별 7만 개 'OpenAI Cookbook'을 뜯어봤습니다: 레시피가 가리키는 AI 개발의 현재

개발자라면 한 번쯤 들어 봤을 OpenAI Cookbook을 이번에 처음부터 자세히 뜯어봤습니다. 단순한 예제 모음이라고만 생각했는데, 들여다볼수록 이건 "AI로 무언가를 만들 때 실제로 무엇이 중요한가"를 보여 주는 지도에 가깝다는 생각이 들었습니다. 그래서 그 지도를 함께 읽어 보려 합니다. 처음 보시는 분도 편하게 따라오실 수 있게 풀어 적겠습니다.

Cookbook이 무엇인가

OpenAI Cookbook은 OpenAI가 직접 운영하는 공개 저장소로, OpenAI API로 흔한 작업을 해내는 예제 코드와 안내서를 모아 둔 곳입니다. 이름 그대로 요리책입니다. 매번 처음부터 만들지 않고, 검증된 레시피를 가져다 내 상황에 맞게 고쳐 쓰는 식입니다. 홈페이지는 cookbook.openai.com이고, 대부분 파이썬으로 쓰였지만 개념 자체는 어떤 언어에도 적용할 수 있습니다.

규모가 생각보다 큽니다. 글을 쓰는 시점 기준으로 별표(star, 추천 표시)가 7만 4천 개가 넘고, 1만 2천 회 넘게 복제(fork)됐습니다. 라이선스는 자유롭게 쓸 수 있는 MIT이고, 수록된 레시피는 302개입니다. 무엇보다 거의 매주 새 항목이 올라옵니다. 박제된 자료가 아니라 살아 있는 문서라는 뜻입니다.

무엇이 담겨 있나

레시피를 주제별로 묶어 보면 큰 줄기가 보입니다.

가장 오래되고 양이 많은 갈래는 임베딩(embedding, 문장의 의미를 숫자 묶음으로 바꾸는 기술)과 완성(completion, 모델에게 글을 생성하게 하는 기본 호출)입니다. 주제 태그 빈도로 보면 임베딩이 약 99건, 완성이 약 94건으로 가장 많습니다. 그 위에 검색·벡터 데이터베이스(흔히 RAG라 부르는, 검색으로 찾은 자료를 모델 답변에 붙여 주는 방식), 함수 호출(function calling, 모델이 외부 기능을 불러 쓰게 하는 것), 비전·음성 같은 멀티모달, 파인튜닝(fine-tuning, 모델을 특정 용도로 추가 학습)이 이어집니다.

최근으로 올수록 주제가 달라집니다. examples 폴더만 봐도 agentkit, agents_sdk, mcp, evals, deep_research_api, responses_api, o-series 같은 새 갈래가 자리를 잡았습니다. 에이전트를 만드는 도구, 모델에 외부 도구·데이터를 연결하는 표준인 MCP(Model Context Protocol), 그리고 결과가 제대로 나오는지 점검하는 평가(evals)가 또렷하게 늘었습니다.

최근 추가가 가리키는 방향

저는 오래된 목록보다 "이번 주에 무엇이 추가됐는가"를 더 눈여겨봅니다. 최근 올라온 항목을 보면 방향이 분명합니다.

데이터베이스 변경의 영향을 분석하고 SQL을 만들며 평가 가드레일까지 두는 에이전트 사례, 평가 도구를 서로 옮기는 마이그레이션 안내, 아마존 Bedrock이나 오라클 데이터베이스, LangChain과 연결하는 예제가 잇따라 추가됐습니다. 흥미로운 대목은, OpenAI의 저장소인데도 다른 진영인 Anthropic의 Claude Agent SDK로 옮겨 가는 마이그레이션 안내까지 들어 있다는 점입니다.

정리하면 새 레시피의 무게중심은 세 곳으로 쏠립니다. 에이전트, 평가, 그리고 서로 다른 시스템을 잇는 연결입니다. 모델에게 한 번 잘 묻는 법을 넘어, 여러 단계를 수행하는 에이전트를 어떻게 만들고, 그것이 제대로 일하는지 어떻게 검증하며, 어떻게 다른 도구·클라우드와 붙이느냐로 관심이 옮겨 간 것입니다.

창업자라면 어떻게 쓸까

먼저 실용적인 쓰임입니다. Cookbook은 바퀴를 다시 발명하지 않게 해 줍니다. RAG를 붙이거나, 함수 호출로 도구를 연결하거나, 평가 체계를 세우는 일은 이미 검증된 레시피가 있습니다. 사람이 적은 초기 팀일수록 여기서 시간을 크게 아낄 수 있습니다.

그런데 제가 더 중요하게 보는 건 신호로서의 가치입니다. 어떤 패턴이 공식 레시피가 된다는 건, 그 패턴이 점점 기본기, 즉 누구나 할 수 있는 일이 되어 간다는 뜻이기도 합니다. RAG나 기본적인 함수 호출처럼 한때 차별점이던 것이 이제는 출발선이 되고 있습니다. 그렇다면 창업자의 차별화는 레시피가 끝나는 지점보다 위로 올라가야 합니다. 도메인의 깊이, 데이터, 워크플로 설계, 그리고 신뢰성처럼 레시피만으로는 채워지지 않는 부분입니다.

투자자라면 무엇을 읽을까

Cookbook의 변화는 시장의 변화를 조금 앞서 보여 주는 면이 있다고 생각합니다.

평가(evals)가 별도 갈래로 커지고 있다는 점이 제 눈에는 특히 의미 있습니다. 앞서 이 블로그에서 소개한 'Code as Agent Harness' 논문도 결국 같은 곳을 가리킵니다. 모델이 답을 한 번 잘 내는 것과, 그 일을 믿고 맡길 수 있는 것은 다른 문제이기 때문입니다. 에이전트가 실제 업무에 들어갈수록 검증과 평가가 도입의 문턱이 되고, 그 문턱을 잘 다루는 회사가 자리를 잡을 가능성이 높다고 봅니다.

또 하나는 연결의 표준화입니다. MCP처럼 모델과 외부 세계를 잇는 표준, 그리고 서로 다른 에이전트 도구 사이를 오가는 마이그레이션 안내가 늘어난다는 건, 시장이 한 회사에 묶이기보다 갈아탈 수 있는 구조로 가고 있다는 신호일 수 있습니다. 이는 응용 단계의 회사에는 기회이고, 특정 모델 하나에만 기대는 전략에는 리스크로 읽힙니다.

한 줄 요약

OpenAI Cookbook은 단순한 예제 모음을 넘어, AI 개발의 무게중심이 어디로 가는지 보여 주는 지도입니다. 임베딩과 완성으로 시작한 레시피는 이제 에이전트, 평가, 연결로 무게중심을 옮기고 있습니다. 제가 가져가는 한 가지는 이렇습니다. 무엇이 레시피가 되는지를 보면 무엇이 기본기가 되는지 보이고, 진짜 차별화는 그 너머에서 고민해야 한다는 점입니다.

(이 글은 특정 종목이나 투자에 대한 권유가 아니라, 제 관점을 담은 정보 공유 차원의 글입니다.)