AI 에이전트가 무료로 세금 신고를 마쳤다

지난주 에이전트가 내 세금 신고를 대신했다. 직장 인사관리 서비스에 로그인해 서류를 찾고 PDF에서 숫자를 읽은 뒤, 내가 몰랐던 IRS의 무료 신고 방법을 찾아 연방 신고서와 캘리포니아주 신고서를 제출했고 두 신고서 모두 접수됐다.

에이전트는 CAPTCHA를 풀 때와 신고 상태, 주소를 물을 때만 멈췄다. 로그인까지 포함해 나머지는 모두 스스로 처리했다. 이 실험에서 한계는 모델이 아니라 인증 절차였다.

로그인과 자격 증명 처리

세금 신고에 필요한 정보는 서로 다른 4~5개의 로그인 계정 뒤에 있다. 계정마다 비밀번호 복구 절차가 다르고, 내 노트북을 신뢰할 수 있는 기기로 볼지도 제각각이다. 계정을 복구하고 민감한 숫자를 직접 입력하는 과정이 일을 느리고 번거롭게 만든다. 바로 이 부분을 에이전트에 맡기고 싶었다.

에이전트가 나를 대신해 안전하게 작업하려면 내 계정으로 행동할 수 있어야 한다. 해결책으로 passkey-vault를 사용했다. 이는 Cloudflare Workers에서 실행되는 비밀번호 관리자이자 시간 기반 일회용 비밀번호(TOTP) 서비스다. 에이전트가 데스크톱에서 SSH 개인 키를 만들고 공개 키를 내게 공유하면, 나는 그 키를 서비스에 등록한다. 이후 에이전트는 브라우저에서 SSH 서명으로 passkey-vault에 인증한다. 금고를 열고 복사 버튼을 누른 다음 로그인 양식에 붙여넣는다. 비밀 정보는 모델을 거치지 않고 데스크톱 클립보드를 통해 이동한다.

에이전트는 클릭과 키 입력만 보내고 스크린샷을 받는다. 브라우저에서 passkey-vault를 열어 복사하고 로그인 탭으로 전환해 붙여넣는다. 비밀 정보는 금고 탭에서 데스크톱 클립보드를 거쳐 로그인 양식으로 이동하며, 모델의 컨텍스트 창에는 들어가지 않는다.

에이전트 실행 환경의 차이

자격 증명을 에이전트와 공유하는 것만으로는 충분하지 않았다. 먼저 dots를 passkey-vault와 2단계 인증(2FA)을 사용할 수 있게 설정해 시험했다. 하지만 인증과 관련된 작업은 거부하고 직접 개입하라고 요청했다. 그러면 노트북 앞에 계속 있어야 하므로, 맡기려던 일을 해결하지 못한다.

같은 모델을 pi로 실행하자 별다른 거부 없이 로그인했다. pi는 기본 구성이 단순해 에이전트가 자격 증명을 어떻게 다뤄야 하는지에 관한 지침을 제공하지 않는다. 그래서 모델은 요청받은 작업을 수행한다. 이 실험에서 에이전트가 내 개입을 필요로 하는지 여부는 모델의 능력이 아니라 실행 환경인 하네스의 정책에 달려 있었다.

현재 모델에서는 2025년 12월부터 2026년 2월 무렵의 모델에 필요했던 여러 기법이 더는 중요하지 않았다. pi 확장 기능을 여러 개 시험했지만 거의 모두 제외했다. 기본 pi에 컴퓨터 사용용 코드 모드 MCP 서버와 목표를 유지시키는 ralph loop를 더하자, 맡긴 컴퓨터 사용 작업 대부분을 처리할 수 있었다. 코드 모드는 클릭을 하나씩 주고받는 대신 에이전트가 여러 동작을 하나의 스크립트로 묶어 실행하므로 지연 시간도 줄인다. harnesstax도 하네스별 토큰 사용량에서 비슷한 결과를 찾았지만, 내 실험은 한 사람의 세금 신고 한 건에 불과하다.

사용한 구성과 남은 개입

에이전트에는 기본 pi, 코드 모드 MCP 서버, ralph loop를 사용했다. 자격 증명은 passkey-vault로 관리했다. 세션 상태 공유에는 IRC를 썼다. 터미널에서 pi를 실행해도 되지만, 휴대전화로 에이전트의 진행 상황을 확인하고 방향을 바꾸고 싶었다. IRC는 여러 기기에서 대화하는 문제를 이미 해결한다.

컴퓨터 환경은 이 용도로 만든 클라우드 데스크톱 computeruse.site를 사용했다. 에이전트가 작업을 진행하는 동안 노트북을 켜 두고 싶지 않았고, 개인 데스크톱을 에이전트와 공유하는 것도 불편했다. 기본 인스턴스는 작은 편이라 브라우저에서 ten-tabs를 실행해 에이전트가 크롬 탭을 지나치게 많이 열어 메모리가 부족해지는 일을 막았다.

에이전트가 멈춘 두 번의 경우는 내가 직접 풀어도 괜찮은 CAPTCHA와, 신고 상태나 주소처럼 에이전트가 알 방법이 없는 정보를 묻는 질문이었다. 기억 시스템은 두 번째 문제를 줄일 수 있지만, 지난해 답변이 올해도 맞다고 가정해서는 안 된다. 주소와 신고 상태는 달라질 수 있다. 원하는 것은 이전에 물었던 내용을 기억해 답변을 제안하고, 신고 전에 중요한 항목은 확인을 요청하는 에이전트다. 질문을 없애기보다 줄이는 방식이다.