음성 AI 개발, 어셈블리AI는 코딩 에이전트가 유연하다고 주장

음성 AI 에이전트 개발에서 코딩 에이전트가 시각 빌더보다 맞춤 기능 추가와 장기 유지보수에 유연하다는 주장이 나왔다. 시각 빌더는 화면에서 구성 요소를 연결해 시제품을 빠르게 만드는 데 강점이 있다.

어셈블리AI(AssemblyAI)는 2026년 9월 30일 공개한 글에서 코딩 에이전트가 복잡한 기능 추가와 장기 유지보수에 더 유연하다고 주장했다. 회사는 시각 빌더가 빠른 시제품 제작에 유리하다는 점도 인정했다.

시각 빌더는 미리 준비된 구성 요소를 선택해 연결하는 방식이다. 개발자는 코드를 직접 작성하지 않고도 음성 대화 기능을 빠르게 시험할 수 있다.

다만 내부 API 연동, 이용 환경별 동작 변경, 장애 발생 시 재시도 규칙처럼 제품별 요구가 늘어나면 정해진 화면과 선택지만으로 대응하기 어렵다고 어셈블리AI는 설명했다. 회사는 이런 맞춤 요구에 코드 방식이 더 유연하다고 봤다.

어셈블리AI는 코딩 에이전트가 작성한 코드를 저장소에서 검토하고 시험한 뒤 기존 배포 절차에 넣을 수 있다고 밝혔다. 개발 시간이나 유지보수 비용을 같은 조건에서 비교한 실험 결과는 제시하지 않았다. 회사가 소개한 음성 인식 벤치마크는 개발 방식이 아니라 음성 모델의 인식 정확도를 평가한다.

코딩 에이전트는 요구사항을 받아 코드를 작성하고, 실행 결과를 확인해 다시 수정하는 도구다. 어셈블리AI는 개발자가 원하는 동작을 구체적으로 설명해야 한다고 안내했다.

코드 작성이 자동화돼도 생성된 결과가 의도에 맞는지 읽고 확인할 역량은 개발자에게 남는다. 어셈블리AI는 개발자가 코드에서 이상한 결과를 알아볼 수 있어야 한다고 설명했다.

어셈블리AI 개발자 문서는 코딩 에이전트가 최신 API 설명을 참고하도록 llms.txt, 프로젝트 지침 파일, Docs MCP 서버를 활용하는 방법을 안내한다. 현재 지원하는 필드와 매개변수를 확인해 오래된 정보에 의존하지 않도록 하는 취지다.

어셈블리AI의 Voice Agent API는 음성 인식과 대화 모델, 음성 합성을 하나의 연결로 제공한다. 회사 문서는 Python과 JavaScript 시작 프로젝트를 제공한다.

개발자는 예제 에이전트를 계정에 배포한 뒤 브라우저에서 대화를 시험할 수 있다. 이 과정은 문서에 안내된 시작 절차다.

프로젝트 구조와 실행·시험 방법을 담는 지침 파일 AGENTS.md의 활용 사례는 본지도 앞서 다룬 바 있다. 어셈블리AI 문서도 프로젝트 지침 파일을 코딩 에이전트에 정보를 전달하는 방법 가운데 하나로 소개한다.

시각 빌더와 코드 개발을 반드시 하나만 골라야 하는 것은 아니다. 라이브킷(LiveKit)은 Agent Builder에서 브라우저로 간단한 음성 에이전트를 만들도록 지원한다.

라이브킷은 빌더에서 생성한 Python 프로젝트를 내려받아 SDK 기능을 추가할 수 있게 한다. 내려받는 프로젝트에는 코딩 에이전트용 AGENTS.md도 포함된다.

라이브킷 빌더에서는 대화 지시문과 인사말, 음성 모델을 화면에서 설정할 수 있다. HTTP 도구를 이용해 외부 API와 서비스에 요청을 보내는 기능도 지원한다.

라이브킷 문서는 워크플로와 테스트 등을 빌더에서 지원하지 않는 SDK 기능으로 분류한다. 제품마다 빌더에서 제공하는 기능 범위가 다르며, 라이브킷은 화면에서 시작한 에이전트를 코드로 확장하는 경로를 제시한다.