와 의사결정에 집중하는 것 — 이것이 서브에이전트가 제시하는 2026년 개발의 방향이며, 그 가속도는 점점 더 빨라지고 있습니다.