AI 에이전트 작업 이력, 검색으로 되살린다

AI 코딩 에이전트를 쓸수록 쌓이는 방대한 작업 기록을 '읽을 수 있는 역사'로 바꿔 주는 오픈소스 도구가 공개됐다. 'Vaportrail(베이퍼트레일)'은 클로드 코드(Claude Code)를 비롯한 여러 AI 도구가 디스크에 남기는 세션 기록을 모아, 검색하고 다시 재생할 수 있는 단일 이력으로 만든다. 외부 의존성이 전혀 없고 데이터가 컴퓨터를 벗어나지 않으며, npx vaportrail 한 줄로 바로 써 볼 수 있다.

무슨 일인가

요즘 AI 에이전트는 저장소 작업의 상당 부분을 대신한다. 문제는 그 기록이 '쓰기 전용'이라는 점이다. 무엇을 시켰고, 에이전트가 어떤 파일을 건드렸으며, 어떤 명령을 돌리고 토큰을 얼마나 태웠는지가 기가바이트 단위 기록으로 쌓이지만 아무도 들여다보지 못한다. Vaportrail은 클로드 코드, 코덱스 CLI, 오픈코드(opencode), 제미나이(Gemini) CLI, 에이더(Aider) 등 다섯 가지 형식의 기록을 모두 읽어 검색 가능한 하나의 역사로 통합한다. 핵심 질문에 답하기 위한 도구라는 게 제작자의 설명이다. "지난 화요일에 에이전트가 실제로 뭘 했지?", "이 문제를 전에 어디서 풀었더라?" 같은 물음 말이다.

핵심 짚어보기

명령어는 네 가지로 단순하다. 인자 없이 실행하거나 list를 쓰면 모든 프로젝트의 최근 세션이 AI가 자동 생성한 제목·프롬프트 수·도구 호출 수·출력 토큰·모델과 함께 한 줄씩 나온다. show로 특정 세션 번호를 넣으면 내 질문, 에이전트의 설명, 모든 도구 호출이 시간순 타임라인으로 재생된다. search는 프롬프트와 응답 전체를 전문 검색하며, 정규식(--regex)이나 명령어·파일 경로 매칭(--tools) 옵션도 있다. stats는 큰 그림을 보여 준다. 세션·토큰 총량(캐시 비중 포함), 30일 활동 그래프, 가장 많이 쓴 도구 순위, 모델별 토큰 표, 에이전트가 가장 자주 손대는 파일까지 한눈에 정리된다. 모든 명령은 -j 옵션으로 기계가 읽을 JSON 출력도 지원해 다른 자동화에 연결하기 좋다.

1인기업 실전 적용 포인트

• '같은 문제를 전에 어떻게 풀었지?'를 vaportrail search로 즉시 찾으면, 과거 작업을 반복 재현하느라 낭비하던 시간을 줄일 수 있다. 1인 개발의 비싼 자산인 '내 과거 경험'을 검색 가능한 형태로 자산화하는 셈이다.
• stats로 모델별 토큰 사용량과 캐시 비중을 보면, 어떤 작업이 토큰을 많이 태우는지 파악해 AI 비용을 어디서 줄일지 데이터로 판단할 수 있다.
• 에이전트가 가장 자주 수정하는 파일 순위를 보면, 구조적으로 불안정한 코드(자꾸 손대는 곳)를 짚어 리팩터링 우선순위를 정하는 데 쓸 수 있다.
• JSON 출력(-j)을 활용해 주간 작업 요약을 자동 생성하거나, 외주 작업의 작업 내역 증빙 자료로 가공하는 워크플로를 만들 수 있다.

전망 / 주의점

Vaportrail은 어디까지나 '읽기' 도구다. 기록을 분석해 줄 뿐 에이전트의 작업 자체를 바꾸지는 않는다. 또한 강력한 검색 기능은 곧 과거 프롬프트에 담긴 민감 정보(키·고객 데이터)도 함께 검색된다는 뜻이므로, 기록 자체의 보안 관리가 필요하다. 그럼에도 '쌓이기만 하고 버려지던 AI 작업 로그'를 자산으로 되살린다는 발상은, 에이전트 사용량이 늘어날수록 1인기업에 더 큰 가치를 갖는다.

출처: GitHub Vaportrail (https://github.com/B33BMO/vaportrail)