02. Plan 모드 vs Execute 모드 — 언제 무엇을 쓸까

euleragent new code-agent --template code-assistant

[사용자] ──태스크──▶ [LLM] ──제안──▶ [승인 큐]
                                         ↓
                                    [사람이 검토]
                                         ↓
                                    [승인 후 실행]

[사용자] ──태스크──▶ [LLM] ──제안──▶ [즉시 실행] (require_approval 아닌 경우)
                              └──제안──▶ [승인 큐]  (require_approval 경우)

euleragent run code-agent \
  --task "fibonacci.py 파일을 만들고 피보나치 수열을 반환하는 Python 함수를 작성해줘" \
  --mode plan

Run c3d4e5f6a1b2 started (agent: code-agent, mode: plan)

[loop 1/5] Generating plan...
  → Proposed: file.write (risk: medium)
      path: fibonacci.py
      content: "def fibonacci(n): ..."

Run c3d4e5f6a1b2 completed (state: PENDING_APPROVAL)
Artifacts:
  .euleragent/runs/c3d4e5f6a1b2/artifacts/plan.md

1 approval(s) pending.
  Use: euleragent approve list --run-id c3d4e5f6a1b2

ls fibonacci.py   # No such file or directory

euleragent run code-agent \
  --task "fibonacci.py 파일을 만들고 피보나치 수열을 반환하는 Python 함수를 작성해줘" \
  --mode execute

Run d4e5f6a1b2c3 started (agent: code-agent, mode: execute)

[loop 1/5] Generating plan...
  → Proposed: file.write (risk: medium) — queued for approval

Run d4e5f6a1b2c3 completed (state: PENDING_APPROVAL)

1 approval(s) pending.

루프 시작
  ↓
LLM이 다음 행동 결정 (도구 호출 or 텍스트 응답)
  ↓
도구 호출이 있으면 → 승인 큐 추가 or 즉시 실행
  ↓
결과를 컨텍스트에 추가
  ↓
태스크 완료? → 아니면 루프 반복

# 단순 태스크: 루프 1회로 제한
euleragent run code-agent \
  --task "hello_world.py 파일에 Hello, World! 출력 코드를 작성해줘" \
  --mode plan \
  --max-loops 1

# 복잡한 태스크: 루프 10회 허용
euleragent run code-agent \
  --task "프로젝트 전체 코드를 분석하고 개선점을 찾아 리포트를 작성해줘" \
  --mode plan \
  --max-loops 10

euleragent run code-agent \
  --task "프로젝트의 Python 파일들을 읽고 각 파일의 주요 기능을 요약해줘" \
  --mode plan \
  --min-proposals 3 \
  --max-loops 5

Run e5f6a1b2c3d4 started (agent: code-agent, mode: plan)

[loop 1/5] Generating plan...
  → Proposed: file.read (path: main.py)

[loop 2/5] Continuing... (proposals so far: 1, min required: 3)
  → Proposed: file.read (path: utils.py)

[loop 3/5] Continuing... (proposals so far: 2, min required: 3)
  → Proposed: file.read (path: config.py)

[loop 4/5] Continuing... (proposals so far: 3, min required: 3)
  → Min proposals reached. Generating summary...

Run e5f6a1b2c3d4 completed (state: PENDING_APPROVAL)
3 approval(s) pending.

euleragent run code-agent \
  --task "fibonacci.py 파일을 만들고 피보나치 함수를 구현해줘" \
  --mode execute \
  --artifact-name fibonacci_report.md

Run f6a1b2c3d4e5 completed (state: RUN_FINALIZED)
Artifacts:
  .euleragent/runs/f6a1b2c3d4e5/artifacts/fibonacci_report.md

euleragent run code-agent \
  --task "최신 Python 패키지 동향을 조사해줘" \
  --mode plan \
  --source-set research

# 계획은 로컬 LLM으로, 최종 결과물은 외부 LLM으로
euleragent run code-agent \
  --task "Python 유틸리티 설계 및 작성" \
  --mode execute \
  --llm-plan ollama_local \
  --llm-final openai_main

llm_profiles:
  ollama_local:
    provider: ollama
    base_url: http://localhost:11434
    model: qwen3:32b
    is_external: false     # 로컬 → 승인 불필요

  openai_main:
    provider: openai
    api_key: ${OPENAI_API_KEY}
    model: gpt-4o-mini
    base_url: https://api.openai.com/v1
    is_external: true      # 외부 → 승인 필요

default_llm_profile: ollama_local

# 승인 대기 목록 확인
euleragent approve list --tool llm.external_call

# 개별 승인
euleragent approve accept <approval-id> --actor "user:you"

# 일괄 승인
euleragent approve accept-all --actor "user:you" --tool llm.external_call

euleragent run code-agent \
  --task "data_processor.py 파일을 만들어줘. CSV 파일을 읽어서 각 행의 합계를 계산하고 결과를 output.csv에 저장하는 Python 스크립트야. pandas 사용하고 타입 힌트 포함해줘." \
  --mode plan \
  --max-loops 2

Run a1b2c3d4e5f6 started (agent: code-agent, mode: plan)

[loop 1/2] Generating plan...
  → Proposed: file.write (risk: medium)
      path: data_processor.py
      content: [python code with pandas...]

Run a1b2c3d4e5f6 completed (state: PENDING_APPROVAL)

1 approval(s) pending.

euleragent approve show apv_p1q2r3

{
  "id": "apv_p1q2r3",
  "tool_name": "file.write",
  "params": {
    "path": "data_processor.py",
    "content": "import pandas as pd\nfrom pathlib import Path\nfrom typing import Optional\n\ndef process_csv(input_path: str, output_path: str = 'output.csv') -> None:\n    ..."
  },
  "risk_level": "medium",
  "status": "pending"
}

euleragent approve accept apv_p1q2r3 --actor "user:you" --execute

euleragent run code-agent \
  --task "test_data.csv 샘플 파일을 만들어줘. 이름, 점수1, 점수2 컬럼에 5개 행을 포함해줘." \
  --mode execute \
  --artifact-name test_setup_report.md

# Plan 모드 — 파일 쓰기 제안 있는 경우
Run a1b2c3... completed (state: PENDING_APPROVAL)
1 approval(s) pending.

# Execute 모드 — 즉시 실행 가능한 도구 있는 경우
Run b2c3d4... completed (state: RUN_FINALIZED)
  [executed] file.read — OK
  [queued]   file.write — pending approval

# max-loops 초과 시
Run c3d4e5... completed (state: RUN_FINALIZED)
  [warn] Max loops (3) reached. Task may be incomplete.

# min-proposals 충족 시
Run d4e5f6... completed (state: PENDING_APPROVAL)
  [info] min-proposals (3) satisfied after loop 3.
3 approval(s) pending.

# 루프 부족 시 증상 확인
euleragent logs <run-id>
# [warn] Max loops (5) reached. Task may be incomplete.