워카토는 2026년 7월 1일 워카토 랩스(Workato Labs)를 공개했습니다. 워카토 랩스는 최신 AI 네이티브 개발 워크플로우 안에서 워카토 플랫폼을 더 쉽게 활용할 수 있도록 만든 실험적 오픈소스 개발자 툴 모음입니다.
직접 코드를 작성하든, AI 어시스턴트와 함께 개발하든, 워카토 랩스를 활용하면 이미 일하고 있는 개발 환경 안에서 워카토를 더 쉽게 사용할 수 있습니다.
개발자들의 작업 방식은 빠르게 달라지고 있습니다. 클로드 코드(Claude Code), 커서(Cursor), 윈드서프(Windsurf) 같은 AI 코딩 어시스턴트는 이제 개발 워크플로우의 일부가 되었습니다. 터미널이나 에디터 안에서 코드를 생성하고, 애플리케이션을 리팩터링하며, 연동을 구축하는 일까지 돕고 있습니다.
워카토는 이러한 새로운 개발 방식에 자연스럽게 맞춰 개발자 툴을 설계했습니다. 이제 IDE에서 레시피를 빌드, 테스트, 관리하고, AI 에이전트를 활용해 자동화를 생성하거나 확장하며, 개발 환경을 벗어나지 않고도 프로덕션 수준의 연동을 배포할 수 있습니다.
AI는 의도를 잘 이해하지만, 충분한 컨텍스트가 필요합니다.
AI는 개발자가 무엇을 만들고 싶은지 꽤 잘 파악합니다. 하지만 워크플로우를 제대로 만들려면 의도만 이해하는 것으로는 충분하지 않습니다. 문법과 파일 구조, 커넥터가 작동하는 방식, 생성한 결과가 실제로 맞는지 판단할 수 있는 정보까지 함께 제공되어야 합니다.
AI 모델이 학습한 데이터에는 한계가 있기 때문에, 필요한 정보가 부족하면 AI는 그 부분을 추측해가며 워크플로우를 만들게 됩니다. 그 결과 겉보기에는 그럴듯하지만 실제로는 작동하지 않는 워크플로우가 만들어질 수 있습니다.
그래서 워카토 랩스는 간단한 원칙을 세웠습니다.
AI가 추측하게 두지 말고, 필요한 컨텍스트를 제공한 뒤 나머지는 검증하자.
워카토에서 자동화 워크플로우의 로직을 레시피(recipe)라고 합니다. 레시피 스킬(Recipe Skills)은 모델이 알기 어려운 워카토 플랫폼과 커넥터 관련 지식을 제공하고, 레시피 린터(Recipe Linter)는 배포 전에 로컬 환경에서 문제를 찾아냅니다. 팀은 자체 기준에 맞게 규칙을 확장해 적용할 수도 있습니다.
AI는 개발자가 만들고자 하는 것을 이해하는 데 강합니다. 하지만 레시피가 정확한지, 안전하게 배포할 수 있는지, 프로덕션 환경에 올릴 준비가 되었는지까지 AI가 혼자 판단해서는 안 됩니다. 이런 부분은 추측이 아니라 정해진 기준에 따라 검증되어야 합니다.
워카토 랩스는 개발자가 AI의 속도와 생산성을 활용하면서도, 검증과 가드레일을 함께 적용할 수 있도록 돕습니다. 이를 통해 실제로 배포되는 자동화와 연동을 더 안심하고 신뢰할 수 있습니다.
개발자가 원하는 환경에서 바로 작업할 수 있습니다
개발자가 개발하는 방식은 그 어느 때보다 다양해졌습니다.
VS Code를 선호하는 사람도 있고, 코덱스(Codex)나 클로드 코드(Claude Code)에서 주로 작업하는 사람도 있습니다. 하루의 대부분을 터미널에서 보내는 개발자도 있습니다. 여기에 AI 에이전트가 개발 과정 전반에 점점 더 깊이 들어오고 있습니다.
이제 중요한 것은 특정 툴이 아닙니다. 개발자들은 플랫폼이 자신이 이미 사용하고 있는 개발 방식과 자연스럽게 맞물리기를 기대합니다.
워카토 랩스는 바로 이런 개발 환경을 염두에 두고 만들어졌습니다.
워카토는 개발자들이 이미 사용하는 환경에서 바로 활용될 수 있도록 설계되었습니다. 이제 코드 에디터를 벗어나지 않고도 워카토 레시피와 관련 리소스를 생성하고, 검증하고, 버전 관리하고, 배포할 수 있습니다. 동시에 워카토가 엔터프라이즈 플랫폼으로 제공해온 관리형 실행 환경, 거버넌스, 프로덕션에서 이미 사용 중인 커넥터도 그대로 활용할 수 있습니다.
공개된 기능 정리
워카토 랩스는 네 가지 툴과 함께 공개되었습니다. 각 툴은 개발 과정의 서로 다른 단계를 지원하며, 함께 사용하면 워카토 워크플로우를 만들고 검증하고 배포하는 흐름을 AI 에이전트와 함께 이어갈 수 있습니다.
wk CLI
터미널에서 워카토를 프로그래밍 방식으로 다룰 수 있게 해주는 최신 커맨드라인 인터페이스입니다. 개발자는 소프트웨어 개발에 익숙한 방식으로 워카토 리소스를 가져오고, 푸시하고, 변경 사항을 비교하고, 검증하고, 관리할 수 있습니다.
배포 스크립트를 작성하거나, 워카토를 CI/CD에 연결하거나, 일부 작업을 AI 에이전트에게 맡기는 과정에서 wk CLI는 개발 환경과 워카토를 이어주는 다리 역할을 합니다.
레시피 린터(Recipe Linter)
AI는 초안을 생성할 수 있습니다. 하지만 그 초안이 올바른지 판단하는 것은 AI의 역할이 아닙니다.
이때 필요한 것이 워카토의 레시피 린터인 wk lint입니다. wk lint는 배포 전에 로컬 환경에서 워카토 워크플로우를 검증하고, 데이터필(datapill) 형식 오류, 스키마 불일치, 구조 오류 같은 문제를 찾아냅니다.
이 검사는 AI의 추측이 아니라 정해진 규칙에 따라 이루어집니다. 어떤 모델이 만들었든 같은 기준으로 일관되게 문제를 찾아낼 수 있습니다.
또한 wk lint는 AI가 가장 잘하는 일에 집중할 수 있게 해줍니다. 모델이 구조 검증을 위해 수천 줄의 JSON을 다시 읽는 데 토큰을 쓰는 대신, 실제로 워크플로우를 만드는 데 집중할 수 있습니다. 검증은 wk lint가 빠르고 일관되게, 추가 비용 없이 처리합니다.
레시피 스킬(Recipe Skills)
레시피 JSON은 AI 모델이 충분히 학습한 영역이 아닐 수 있습니다. 그래서 AI 에이전트가 혼자 작업하면 커넥터를 어떻게 설정해야 하는지, 데이터필을 어떤 형식으로 써야 하는지, 작업을 어떤 순서와 조건으로 실행해야 하는지 추측하게 됩니다.
레시피 스킬은 이 지식을 AI 에이전트에게 직접 제공합니다. 코딩 에이전트가 코드를 작성하기 전에 이해할 수 있도록 구조화된 형태로 제공되는 것이 특징입니다.
먼저 에이전트가 레시피 스킬을 참고하도록 하면, 근거 없는 추측이 아니라 필요한 정보를 바탕으로 워크플로우를 만들 수 있습니다. 커넥터별 린트 규칙도 이곳에 포함됩니다.
레시피 비주얼라이저(Recipe Visualizer)
레시피에는 빌더가 만들고자 한 워크플로우 구조와 의도가 담겨 있습니다. 하지만 JSON 형태로 저장된 레시피는 한눈에 이해하기 어렵습니다. 개발자가 보기에는 실제 워크플로우가 복잡한 JSON 구조 속에 숨어 있는 것처럼 느껴질 수 있습니다.
레시피 비주얼라이저는 에디터 안에서 레시피를 인터랙티브 워크플로우 그래프로 보여줍니다. 각 노드를 클릭하면 해당 소스 라인으로 바로 이동할 수 있고, if/else, try/catch, foreach 같은 분기 흐름도 스윔레인 형태로 따라가며 확인할 수 있습니다. 다른 레시피 호출까지 함께 탐색할 수도 있습니다.
복잡하게 중첩된 JSON 덩어리를 다시 빌더가 의도했던 워크플로우 형태로 보여주는 것이 레시피 비주얼라이저의 역할입니다.
AI를 위해 만들고, 개발자를 위해 설계했습니다
워카토 랩스는 몇 가지 간단한 원칙을 바탕으로 만들어졌습니다. 에이전트 우선(agent-first), 기본적으로 개방된 구조(open by default), 그리고 개발자 경험을 최우선으로 고려하는 설계 원칙을 따릅니다.
사람뿐 아니라 AI를 위한 CLI
AI 시대의 CLI는 사람이 가끔 직접 사용하는 CLI와는 요구사항이 다릅니다. 명령어, 설정 방식, 파일 형식 모두 개발자와 AI 코딩 어시스턴트가 예측 가능하게 이해할 수 있어야 합니다.
이런 기준에 따라 wk.toml에는 TOML을 선택했습니다. JSON은 워카토 리소스와 혼동될 수 있고, YAML은 포맷 오류가 발생할 여지가 상대적으로 큽니다. TOML은 덜 흔한 형식이지만 구조가 명확합니다. 사람과 AI가 같은 파일을 함께 수정하는 환경에서는 이 명확성이 중요합니다.
신뢰할 수 있도록 설계했습니다
CLI는 Go로 작성했으며, 외부 라이브러리나 추가 구성 요소에 최대한 덜 의존하는 단일 정적 바이너리로 제공합니다. 덕분에 어떤 운영체제에서도 설치가 간단하고, 조직이 신뢰해야 하는 소프트웨어 범위도 줄어듭니다. 또한 개발자 로컬 환경과 엔터프라이즈 시스템 사이에서 발생할 수 있는 공격 표면도 최소화할 수 있습니다.
자동화에 최적화했습니다
현재 CLI는 기본적으로 비대화형(non-interactive) 방식으로 동작합니다. 덕분에 스크립트, CI 파이프라인, AI 에이전트에서 안정적으로 사용할 수 있으며, 터미널에서 직접 작업하는 개발자에게도 잘 맞습니다.
다만 비대화형 방식을 기본값으로 두는 것이 가장 적절한지는 아직 확신하지 않습니다. 실제 사용자들이 어떻게 활용하는지를 보며 앞으로 확인해가야 할 부분입니다.
AI가 만든 워크플로우를 실제 배포까지 이어가세요
AI는 워크플로우를 생성하는 데 강합니다. 워카토 랩스는 그렇게 생성된 워크플로우를 실제로 신뢰할 수 있는 결과물로 만드는 데 필요한 툴을 제공합니다.
예를 들어 코딩 어시스턴트에게 직원 온보딩 워크플로우를 만들거나, 수백 개의 워카토 레시피를 새로운 워크스페이스로 옮기거나, 기존 연동을 업데이트하도록 요청할 수 있습니다.
이때 레시피 스킬은 필요한 컨텍스트를 제공하고, 레시피 린터는 결과를 검증합니다. 레시피 비주얼라이저는 리뷰를 쉽게 해주고, wk CLI는 완성된 워크플로우를 배포합니다. 이 모든 과정은 에디터나 터미널 안에서 진행할 수 있습니다.
이 방식은 이미 실제 개발 현장에서 사용되고 있습니다. 여러 엔지니어링팀이 워카토 랩스를 활용해 워크플로우를 만들고, 검증하고, 배포하는 방식을 바꾸고 있습니다.
“CLI는 저희 개발 워크플로우에 자연스럽게 녹아들었습니다. 레시피를 가져오고, 수정하고, 검증하고, 업데이트를 배포하는 일을 팀의 기존 작업 방식을 바꾸지 않고도 할 수 있습니다. 툴을 오가는 시간이 줄었고, 더 빠르게 반복 작업을 진행할 수 있게 되었으며, AI 에이전트가 구현 작업의 더 많은 부분을 처리하도록 맡길 수 있게 되었습니다.” – Matt Palmer, Automation & Integration Manager at Persefoni
“CLI는 저희 팀에게 처음부터 익숙하게 느껴졌습니다. 개발자인 저는 대부분의 시간을 터미널에서 보냅니다. 이 CLI는 제가 워카토 플랫폼을 사용하는 방식을 근본적으로 바꿔놓았습니다.” – Todd Hayes, IT Operations Engineer at onXmaps
오픈소스로 함께 만들어갑니다
워카토 랩스는 새로운 개발자 툴을 공개적으로 실험하는 공간입니다. 모든 프로젝트는 오픈소스로 제공되며, 모든 릴리스는 개발자 피드백을 바탕으로 발전합니다.
워카토로 개발하고 있다면 랩스를 직접 사용해보고, GitHub 저장소에 스타를 눌러 관심을 표시해 주세요. 사용하면서 좋았던 점이나 개선이 필요한 부분도 함께 알려주시면 좋습니다. 여러분의 피드백은 워카토 랩스의 로드맵을 결정하는 데 중요한 기준이 됩니다. 버그 신고와 기능 요청은 GitHub 저장소에서 바로 남길 수 있습니다.
🎬 YouTube채널 바로가기
Youtube 채널에서도 워카토 코리아 관련 다양한 콘텐츠를 만나보실 수 있습니다.