개인 도구에서 워크스페이스로 확장된 에이전트 루프 체계
협업 및 이슈 관리 플랫폼 Linear는 2026년 7월 20일 Linear Agent 기반의 신규 자동화 기능인 'Loops'를 공식 출시하고 당일 배포를 시작했습니다. Linear의 제품 총괄 Nan Yu는 공식 발표를 통해 개발자 중심의 코딩 도구에서 활용되던 반복 실행 루프 개념을 제품 조직 전체의 워크스페이스 단위로 확장했다고 설명했습니다.
기존 Claude Code나 Codex 같은 도구에서 개별 엔지니어가 명령어를 통해 수행하던 자동화는 단일 개발자의 작업 환경에 국한되는 경향이 있었습니다. 반면 Linear가 선보인 Loops는 팀과 워크스페이스 레벨에서 동작하도록 설계되었습니다. 복잡한 워크플로 스크립트 작성 대신 일상적인 자연어(Plain Language)로 작업 내용을 지시하면, Linear Agent가 이를 해석해 정기적으로 혹은 특정 이벤트 발생 시 자동으로 작업을 수행하는 구조입니다.
자연어 기반 트리거 설정과 연동 컨텍스트 작동 메커니즘
Loops의 실행 방식은 크게 두 가지로 나뉩니다. 매일 혹은 매주 정해진 시점에 동작하는 스케줄 기반 트리거와, 워크스페이스 내에서 이슈 생성이나 상태 변경 등 특정 사건이 감지될 때 동작하는 이벤트 기반 트리거입니다. 각 루프가 실행될 때마다 Linear Agent는 사전에 입력된 자연어 지시사항을 검토하고 수행해야 할 다음 단계를 결정합니다.
이 과정에서 에이전트는 Linear 내부의 이슈, 프로젝트, 문서 데이터뿐만 아니라 연동된 코드베이스, 모델 컨텍스트 프로토콜(MCP) 서버, 과거 루프 실행 이력을 종합적으로 참조합니다. 예를 들어 신규 버그 리포트가 인입(Triage)되면 본문과 댓글은 물론 관련 소스 코드를 분석해 후속 조치를 권고하며, 명확한 수정이 가능한 경우 자체 코딩 세션을 가동해 수정 작업을 진행합니다. 또한 새로운 기능 요청이 들어오면 플랫폼별(iOS, Android, Web) 작업 필요성을 판단해 하위 이슈를 생성하고 담당 팀에 라우팅하는 역할도 수행합니다.
요금 체계와 사용 요건: 상위 플랜 및 AI 크레딧 종량제
Loops 기능은 Linear의 Business 및 Enterprise 플랜 가입 고객에게 제공됩니다. 고정 좌석 요금제가 아닌 실제 사용량에 비례해 차감되는 'AI 크레딧(AI Credits)' 기반 종량제로 운영되는 점이 특징입니다. 실행 작업의 성격과 모델 토큰 소모량에 따라 차등 청구되며, 코딩 세션을 유발하지 않는 일반적인 루프 작업은 1회 실행당 약 0.07달러에서 0.20달러 수준으로 책정되었습니다.
만약 코드베이스 수정이 수반되는 코딩 세션이 실행될 경우, 모델 토큰 비용 외에도 20분당 0.25달러의 샌드박스 런타임 비용이 추가로 청구됩니다. Linear 측은 도입 초기 고객의 실무 검증을 지원하기 위해 워크스페이스 좌석당 20달러 상당의 프로모션 크레딧을 무상 지급했으며, 이후 9월 업데이트 발표를 통해 해당 프로모션의 유효기간을 2026년 12월 31일까지로 연장했습니다.
반복 운영 업무 절감 잠재력과 조직 워크플로의 변화
실무 관점에서 Loops가 제공하는 가치는 기획자와 엔지니어링 매니저가 일상적으로 겪는 제품 운영(Product Operations) 병목을 줄여준다는 데 있습니다. 릴리스 일정이 변경될 때마다 연관 문서를 수작업으로 찾아서 고치거나, 다중 플랫폼 조직에서 단일 기획 이슈를 운영체제별 하위 티켓으로 수동 분할하던 관행은 업무 맥락 전환 비용을 크게 발생시켜 왔습니다.
특히 전체 실행 이력과 프롬프트가 워크스페이스 내에서 구성원들에게 공유된다는 점은 협업 안정성을 높이는 요소입니다. 과거 개인 로컬 터미널에서 불투명하게 동작하던 자동화 스크립트와 달리, 조직 구성원 누구나 루프의 작동 조건과 결과 로그를 열람하고 교정할 수 있어 팀 단위 운영 규칙을 시스템화하기에 적합합니다. 이는 개발자와 비개발 직군 사이의 정보 비대칭을 완화하는 실질적인 도구로 작동할 수 있습니다.
자율 판단 주장의 한계와 비용·정확도 관리 과제
Linear 측은 Loops가 모호성을 스스로 해결하고 자율적인 판단(Apply judgment)을 내린다고 강조하지만, 이를 무조건적인 신뢰로 받아들이기에는 현실적인 검증 과제가 남아 있습니다. 현재 Linear는 프롬프트 모호성으로 인한 오작동 빈도나 잘못된 하위 이슈 생성률, 환각(Hallucination) 현상 등에 대한 정량적인 벤치마크 데이터를 공개하지 않았습니다.
또한 연동된 소스 코드 규모나 외부 MCP 서버의 응답 크기에 따라 호출 토큰 수가 급격히 팽창할 수 있어, 예측하기 어려운 크레딧 소진 위험이 존재합니다. 출시 초기에는 관리자 관점의 거버넌스 및 접근 통제 권한이 제한적이라는 지적도 있었습니다. Linear가 향후 관리자 제어 권한과 트리거 소스를 확장하겠다고 밝힌 만큼, 실무 도입 시에는 즉각적인 전면 위임보다는 프로모션 크레딧을 활용해 실패 허용도가 높은 단순 작업부터 단계적으로 프롬프트 정밀도를 검증하는 접근이 필요합니다.
출처
Linear의 원출처와 본문에 표시한 참고자료를 바탕으로 한국어로 재구성했습니다. ‘ARCH.B 분석’은 자료를 읽고 덧붙인 편집 해석입니다.
Introducing Loops (새 창)
