Claude Code의 새 눈 — Agent View와 /goal 명령으로 AI가 끝까지 달린다

달리기 선수에게 "결승선이 어딘지 모르면서 최선을 다해 달려라"고 하면 어떻게 될까? 열심히 달리겠지만, 언제 멈춰야 하는지 모른다. 지금까지 AI 코딩 도구의 문제가 정확히 그것이었다.

2026년 5월 11일, Anthropic이 Claude Code v2.1.139를 출시했다. 이번 업데이트의 핵심은 두 가지 — Agent View와 /goal 명령이다. 이 두 기능은 겉보기에는 UI 개선과 명령어 추가처럼 보이지만, 실제로는 AI 코딩 도구의 작동 철학 자체를 바꾼다.

Agent View: 모든 세션을 한눈에

AI 코딩 도구를 쓰다 보면 금방 문제에 부딪힌다. 이 기능 구현은 세션 A에서, 저 버그 수정은 세션 B에서, 문서 작성은 세션 C에서… 동시에 여러 작업을 병렬로 돌리다 보면 어디서 뭘 하고 있는지 파악하는 것 자체가 일이 된다.

Agent View는 이 문제를 정면으로 해결한다.

터미널에서 claude agents를 입력하거나 왼쪽 방향키를 누르면 현재 실행 중인 모든 Claude Code 세션의 목록이 한 화면에 펼쳐진다. 각 행에는 네 가지 정보가 표시된다:

• 세션 ID: 어느 세션인지 구분
• 대기 상태: 내 입력을 기다리고 있는지 여부
• 마지막 응답: AI가 마지막으로 무슨 말을 했는지
• 타임스탬프: 가장 최근 상호작용 시각

마치 항공 관제탑에서 여러 항공기의 상태를 동시에 모니터링하듯, 개발자는 이제 모든 AI 에이전트 세션을 한 곳에서 관리할 수 있다.

Agent View는 현재 Research Preview 단계로, Pro·Max·Team·Enterprise·Claude API 플랜 이용자에게 제공된다.

/goal: AI가 결승선을 알고 달린다

이번 업데이트에서 가장 흥미로운 기능은 /goal 명령이다.

기존 Claude Code 사용 방식은 이렇다. 내가 지시하면 AI가 한 단계 실행하고 멈춘다. 다음 단계를 원하면 내가 다시 입력해야 한다. AI는 훌륭한 실행자지만, 최종 목표를 스스로 추적하지는 않았다.

/goal은 이 패러다임을 뒤집는다.

/goal 모든 테스트를 통과하고 CI 파이프라인이 초록불이어야 한다

이 명령 하나로 Claude Code는 조건이 충족될 때까지 자동으로 반복 실행된다. 테스트가 실패하면 원인을 분석하고 코드를 수정한다. 다시 테스트를 돌린다. 여전히 실패하면 다른 접근을 시도한다. 그리고 결국 조건을 만족할 때까지 이 과정을 반복한다.

작업이 진행되는 동안 화면에는 오버레이 패널이 표시된다:

사용자는 최대 시간, 최대 턴 수, 토큰 예산 등의 제약 조건도 미리 설정할 수 있다. AI가 무한히 달리는 것을 방지하는 안전장치다.

/goal은 인터랙티브 모드, -p 플래그 모드, Remote Control 모드 모두에서 작동한다.

실전 시나리오: /goal이 빛나는 순간

/goal이 실제로 어떻게 쓰일지 몇 가지 시나리오를 생각해보자.

시나리오 1: 레거시 코드 마이그레이션

/goal 모든 CommonJS require() 구문이 ES Module import 문으로 교체되고 
      npm run build가 오류 없이 완료되어야 한다

수백 개의 파일을 하나씩 수동으로 바꾸는 대신, 목표를 선언하면 AI가 스스로 완료 조건을 향해 달린다.

시나리오 2: 테스트 커버리지 확보

/goal 신규 기능 모듈의 테스트 커버리지가 80% 이상이어야 한다

어떤 테스트가 필요한지, 어떻게 작성해야 하는지 AI가 스스로 판단하고 실행한다.

시나리오 3: 접근성 개선

/goal lighthouse 접근성 점수가 95점 이상이어야 한다

점수를 확인하고, 부족한 부분을 수정하고, 다시 측정하는 루프를 AI가 자동으로 돈다.

에듀테크 CEO 관점: "목표 중심 학습"과의 연결

교육에서도 비슷한 논쟁이 있다. 과정 중심 학습과 결과 중심 학습의 차이다.

/goal 명령은 명확하게 결과 중심이다. "이것을 해라"가 아니라 "이것이 달성되어야 한다"고 선언하는 것. 그러면 AI가 스스로 경로를 찾는다.

이게 교육에 시사하는 바가 있다. 학생에게 "1장을 읽어라"고 지시하는 것과 "이 개념을 자신의 말로 설명할 수 있어야 한다"고 목표를 설정하는 것은 근본적으로 다른 교육 방식이다. AI 도구가 목표 중심으로 진화한다면, 교육 설계도 같은 방향을 생각해볼 때다.

단, 주의도 필요하다. AI가 목표를 향해 달리는 동안, 개발자가 그 과정을 충분히 이해하지 못한다면? 결과는 얻었지만 왜 그렇게 됐는지 모르는 상황이 생길 수 있다. 바이브코딩 세대에게는 특히 중요한 질문이다.

활용 팁

1. Agent View 첫 진입: 터미널에서 claude agents를 입력하거나 왼쪽 방향키. 실행 중인 세션, 대기 중인 세션을 구분해서 보자.

2. /goal 사용 원칙: 목표는 검증 가능하게 설정하라. "잘 작동해야 한다"는 모호하다. "모든 유닛 테스트를 통과해야 한다"는 명확하다.

3. 토큰 예산 설정: 처음 쓸 때는 최대 토큰이나 최대 턴 수를 낮게 설정해두자. AI가 잘못된 방향으로 달릴 때 조기에 멈출 수 있다.

4. 목표 분해: 너무 큰 목표 하나보다 검증 가능한 중간 목표 여러 개가 더 효과적이다. 목표를 단계별로 나눠 /goal을 반복 실행하는 방식을 추천한다.

5. Agent View + /goal 조합: 여러 목표를 병렬로 진행하면서 Agent View로 전체 상황을 모니터링하는 것이 진정한 멀티에이전트 워크플로우다.

출처

• Anthropic 공식 블로그, "Agent view in Claude Code": https://claude.com/blog/agent-view-in-claude-code
• Claude Code Docs Changelog: https://code.claude.com/docs/en/changelog
• ClaudeWorld, "Claude Code v2.1.139: Agent View, Goal Setting, and Enhanced Workflow Control": https://claude-world.com/articles/claude-code-21139-release/
• pasqualepillitteri.it, "Claude Code Agent View: the CLI Dashboard": https://pasqualepillitteri.it/en/news/2384/claude-code-agent-view-cli-dashboard-sessions-2026
• Releasebot, "Claude Code Updates by Anthropic - May 2026": https://releasebot.io/updates/anthropic/claude-code