코딩 에이전트가 허깅페이스 스페이스 2개만 엮어 3D 파리 갤러리 만들었다

한 개발자가 코딩 에이전트에게 파리의 기념물을 3D 가우시안 스플랫으로 보여주는 웹사이트를 만들어 달라고 요청했다. 그는 이미지 생성기를 한 번도 열지 않았고 3D 복원 도구도 만지지 않았다. 에이전트가 이미지와 3D 스플랫 같은 모든 자산을 허깅페이스 스페이스 두 개를 직접 호출해 생성한 뒤, 이를 영화 같은 뷰어로 엮어냈다.

글쓴이는 이것이 앞으로 상당수의 멀티미디어 소프트웨어가 만들어지는 방식의 예고편이라고 본다. 그는 미첼 하시모토가 최근 '빌딩 블록 경제'라 부른 변화를 인용한다. 소프트웨어에 이르는 가장 효과적인 길은 더 이상 잘 다듬어진 단일 덩어리가 아니라, 다른 이들(점점 더 에이전트)이 조립할 수 있는 작고 잘 문서화된 구성 요소라는 것이다. AI는 모든 걸 처음부터 만드는 데는 그저 그렇지만, 검증된 조각들을 이어 붙이는 데는 매우 뛰어나다는 관찰이다.

이 논리는 주로 코드 라이브러리를 두고 이야기돼 왔지만, 같은 힘이 멀티미디어 AI에도 미치고 있다. 최첨단 이미지·영상·음성합성(TTS)·3D 복원 모델을 쓸 때 어려운 부분은 모델 자체가 아니라 SDK, 가중치, GPU, 입력 형식, 폴링 같은 통합 작업이었다. 각 모델이 문서화된 호출 가능한 블록이라면, 에이전트는 npm 패키지를 엮듯 이들을 이어 붙일 수 있다.

글쓴이는 허깅페이스 스페이스가 바로 그런 블록이 됐다고 말한다. 허브는 수천 개의 최첨단 모델을 호스팅하며 상당수가 오픈 웨이트이고, 대부분은 상호작용형 스페이스로 배포된다. 현재 모든 그라디오(Gradio) 스페이스는 에이전트에게 호출 방법을 알려주는 평문 파일 'agents.md'를 노출한다.

예컨대 TripoSplat 스페이스의 agents.md를 요청하면 스키마 URL, 호출·폴링 템플릿, 파일 업로드 방법, 인증 힌트가 한 번에 돌아온다. API 스키마 조회, 호출 엔드포인트, 결과 폴링, 파일 입력 업로드, 그리고 HF 토큰을 쓰는 베어러 인증 방식이 모두 담긴다. 클라이언트 라이브러리도, 하드코딩된 통합도 필요 없다. 에이전트는 이 파일을 읽는 것만으로 스페이스를 끝까지 구동할 수 있다.

진짜 열쇠는 체이닝이다. 한 스페이스의 출력이 다음 스페이스의 입력이 된다. 프롬프트에서 이미지로, 다시 3D로 이어지는 것이 이 갤러리의 전체 파이프라인이다. 에이전트는 두 스페이스를 엮었다. ideogram-ai/ideogram4가 각 기념물을 어두운 배경의 깔끔한 '표본' 사진으로 바꾸고(에펠탑은 받침대 위 작은 디오라마로), VAST-AI/TripoSplat이 그 한 장의 이미지에서 3D 가우시안 스플랫(.ply)을 복원했다.

그 다음 에이전트는 '접착' 작업도 직접 했다. TripoSplat의 출력이 Y축이 아래로 뒤집힌 것을 알아채 바로 세우고, 각 기념물의 화각을 자동으로 잡고, .ply 파일을 약 3배 작은 .ksplat으로 압축해 빠르게 로드되게 했다. 스크롤로 전환하고 드래그로 회전하는 Three.js 뷰어를 만들어 전체를 정적 스페이스로 배포했다. 사람이 넣은 입력은 "더 멀리 줌아웃해라", "오벨리스크를 스플랫에 더 적합한 것으로 바꿔라", "전환이 너무 오래 머문다" 같은 취향 수준의 지시뿐이었다.

이런 단계 중 여럿은 에이전트가 현실에 반응한 결과였다. 넓은 유리 피라미드는 스플랫이 잘 안 되고, 가느다란 오벨리스크는 밋밋하며, 단일 시점 복원은 뒷면을 추론해야 한다. 글쓴이는 이것이 빌딩 블록 경제가 예측한 '외주화된 R&D, 빠른 반복' 루프 그 자체이며, 다만 그 R&D가 대화였다고 평한다.

agents.md는 스페이스를 손쉽게 도달 가능하게 만들어, 에이전트가 직접 손으로 설정해야 하는 모델보다 스페이스를 고르게 한다. 누구든 자신의 코딩 에이전트(클로드 코드 등)에 스페이스의 agents.md 링크를 붙이고 HF 토큰을 설정한 뒤 무언가를 만들어 달라고 요청할 수 있다. 이 갤러리의 재현 가능한 전체 파이프라인은 해당 스페이스 저장소에 있다. 블록은 허브에 이미 놓여 있고, 에이전트는 이미 붙이는 법을 안다.