JetBrains는 PyCharm에 통합된 새로운 Jupyter 기능을 발표했다. 이 기능을 사용하면 AI 에이전트가 명령줄의 하위 프로세스를 통해 명령을 실행하는 대신 실시간 Jupyter 커널에서 작업을 수행할 수 있다. 회사에 따르면 이 방식은 셀 간 변수, 데이터, 학습된 모델 및 가져오기 상태를 유지하며, .ipynb 파일의 손상을 방지하고 장시간 실행되는 작업에서 불필요한 대기 시간을 줄인다.
이 기능은 Jupyter 노트북에서 프로그래밍 에이전트를 사용할 때 반복적으로 발생하는 문제를 해결하는 것을 목표로 한다. 노트북 파일을 일반 텍스트로 처리하면 JSON 구조가 손상되는 방식으로 수정될 수 있으며, 하위 프로세스에서 코드를 실행하면 프로세스가 종료되는 즉시 커널 상태가 사라진다. 그 결과 에이전트는 학습된 모델, 로드된 데이터프레임 또는 가져온 라이브러리를 잃고 상태를 검사하거나 재사용할 수 없게 된다. 또한 출력 결과가 실행이 끝날 때까지 버퍼링될 수 있어 장시간 학습을 모니터링하기가 비현실적이다.
PyCharm에서 기능이 작동하는 방식
이 기능은 execute_tool이라는 하나의 MCP 래퍼를 통해 PyCharm의 노트북 및 실시간 커널 기능을 에이전트에 제공한다. 이 래퍼는 노트북 생성, 수정 및 읽기, 셀 실행, 장시간 작업이 완료될 때까지 대기, 실행 중 커널 검사, 커널 수명 주기 제어를 지원한다.
에이전트는 셀 안에 실제 Python 코드를 작성한 뒤 커널에서 직접 실행하므로, 노트북을 수동으로 사용할 때처럼 변수, 모델 및 데이터가 셀 간에 유지된다. 장시간 작업을 실행할 때 wait_cell_execution 도구는 고정된 타이머에 따라 반복적으로 확인하는 대신 셀이 완료되거나 안전한 한도에 도달할 때까지 기다린다. 또한 에이전트는 증가하는 셀 전체 출력을 매번 다시 전송하는 대신 스트리밍 출력에서 새로 추가된 부분만 읽는다.
비용 테스트와 결과
JetBrains는 분류, 회귀 및 강화 학습을 포함하며 각각 데이터 로드, 모델 학습, 평가 및 결과 저장을 요구하는 MLGym 머신러닝 벤치마크의 12개 작업을 사용해 이 기능을 테스트했다. 회사는 Bash만 사용하는 모드, Jupyter 커널만 사용하는 모드, 커널과 Bash를 조합하는 모드를 비교했다.
Claude Opus 5의 경우 커널을 통해 작업을 실행하는 비용은 59.09달러로, shell을 통한 실행 비용 67.06달러보다 약 12% 낮았다. 회사는 커널이 더 많은 토큰을 사용했지만 프롬프트 캐시를 활성 상태로 유지했기 때문에 비용이 더 낮았다고 설명한다. 캐시 읽기가 입력의 98%를 차지한 반면 shell 모드에서는 82%였으며, 캐시 읽기 비용은 새 메모리 생성 비용의 12분의 1로 계산됐다.
결과는 이점이 모델과 작업에 따라 달라진다는 점을 보여줬다. 상태를 유지하는 장시간 작업에서 Claude Opus를 사용할 때 차이가 가장 뚜렷했지만, 이미 캐시를 효율적으로 사용하는 Codex 모델과 짧은 작업에서는 shell이 더 저렴했다. 이러한 경우 이 기능의 가치는 주로 비용 절감이 아니라 작업 흐름 개선에 있다.
사용 제한 및 이용 가능 여부
JetBrains는 Titanic이라는 작업이 벤치마크 오염의 영향을 받았다고 밝혔다. 에이전트가 테스트 세트를 확인하고 최종 모델 선택에 사용할 수 있었기 때문이다. 회사는 이 문제가 세 가지 모드 모두에서 나타났으며, 해당 작업을 제외하면 Opus에서 커널 사용 비용이 여전히 10% 낮아 56.34달러였고 shell 사용 비용은 62.65달러였다고 설명한다.
이 기능이 출력을 자동으로 저장해 준다는 보장은 없다. 한 실험에서 에이전트는 좋은 모델을 학습한 뒤 제출 파일을 저장하지 않고 종료했다. 회사는 CLAUDE.md와 같은 컨텍스트 파일이나 다른 기능에 명확한 지침을 추가해, 필요한 기준을 충족하는 즉시 모델을 저장하도록 권장한다. 또한 이 도구는 운영상의 낭비를 줄일 뿐, 취약한 머신러닝 방법론을 강력한 해결책으로 바꾸지는 않는다고 강조한다. 일부 작업에는 여전히 사람의 개입이 필요할 수 있다.
PyCharm 2026.2.1의 AI Chat에서 에이전트에게 노트북 작업, 노트북 생성, 데이터 세트 로드 또는 학습 시작을 요청하면 이 기능을 사용해 볼 수 있다. 개발 환경에서는 기능을 탐색하고 관리할 수 있으며, 공개 GitHub 저장소와 같은 레지스트리에서 외부 라이브러리를 추가하거나 Claude Code 또는 Codex용으로 미리 구성된 기능을 가져올 수도 있다.