Celessist – An Agent Environment for WordPress

Celessist는 Cele + assist에서 온 WordPress 운영 에이전트 이름이다.

Celessist를 단일 작업 창구로 사용해 WordPress 전체를 운영할 수 있게 하는 것이 최종 목표이다.

  • 사용자가 목표를 말하면 에이전트가 WordPress의 실제 상태를 읽고, 작업 계획과 사용할 도구를 결정하고, 허용된 변경을 수행하고, 결과를 확인하여 보고한다.
  • 진행 중인 작업에 사용자가 추가 지시를 보내면 Celessist가 남은 단계에 반영하고 그 결과를 같은 대화에서 알린다.
  • 또한 작업이 길어지거나 연결이 끊겨도 기존 실행과 결과를 식별하여 이어갈 수 있다.
  • WordPress 운영 범위는 글·페이지·블록·미디어와 발행, 사용자·권한 및 사이트 설정, 테마·FSE·플러그인과 파일, WordPress DB·예약 작업·서비스 상태, WordPress 변경의 배포·백업·복구를 포함한다.
  • 방화벽, 패키지 제어, 호스트 문제 해결 등의 제어 기능도 실제 실행 경로로 연결한다.
  • 플러그인을 찾아 설치·활성화하고, 기존 플러그인과 테마를 조합해 사이트에서 쓸 수 있는 결과물을 완성하는 능력을 주요 목표로 둔다.

물론 이것 또한 인문구조학 관련 글을 작성하고 퍼블리싱 하기 위한 환경구축의 일환이다.


기획 & 평가/검수

Celessist 구현을 위해 kontexus-mcp 를 사용하여 등록 & 진행중인 태스크 목록

Celessist 제작은 Kontexus-MCP를 끼고 진행중이다. 기본적으로 기획 -> 구현 -> 검수 단계마다 Hermes Agent 처럼 완성될 때까지 루프를 돌며 진행한다. Hermes 는 약간… verbose 하고 번거롭다. kontexus-mcp는 프롬프트로 루프 제어를 할 수 있으므로 프로세스가 정형화 되지 않은 상태에서 규모가 크고 단계별 의존도에 따라 확실히 구현/검증하며 진행해야하는 일에도 적격이다. 이 과정에서 굳이 SKILL을 만들 이유는 없다. 이 과정을 이전에도 느낀 거지만, SKILL은 정형화된 처리에 딱 이지만, 이런 대규모 기능을 구현하는 과정은 기획에 따라서 실제 작업을 어떻게 지시하느냐와 검수가 더 중요하다고 생각한다. TWO-WAY 평가 기법을 적용하여 기획 문서와 작업 지시서를 독립된 환경에서 평가하고 실행하는 주 AGENT에게 보고하며, 문제가 없을 때까지 루프를 돌며 기획에서 빠진 것과 기획을 구현하는 과정을 꼼꼼히 교정한다.

감사(Audit) 역시 어느 시점의 전/후를 파악할 수 있기 때문에 단순한 점검이 아니다. kontexus-mcp는 실행과정에서 상태변경을 유발한 이유와 과정과 결과를 원장에 기록하고 감사자(Auditor)는 자체 TWO-WAY 감사 기법을 적용하여 부모의 거짓말 여부와 결과물의 진실성을 파악한다. 이것도 루프로 돌기 때문에 문제가 없을 때까지 교정은 반복되며, AGENT는 스스로 KontexusNote를 기록하며 평가/감사의 증거와 전문을 남긴다.

한가지 해결해야 하는 건, git worktree 기반으로 태스크를 나눠 동시 진행하는 과정을 제어하는 것이다

kontexus-cli audit prepare -t main --sparse-path /folder1 명령처럼 모노레포를 지원하긴 하지만 제대로 돌려보질 못했다. 이건 … 내가 이 짓을 계속할 수 있으면, 그 때 하는 걸로;;;


Celessist Agent가 가져올 글쓰기 환경 변화 예상

사용자는 WordPress의 기능을 하나씩 찾아 조작하는 대신, 이루고 싶은 결과에 기반하여 기획과 판단에 집중하게 될 것이다.

  1. 자신의 스타일에 맞는 글쓰기 SKILL, 대화 톤을 등록해 두고 Agent는 그 규칙에 맞춰 초안을 제시하고 글을 다듬게 된다.
  2. 글 상황에 맞는 이미지, JavaScript/CSS 효과 등을 넣는 것에 더 이상 긴 시간을 보내지 않고 각자의 스타일대로 포스트 또는 글 전체를 하나의 작품처럼 만들 수 있다.
  3. 글을 쓰다가 떠오른 질문/다른 것과 연결된 생각 등을 Agent에게 저장하게 하고, 글을 쓰는데 집중할 수 있다. 여러 글과 대화를 탐색하여 관련 자료와 이전 글을 연결하며 논점을 다듬게 지시함으로써, 글쓰는 것을 멈추고 별도의 조사 작업으로 전환하는 부담이 줄어든다.
  4. 발행 전에 주장과 출처를 대조하고 근거가 부족하거나 추가 확인이 필요한 부분을 검토하게 한다. 글쓴인는 최종 판단을 유지하면서 확인해야 할 범위를 좁힐 수 있다. 연재를 준비할 때 글 사이의 선행 개념과 후속 논의를 살펴 순서와 연결을 제안 받을 수 있다.
  5. 외국어 독자를 위한 번역 초안을 만들고 핵심 개념의 번역어와 원문 맥락을 검토한다. 원문이 계속 변경되어도 걱정 없다.
  6. 기분에 따라, 시즌에 따라 또는 특별한 이벤트가 있을 때, 사이트 자체의 테마, 메뉴, 페이지 구조를 변경하는데 더 이상 고민하지 않는다.
  7. 제품을 소개할 때, 일단 여러 시안을 직접 시뮬레이팅 할 수 있다. 콘텐츠 작성, 디자인 적용, 기능 구성을 별개의 작업이 아니라 하나의 목적 아래 다뤄진다.
  8. 오래된 글의 끊어진 링크와 변경된 정보를 검토하고 수정하여 사이트가 쌓아온 자료를 버리지 않게 한다.

현재 구현과 최종 목표 사이

Agent로써 기본적인 기능, 이를 테면 MCP 등록 및 사용, 동적 SKILL 검색 및 적용, 목적별 시스템 프롬프트 선택, Model/Effort 토글, Drag & Drop 등은 이미 동작한다. 2026-11-21 현재 시점에서 진행상황은 14개 태스크 카테고리중에서 Foundation Category에 해당하는 두가지 큰 태스크가 완료된 상태다. 토큰이 버텨줄런지는 모르겠다. 일주일 내로 다 만들어지지 않을까?

최종적으로

결국 Celessist는 WordPress를 대신 조작하는 도구를 넘어, 내 생각이 글과 사이트의 형태로 발현되는 과정을 매개하기 위한 환경이다. 생각을 정리하고, 기존 자료와 관계를 맺고, 검토를 거쳐 발행하기까지의 과정이 단절되지 않고 이어지는 것. 그것이 내가 만들고 싶은 환경이다.

이때 에이전트의 역할은 내 판단을 대체하는 것이 아니라 내가 무엇을 표현하려는지에 따라 필요한 자료와 작업을 연결하고, 결과를 확인할 수 있게 함으로써 내가 기획과 판단에 집중하도록 돕는 것이다. 기술은 그 과정의 주체가 아니라 의도와 결과 사이의 매개층이 된다.

계획대로 구현될 가능성은 높다. 그래서 글쓰기와 사이트 운영을 분리된 작업의 나열이 아니라 하나의 흐름으로 연결할 수 있다면, 인문구조학을 연구하고 발행하는 방식에도 변화가 생길 것이다. 나에게 Celessist는 그 가능성을 직접 만들어 보고 확인하기 위한 도구다.

Autolith

Autolith의 Recursive Language Model(RLM) 기능 덕분에 인문구조학 의 방대한 GRF 규칙문서 기반의 분석/해석에 확실히 답변이 다르다. 먹고 살만하다면 Common Lisp을 본격적으로 메인 툴로 삼아 맘껏 주무를 수 있을 때까지 파보고 싶다.

사실 해커뉴스의 누군가가 쓴 글 처럼 굳이 Agent의 기능을 Live로 바꾸는 일은 거의 일어나지 않는다고 생각했었다. 다만 분석의 일부가 코드가 되서 Agent의 기능이 되버리는 것을 경험하니 직감적으로 “이거, 물건이네..??” 라는 호기심이 마구 솓아난다. 물론 이 호기심은 전형적인 나의 Mercury-Venus-Neptune MARS 구조때문이다. 다른 말로 말해, 확인되지 않지만 직감이 이미 그 가능성을 꿰뚫어 봤을 때의 느낌이라는 말이다.

그러나 흥미의 강도에 반배례해서 CL을 잘 모르기 때문에 대단히 불편하다. ACP 프로토콜로 Zed에 붙여보았으나 제대로 동작하지 않는다. Spacemacs에 붙여봤는데, … 후,, 그냥 짜증나서 바로 제거했다. autlith-webui 까지만 시도해보고, 다 거기서 거기인 수준이라 그냥 CLI에서 사용하기로 한다.

Autolith의 RLM과 점진적 읽기

Autolith의 RLM은 긴 문맥을 프롬프트 밖의 환경에서 다루고, 선택한 부분에 제한된 추론을 수행한 뒤 결과를 조합하는 방식이다. 문서에 따르면 rlm-complete에서 루트 모델은 외부에 둔 입력의 길이를 확인하거나 일부를 읽고 검색할 수 있으며, 필요하면 하위 추론을 호출해 결과를 종합한다. 호출 횟수, 토큰, 재귀 깊이에 관한 예산과 추론 기록도 다룬다.

RLM은 외부 문서에 접근하는 것에서 더 나아가 작업을 나누고 결과를 결합하는 재귀적 추론을 다루는 반면, 지금 내가 궁금한 것은 그 전체를 복제하기보다, 필요한 부분에 접근하고 읽은 결과에 따라 이해를 갱신하는 그 과정이다. 둘은 맞닿아 있지만 범위는 같지 않다.

문서 접근과 읽기 제어를 분리할 수 있을까?

이미 aspectscope-mcp를 통해 문서 접근은 구현해서 사용하고 있지만, 읽기 제어를 일반 AGENT에서 구현할 수 있느냐는 의문이 든다. 서버가 문서 구조와 읽을 수 있는 범위를 관리하고, 에이전트가 질문과 현재 이해에 따라 다음 위치를 선택하는 형태다. 이미 그 과정은 또 다른 MCP를 통해 분류법을 적용하여 어떤 문서를 읽어야할지 적용하고 있지만, 그 분류법 자체가 문제라서, AGENT의 선택에 맡기고 싶다는게 지금 생각이다. 이 부분은 시간이 지나야 좀 더 명확히 쓸 수 있을 것 같다.

Autolith를 사용하며 GRF 분석하는 방법의 변화를 기록 해 갈 것이다

당장은 autolith 소스를 해킹하며 Common Lisp에 익숙해져야 한다.

authlith 자체가 너무 릴리즈가 잦아서 업그레이드 따라가기도 버거운 것도 문제라면 문제.