Claude Code 소스코드 유출 직후, 개발자 Sigrid Jin이 에이전트 하니스 아키텍처를 클린룸 방식으로 재구현한 오픈소스 프레임워크 Claw Code를 공개했다. Python+Rust 구조, 모델 애그노스틱 설계, 72K 스타 성장 배경과 실무 의미 정리.
한 줄 요약: Claude Code 소스코드 유출 사건 직후, 개발자 Sigrid Jin이 클린룸 방식으로 에이전트 하니스 아키텍처를 재구현한 오픈소스 프레임워크 Claw Code를 공개했다. Python + Rust로 구축되었으며, 공개 수일 만에 GitHub 72,000스타를 넘어 역대 최고 속도로 성장 중이다.
LLM의 능력이 올라가는 동안, 그것을 파일 시스템·도구·태스크 워크플로우와 연결하는 "에이전트 하니스" 계층은 대부분 프로프리어터리로 남아 있었다. Claw Code는 이 간극을 오픈소스로 채우려는 시도다.
※ 이 글은 2026년 4월 기준, 공식 레포지토리와 복수 기술 미디어 보도를 교차 검증하여 작성됐습니다.
2026년 3월 31일, 보안 연구자 Chaofan Shou가 npm에 배포된 @anthropic-ai/claude-code v2.1.88 패키지에서 59.8MB 소스맵 파일을 발견했다. 51만 2,000줄의 TypeScript 소스코드가 그대로 노출된 사건이다.
이 유출 직후, Wall Street Journal이 "세계에서 가장 활발한 Claude Code 파워 유저"로 소개한 개발자 Sigrid Jin이 클린룸 재구현을 시작했다. 클린룸(clean-room)이란 유출된 코드를 직접 복사하지 않고, 구조와 설계 원리만 참고하여 처음부터 다시 작성하는 방법이다. 저작권 침해를 피하면서도 같은 문제를 해결하는 전통적인 소프트웨어 개발 방식이다.
Claw Code는 단순한 CLI 래퍼가 아니라, AI 코딩 에이전트를 위한 프레임워크를 지향한다. 현재 공개된 구조를 살펴보자.
프로젝트 구성:
src/ — Python 메인 워크스페이스 (현재 활성 개발 중)tests/ — 검증 테스트 디렉토리핵심은 "에이전트 하니스"라는 계층이다. LLM은 텍스트를 생성하는 능력을 갖고 있지만, 실제로 파일을 읽고, 코드를 실행하고, 검증하고, 배포하는 것은 LLM 자체가 아니라 하니스 계층이다. Claude Code, Cursor, Codex 모두 이 하니스 계층을 자체 구현하고 있지만, 대부분 프로프리어터리 코드다.
| 요소 | Claude Code (프로프리어터리) | Claw Code (오픈소스) |
|---|---|---|
| 언어 | TypeScript (Bun) | Python + Rust |
| 프로토콜 | Anthropic API 전용 | 모델 애그노스틱 (목표) |
| 도구 연동 | MCP 기반 | 독립 도구 레이어 (계획) |
| 소스 공개 | 비공개 (유출로 노출) | 완전 공개 |
| 커스터마이징 | 제한적 (CLAUDE.md, Hooks) | 전체 소스 수정 가능 |
Claw Code는 공개 수일 만에 72,000스타, 72,600포크를 달성했다. 30,000스타 도달은 공개 수시간 만에 달성됐다. GitHub 역사상 가장 빠른 레포 성장 사례 중 하나다.
이런 폭발적 성장의 배경에는 3가지 요인이 있다.
1. 에이전트 하니스 불투명성에 대한 불만
AI 코딩 도구들의 능력은 계속 올라가지만, 그 내부가 어떻게 동작하는지는 알 수 없었다. 개발자들은 자신이 쓰는 도구의 코드를 읽고 싶어했다.
2. Claude Code 유출로 드러난 설계 품질
유출된 소스코드를 분석한 개발자들은 Claude Code의 에이전트 아키텍처 품질에 감탄했다. 자가 치유 메모리, 에이전트 오케스트레이션, 도구 통합 방식 등이 잘 설계되어 있었고, 이를 오픈소스로 재구현하고자 하는 수요가 폭발했다.
3. LLM 모델 애그노스틱 수요
Claude Code는 Anthropic API만 쓸 수 있다. Claw Code는 모델 애그노스틱을 목표로 하여, 다양한 LLM(GPT, Claude, Llama, Mistral 등)을 하니스에 연결할 수 있는 구조를 지향한다.
Claw Code의 등장은 AI 코딩 도구 생태계에 몇 가지 실무적 의미를 던진다.
1. 에이전트 하니스를 직접 커스터마이징할 수 있다
Claude Code에서는 CLAUDE.md와 Hooks로 제한적 커스터마이징만 가능하다. Claw Code는 전체 소스를 수정할 수 있어서, 특정 워크플로우에 맞춰 도구 연동, 검증 단계, 배포 파이프라인을 직접 설계할 수 있다.
2. 모델 선택의 자유
Anthropic API에 종속되지 않고, 프로젝트의 요구사항과 예산에 맞는 LLM을 선택할 수 있다. 온프레미스 환경에서 Llama나 Mistral을 연결하는 것도 가능해진다.
3. AI 코딩 도구 내부를 이해할 수 있다
에이전트가 어떻게 파일 시스템을 다루고, 코드를 검증하고, 에러를 복구하는지 소스코드 수준에서 학습할 수 있다. AI 코딩 도구를 "더 잘 쓰는" 데 도움이 된다.
Claw Code는 아직 초기 단계 프로젝트다. 실무에 도입하기 전에 알아둘 점들이 있다.
저작권 리스크: 클린룸 재구현이라고 주장하지만, Anthropic은 이미 Claude Code 유출 관련 DMCA 테이크다운을 실행한 전력이 있다. 클린룸 방식의 법적 유효성은 아직 검증되지 않았다.
초기 단계 불안정성: 현재 Python 워크스페이스가 활성 개발 중이고, Rust 포트는 진행 중이다. 안정적인 API 표면이 확정되지 않았으며, 프로덕션 사용에는 이르다.
실용성 검증 필요: Claude Code는 Anthropic이 수백 명의 엔지니어로 수년간 다듬은 도구다. Claw Code가 같은 수준의 안정성과 기능성을 달성하려면 상당한 시간과 커뮤니티 기여가 필요하다.
Claw Code는 아직 프로덕션 레디가 아니다. 하지만 아래 그룹에게는 지금 주목할 가치가 있다.