# OpenRouter Armor는 왜 도구 호출마다 심사하고, Claude Code 자동 모드와는 무엇이 다를까요?

> OpenRouter Armor는 왜 도구 호출마다 심사하고, Claude Code 자동 모드와는 무엇이 다를까요? 말로 들어보세요. 원문 링크도 함께 확인할 수 있어요.

Canonical: https://mallo.drtryon.org/s/TxPByuShVdqG-FcKTAP-imAtQp4qdNKw08IqF4_pDHo

재생 시간: 9:11

## 요약 글

이 문서가 풀려는 문제는 단순해 보여도 꽤 까다로워요. 셸 명령을 돌릴 수 있는 코딩 에이전트는 편리한 만큼, 메인 브랜치에 푸시하거나 디렉터리를 지우거나 민감한 파일을 외부로 보내는 행동도 할 수 있어요. 많은 하네스가 이 위험을 줄이려고 명령마다 사람 승인을 받는데, OpenRouter Armor는 그 대신 모델과 애플리케이션 사이에 검사 단계를 하나 더 두겠다는 구상이에요. 사용자가 영어 문장으로 규칙을 써 두면, 모델이 도구를 부를 때마다 그 호출이 규칙을 어기는지 먼저 보고, 어기면 막고 이유를 모델에 알려 준 뒤 나머지 작업을 이어가게 한다는 뜻이에요.

작동 방식을 감으로 잡으려면, 자동문 앞에 보안 게이트가 하나 더 생긴다고 떠올리면 돼요. 모델이 도구 호출을 만들었다고 해서 곧바로 앱으로 들어가는 게 아니라, 먼저 별도의 판단 모델이 그 호출과 규칙, 그리고 지금까지의 대화 맥락을 함께 읽어요. 그런 다음 규칙마다 이 호출이 얼마나 들어맞는지 확률처럼 평가하고, 그 결과를 합쳐 최종적으로 막을지 말지를 정해요. 여기서 중요한 점은 Armor가 명령 실행 뒤에 사후 정리를 하는 게 아니라, 앱에 전달되기 전에 먼저 가로채서 판정한다는 거예요.

규칙은 세 층으로 나뉘어요. hard-deny는 무조건 금지예요. 한번 맞으면 예외가 없고, 사용자가 대화에서 시켰더라도 막혀요. soft-deny는 보통은 위험하지만 가끔 정당한 경우가 있는 행동을 뜻해요. 그래서 soft-deny에 걸린 호출은 원칙적으로 막히지만, allow 규칙이 함께 맞거나 사용자가 대화 안에서 바로 그 작업을 정확한 대상으로 분명히 요청했다면 풀릴 수 있어요. allow는 스스로 무언가를 막는 규칙이 아니라 soft-deny의 예외를 정의하는 장치라고 보면 돼요. 예를 들어 디렉터리 삭제는 대체로 위험해서 soft-deny에 넣을 수 있지만, 테스트가 자기 임시 디렉터리를 지우는 행동은 allow로 풀어 주는 식이죠. 또 사용자가 '내가 보기 전엔 푸시하지 마'처럼 경계를 세웠다면, Armor에는 이런 경우를 다루는 기본 soft-deny도 있다고 설명해요.

그런데 규칙 문장만 잘 써서는 충분하지 않아요. Armor는 environment라는 칸에 사실 정보를 넣으라고 강조해요. 이건 금지 목록이 아니라, 판단 모델이 참이라고 전제해야 할 배경이에요. 어떤 저장소가 신뢰 대상인지, 배포 대상이 어디인지, 사용자가 누구인지 같은 정보가 여기에 들어가요. 가상의 비유로 말하면, 규칙이 '이 선을 넘지 마'라고 적힌 표지판이라면 environment는 지금 내가 어느 지도 위에 서 있는지 알려 주는 현재 위치예요. '신뢰된 저장소 밖으로 데이터 보내기'를 막고 싶어도, 무엇이 신뢰된 저장소인지 모르면 판정이 흐려질 수밖에 없겠죠. 원문은 이 정보가 오래되면, 그 사실을 참조하는 규칙 전부의 정밀도가 떨어진다고 못박아요. 그래서 커스텀 에이전트라면 작업 디렉터리, 저장소, 현재 브랜치와 보호 여부, 리모트 호스트, 클라우드 프로젝트, 배포 대상, 사용자 역할처럼 이미 알고 있는 실행 맥락을 매 요청마다 넣으라고 해요.

규칙을 쓰는 요령도 꽤 실무적이에요. 문서는 명령어 철자보다 행동을 설명하라고 해요. 특정 명령 한 줄을 찍어 막는 방식보다, 이미 푸시된 히스토리를 다시 쓰는 행동처럼 목적과 위험을 적는 쪽이 표현이 바뀌어도 더 넓게 잡을 수 있기 때문이에요. 또 무엇을 보호하는 규칙인지도 드러내라고 해요. 단순히 어떤 프로그램 이름을 적는 것보다, 예를 들어 민감한 파일의 내용을 신뢰된 저장소 밖으로 보내는 행위처럼 데이터와 목적지를 함께 적어야 판단 모델이 맥락을 따라가기 쉬워진다는 거죠. 예외는 deny 문장 끝에 덕지덕지 붙이지 말고 allow로 분리하라고도 해요. 그리고 규칙은 문자열 하나로도 쓸 수 있지만, 나중에 어떤 규칙이 발동했는지 알아보기 쉽게 하려면 id와 name을 가진 객체로 쓰는 편이 낫다고 안내해요. 임계값도 규칙마다 둘 수 있는데, 기본값이 deny와 allow에서 다르게 잡혀 있는 이유는 allow가 이미 걸린 deny를 해제하는 역할이라 더 강한 근거가 필요하기 때문이라고 설명해요.

실제로 차단됐을 때 응답이 어떻게 생기느냐도 중요해요. 판정이 flagged면 그 호출은 실행되지 않도록 표시되고, 어떤 규칙 때문에 막혔는지와 같은 인수로 다시 시도하지 말라는 정보가 함께 남아요. 모델은 이를 일반적인 도구 실패처럼 받아들여서, 더 좁고 안전한 호출로 바꾸거나 사용자에게 상황을 설명할 수 있어요. 반대로 not\_flagged면 호출은 바뀌지 않은 채 앱으로 넘어가고, 응답에는 verdict를 기록한 safeguard\_results만 추가돼요. 예시에서도 git push는 hard-deny 규칙에 걸려 막히고, 대신 차단된 호출을 나타내는 항목과 모델의 설명 문장이 돌아와요. 반면 파일 목록을 보는 요청으로 바꾸면 같은 bash 도구 호출이 그대로 풀려 나가요. Responses API에서 custom\_item 모드를 쓰면 막힌 호출이 전용 항목으로 오고, 다음 턴에는 그 항목을 수정하지 말고 그대로 input에 되돌려 보내야 해요. 그래야 OpenRouter가 모델이 실제로 겪은 실패 이력을 복원해 다음 판단에 써요.

Claude Code 자동 모드와의 관계는 조금 더 조심해서 봐야 해요. OpenRouter Armor는 Claude Code가 기대하는 API 형식을 흉내 낼 수 있어서, Ori를 통해 OpenRouter로 추론할 때 추가 설정 없이 자동 모드를 켤 수 있다고 말해요. 그리고 Messages API에서 dangerous\_tool\_use 형식의 safeguards가 오면 그 계약을 따르는데, 여기서는 flagged된 tool\_use가 응답 안에 그대로 남고, 실제로 그 호출을 실행하지 않는 책임은 클라이언트 쪽에 있어요. 즉 '호환된다'는 말이 곧 '서버가 무조건 실행을 막아 준다'는 뜻은 아니에요. 원문은 safeguard\_results를 무시하는 Messages 클라이언트라면 flagged된 tool\_use를 실행해 버릴 수 있다고 분명히 경고해요. 그래서 클라이언트 구현을 내가 통제하지 못한다면, Messages에서도 text 출력 모드를 써서 OpenRouter가 호출 자체를 자동으로 감추게 하라고 안내해요. 또 Anthropic의 해당 베타를 지원하는 엔드포인트로 갔을 때는 Anthropic 쪽 분류 결과를 그대로 통과시키고, 그 밖의 엔드포인트에서는 Armor가 대신 평가한다고 설명해요.

문서가 스스로 인정하는 한계도 적지 않아요. 먼저 베타라서 설정 필드나 결과 객체, 차단 항목 형식이 바뀔 수 있어요. 또 규칙과 인수를 자연어로 비교하는 방식이라, 막지 말아야 할 호출을 막는 오탐도 있고 놓치는 경우도 있을 수 있다고 해요. 그래서 바로 enforce로 들어가기보다 audit 모드로 실제 트래픽을 흘려 보며 verdict를 읽고 규칙을 다듬은 뒤 전환하라고 권해요. audit는 평가만 하고 차단은 하지 않으며, 이때 flagged 여부는 safeguard\_results에서 확인해요. 판단 모델이 시간 초과나 오류를 내거나 요청이 너무 커서 답하지 못하면 outcome이 unavailable이 되는데, 일반 Armor 플러그인에서는 on\_error가 block이면 막고 log면 통과시켜요. 다만 claude\_code\_compatibility에서는 unavailable 호출이 항상 풀린 채 verdict만 보여요. 그리고 검수에서 특히 중요했던 부분이 하나 있어요. HIPAA, Zero Data Retention, 데이터 리전 제한이 걸린 문맥에서는 Armor 평가 자체가 아직 지원되지 않는데, 이때 Armor 플러그인을 켠 요청은 403으로 거부돼요. 반면 Claude Code 요청은 거부되지 않아요. 그 경우 호출은 unavailable verdict와 함께 풀리고, Claude Code가 Anthropic 분류기가 없을 때처럼 자기 로컬 자동 모드 평가로 폴백한다고 원문이 구분해서 말해요.

마지막으로, 이 도구를 '완벽한 안전장치'로 읽으면 곤란해요. 각 도구 호출마다 판단 모델이 한 번 더 붙으니 지연 시간이 늘고, 문서에는 베타 기준 측정값도 제시돼 있어요. 비용은 베타 동안 청구하지 않지만, 정식 공개 전 가격을 따로 알리겠다고만 해요. 그러니 이 문서가 말하는 핵심은 'Armor를 켜면 다 해결된다'가 아니라, 자연어 규칙과 환경 정보로 도구 호출을 중간 심사하는 계층을 두고, 그 성능과 오차를 audit와 threshold 조정으로 현실 트래픽에 맞춰 다듬으라는 쪽에 가까워요. 다시 말해, 사람 승인만 강요하는 흐름과 무방비 자동 실행 사이에서 하나의 중간 설계를 제안하는 문서라고 이해하면 맞아요.

## 원문

[원문 보기](https://openrouter.ai/docs/guides/features/plugins/armor)

## Related

- [요약 듣기](https://mallo.drtryon.org/s/TxPByuShVdqG-FcKTAP-imAtQp4qdNKw08IqF4_pDHo)

- [말로 오디오 요약 골라 듣기](https://mallo.drtryon.org/)
