Claude Science

자연어로 연구 과제를 설명하면 Claude 가 Python·R·shell 코드를 샌드박스에서 쓰고 실행하고, 허락한 폴더를 읽고, 커넥터로 과학 데이터베이스에서 데이터를 가져와, 결과를 출처 기록이 붙은 버전 관리 아티팩트로 저장한다.

Jupyter 노트북처럼 셀 단위로 돌지만, 셀을 내가 쓰지 않는다는 것과 실행 기록이 결과에 묶여 남는다는 것이 다르다. macOS·Linux 베타다(네이티브 Windows 빌드는 아직 없다).

Anthropic 은 파일을 호스팅하지 않는다 — 브라우저 탭에서 열리지만 로컬 앱이고 공개 URL 이 없다.

다만 프롬프트에 답하려고 Claude 가 읽은 파일 내용은 그 대화의 일부로 API 에 전달되고 표준 보존 정책을 따른다. "로컬"은 저장 위치의 이야기이지 모델에 아무것도 가지 않는다는 뜻이 아니다.

예외 하나: 컴포저의 Attach files 는 파일을 앱 로컬 데이터 폴더로 복사해 대화에 붙인다 (제자리 읽기가 아니다).

승인 카드가 대화 안에 뜨고 무엇을 요구하는지 정확히 이름을 밝힌다. 종류마다 지속 범위가 다르다 — 폴더는 읽기 전용/읽기·쓰기를 골라 철회할 때까지, 코드 실행은 Once 또는 Always, 네트워크 호스트는 철회할 때까지, 커넥터 도구와 원격 잡은 Once·이 대화·이 프로젝트·Global.

상시 허가는 전부 Settings > Permissions 에 나열되고 거기서 철회한다.

재실행은 하지 않는다 — 응답·승인된 plan·아티팩트·실행 기록을 다시 읽어 주장이 실제로 돌아간 것과 맞는지 본다. 그래서 "방법이 이 연구 질문에 맞았는가"는 판단하지 않는다.

Team·Enterprise 는 Owner 가 조직에 대해 먼저 활성화해야 구성원이 로그인할 수 있다. 사인인이 claude.ai 에서 멈추면 셋 중 하나다 — Free 플랜, 리다이렉트 실패(Paste a code 사용), 조직 미활성화.

다운로드 페이지에서 Mac(Intel) / Mac(Apple Silicon) 을 골라야 한다 — 잘못 받으면 "지원되지 않는 앱"이라 하거나 아이콘에 사선이 그어진다. 내 칩은 Apple 메뉴 → 이 Mac에 관하여의 칩/프로세서 줄에서 확인한다.

claude-science 명령은 ~/.local/bin 에 깔린다 — command not found 면 PATH 문제이므로 . ~/.profile 을 돌리거나 새 터미널을 연다.

런타임과 스타터 Python·R 환경이 차지한다. 이후 task environment 를 만들면 그만큼 더 늘어난다 (환경은 머신 전체가 공유한다).

설치에 sudo 가 필요하다. Ubuntu 22.04 의 bubblewrap 은 너무 낮고 24.04 는 괜찮다 — 배포판과 무관하게 시작 전에 bwrap --version 으로 0.8.0 이상인지 확인한다.

리눅스가 시작을 거부하면 대개 이 의존성이 없거나 낮거나 커널이 유저 네임스페이스를 막은 것이다.

첫 실행이 런타임과 스타터 Python·R 환경을 구성하는데 수 분 걸린다(느린 회선이면 더). 그 사이 일부 커넥터가 로드 오류를 보일 수 있고 대개 설치가 끝나면 스스로 풀린다 — "자동 재시도가 멈췄다"는 오류면 Settings > Connectors 에서 껐다 켜거나 앱을 재시작한다.

브라우저 탭이 안 뜨면 메뉴 바 아이콘에서 Open 을 고른다.

OAuth 리다이렉트가 앱으로 돌아올 수 없는 환경(SSH 터널 등)에서는 사인인 화면의 Paste a code 를 쓴다. API 키는 필요 없다.

기존 conda 설치·R 라이브러리·셸 설정을 건드리지 않는다. Linux 에서 claude-science 명령 자체는 ~/.local/bin 에 깔린다.

네이티브 Windows 빌드가 없어서 리눅스 바이너리를 WSL 2 안에서 돌리는 것이다. 설치는 5분쯤 걸린다. Ubuntu 24.04 이상을 쓰는 이유는 샌드박스가 bubblewrap 0.8.0 이상을 요구하는데 22.04 가 그보다 낮기 때문이다.

설치는 Ubuntu 안에서 해야 한다 — Windows 브라우저로 바이너리를 받아 복사해 오면 검증과 안정 채널을 건너뛴다.

출력된 URL 에는 1회용 사인인 토큰이 들어 있다(약 3분 후 만료). 나중에 새로 받으려면 claude-science url 이다.

증상별 원인 — command not found 는 PATH(. ~/.profile), bwrap too old 는 Ubuntu 버전, daemon already running on port ... 은 이미 돌고 있는 것(claude-science url 로 링크만 받으면 된다), port ... is already in use 는 다른 프로그램이 쓰는 것(--port 8080), 브라우저가 localhost 로 못 닿으면 커스텀 .wslconfig 네트워크 모드일 수 있으니 Ubuntu 안에서 hostname -I 로 나온 주소를 쓴다.

앱은 WSL 가상머신 안에서 돌기 때문에 VM 이 내려가면 함께 멈춘다. 마지막 Ubuntu 터미널을 닫으면 잠시 뒤 VM 이 내려가고, wsl --shutdown 은 즉시 내린다.

프로젝트를 지우면 그 안의 세션·아티팩트·프로젝트 범위 메모리가 함께 사라진다. 반대로 세션만 지우면 아티팩트와 출처 기록은 남는다.

약 30분 유휴, 패키지 설치로 환경이 재시작될 때, 세션 종료 시 끝난다 — 그때 메모리의 변수도 사라지므로 오래 걸리는 중간 결과는 파일로 저장해 두는 편이 안전하다.

머신 전체의 모든 프로젝트가 공유한다 — 한 프로젝트에서 만든 환경이 다른 프로젝트에도 보인다. 목록·삭제는 설정 화면이 없으므로 Claude 에게 요청한다.

위치는 Settings > Storage > Data location 에서 확인한다. 유일한 사본이므로 백업 대상이다.

Claude 가 필요할 때 스킬을 자동으로 불러오므로 직접 고르는 것은 강제 지정에 해당한다.

검색 가능한 그리드다. 주석(annotation)은 이 그리드에 나타나지 않고 다운로드에도 포함되지 않는다.

찾는 것이 어디 있는지 — 상시 허가 철회는 Permissions, 리뷰어 커스터마이즈는 Specialists, 샌드박스 허용 호스트는 Network, GPU·SSH 호스트·Modal·모델 엔드포인트는 Compute, 클라우드 스토리지·문헌 키·GitHub 토큰은 Credentials, 데이터 폴더 위치는 Storage.

메모리는 기본 꺼짐이고 Memory 에서 켠다 — 저장된 사실은 로컬 DB 에만 있고 Anthropic 으로 동기화되지 않는다. 세션별로 끄는 토글도 있다.

위치를 산문으로 설명하는 대신 아티팩트의 그 부분에 코멘트를 붙이는 것이다. 텍스트는 강조 배지로, 이미지는 번호 핀으로 표시되고, 올려서 읽고 눌러서 수정·삭제한다.

커널이 살아 있는 동안 변수가 메모리에 남으므로 단계를 나눠 진행할 수 있다. 재시작 조건 셋을 기억할 것 — 유휴 30분, 패키지 설치로 환경이 바뀔 때, 세션 종료. 재시작되면 메모리의 변수는 사라진다.

패키지 소스를 다른 서버로 돌릴 수 없다 — 사내 미러가 필요하면 config.toml 의 [conda] 미러 키를 쓴다. 패키지가 아예 없는 도구는 소스를 받아 샌드박스에서 conda-forge 컴파일러로 빌드하고 그 빌드를 아티팩트로 저장해 재사용한다.

멀티 GPU 머신도 지원한다. GPU 가 없는 머신에서 GPU 가 필요한 작업이 오면 Claude 가 그 사실을 알리고 연결해 둔 원격 컴퓨트로 돌릴 수 있다.

남길 스크래치 파일은 저장해 달라고 말해야 한다. 아티팩트는 앱 데이터 폴더에 있고 내가 지울 때까지 남는다. 밖으로 꺼낼 때는 파일 하나면 Download, 여러 개면 ~/.claude-science 아래 프로젝트 폴더에서 직접 복사한다.

diff 모드에서는 비교 대상 버전을 고를 수 있다(기본은 직전 버전). 이름을 바꿔도 링크는 깨지지 않지만 Delete 는 모든 버전을 영구 삭제한다.

모든 아티팩트 버전이 어떻게 만들어졌는지를 기록한다 — 저장 시점 전후의 대화(Messages), 재현 가능한 스크립트(Code), 실행된 모든 명령(Execution Log), 환경과 패키지 버전(Environment), 리뷰어가 남긴 findings(Review).

응답 뒤 자동으로 돌고, 긴 작업 중에는 주기적으로 돌고, Request review 로 언제든 부를 수 있다.

한계를 정확히 알아 두는 것이 중요하다 — 주장이 기록과 맞는지를 보되 분석을 다시 돌리지는 않는다. 쓰인 방법에서 결론이 안 나오는 것은 잡지만, 그 방법이 내 연구 질문에 맞는 선택이었는지는 판단하지 않는다.

카드가 뜨면 Claude 가 그 findings 를 읽고 다음 메시지에서 고치거나 왜 해당하지 않는지 설명한다. 카드에서 리뷰어의 전체 추론을 펼쳐 볼 수 있다.

자동 리뷰는 세션별 토글이다(세션 설정 메뉴). 리뷰도 내 플랜 사용량을 쓴다 — 켜 두면 그만큼 소모된다.

Settings > Specialists 에서 리뷰어를 손보거나 내 방식에 맞춘 별도 specialist 를 만들어 추가 검토를 붙일 수 있다.

데이터 디렉터리당 하나만 돌고 Ctrl-C 로 멈춘다. 평소 쓰는 명령은 이것 하나이고, 나머지는 돌고 있는 프로그램을 관리하는 것들이다.

링크의 nonce 는 1회용 비밀번호로 브라우저 탭 하나를 로그인시키고 약 3분 뒤 만료된다. 로그인된 탭은 프로그램을 재시작할 때까지 유지되므로 링크를 보관할 필요가 없다.

--check 는 확인만 한다. 업데이트는 서명 검증 후 바이너리를 원자적으로 교체한다. 특정 버전을 지정하는 --to 가 롤백 수단이기도 하다.

다른 데이터 디렉터리나 그 DB 파일을 이쪽으로 합친다. 같은 임포트를 두 번 돌리는 것은 안전하다(멱등) — 위험한 것은 되돌릴 수 없다는 점이다.

port ... is already in use 는 다른 프로그램이 쓰는 것이고, daemon already running on port ... 은 이미 Claude Science 가 돌고 있는 것이다 — 후자는 다시 띄울 필요 없이 claude-science url 로 링크만 받으면 된다.

--no-browser 를 함축한다. WSL 처럼 터미널을 닫으면 VM 이 내려가는 환경에서는 detached 라도 VM 이 살아 있어야 한다.

기본값이라 내 기기에서만 닿는다. 다른 주소로 바꾸면 네트워크에 노출되므로, 원격 접속이 필요하면 이 값을 바꾸는 대신 SSH 터널을 쓰는 편이 맞다.

브라우저 Origin 을 하나 더 허용한다 — Claude 가 닿을 수 있는 사이트와는 무관하다 (그쪽은 샌드박스 네트워크 허용목록이다).

생성된 HTML 미리보기를 별도 오리진에서 서비스해, 미리보기 페이지가 내 세션을 읽지 못하게 한다. SSH 터널을 쓸 때 이 포트를 안 열면 인터랙티브 차트가 정적 스냅샷으로 보인다.

기본적으로 시작·정보 로그는 로그 파일에만 간다 — 콘솔에서 보려면 이 플래그다. 기록된 로그는 claude-science logs --tail 로 따라간다.

앱이 127.0.0.1 에만 붙기 때문에 터널이 정석이다. 두 포트를 함께 여는 이유는 8000 이 앱, 8001(기본 port+1)이 HTML 미리보기 오리진이기 때문이다.

링크는 약 3분 만료이므로 터널을 먼저 세워 두고 서버에서 claude-science url 로 새로 받는다. 여러 컴퓨터에서 같은 프로젝트를 보려면 이렇게 리눅스 서버에 한 번 설치해 터널로 접속하는 것이 유일한 방법이다(계정으로 동기화되지 않는다).

OAuth 리다이렉트가 앱으로 돌아올 수 없는 환경이라서 생기는 일이다 — 오류가 아니라 예상된 경로이므로 사인인 화면의 Paste a code 를 쓴다.

~/.ssh/config 의 값을 그 호스트에 대해서만 덮어쓴다 — config 를 고치지 않고 예외를 두는 자리다.

SLURM 클러스터면 파티션까지 읽는다. 결과는 호스트 상세 페이지의 편집 가능한 메모로 저장되고, Claude 가 작업하면서 이 Details 문서를 갱신한다 — 환경 활성화 방법, 데이터·패키지 위치, 스케줄링 관례 같은 것이 여기 쌓인다.

승인 카드에 명령과 스크립트가 그대로 표시되고, 승인하면 스크립트와 입력이 scratch 아래 잡 디렉터리로 복사된다. Scratch 디렉터리는 SLURM 이면 공유 파일시스템에 있어야 한다.

30분보다 오래 걸릴 작업은 제출 전에 미리 말해야 한다. 끝나면 출력이 세션으로 당겨지지만, 크기 임계치를 넘는 파일은 호스트에 남고 경로만 기록된다.

로컬 컨테이너로 돌리려면 NVIDIA GPU 가 있는 머신이 필요하다. 붙인 뒤에는 특정 NIM 스킬에 대해 로컬 Docker 컨테이너를 띄우거나 원격 연결을 설정하라고 Claude 에게 요청한다.

전부 읽기 전용이고 기본으로 켜져 있다. 요청에 데이터 소스 이름을 직접 대도 되고, 필요한 것만 설명하면 Claude 가 도구를 고른다 — 커넥터 질의는 대화에 펼칠 수 있는 코드 단계로 뜬다.

뒤에 있는 데이터베이스들은 Settings > Network 의 허용목록에 그룹 단위로 올라가 있어서, 그룹을 끄면 그것에 의존하는 커넥터가 함께 꺼진다.

ZINC 는 구매 가능한 화학 공간, CellGuide 는 CELLxGENE 세포 유형이다. 직접 추가한 커넥터는 이들과 달리 도구마다 승인 카드가 뜬다(Once·이 대화·이 프로젝트·Global).

Featured 커넥터와 달리 커넥터 디렉터리에서 오고 다른 Claude 제품에서도 쓰인다. 그래서 조직의 커넥터 권한 정책이 이쪽에는 적용된다 — 로컬로 추가한 커넥터에는 적용되지 않는다.

디렉터리 커넥터는 Anthropic 호스팅 커넥터 서비스를 경유한다 — 관리자가 걸어 둔 권한과 터널이 그대로 적용되는 이유다.

자격증명은 내 컴퓨터에서 암호화되고 해당 제공자에게만 전송된다. S3 호환 스토어는 AWS 폼의 S3-compatible endpoint 필드를 쓰고, 그 엔드포인트 호스트는 따로 허용목록에 올려야 한다.

DOI 나 제목을 주면 이 순서로 시도하고, 받은 파일(PDF·XML·텍스트)은 세션에 저장된다.

요청 예절도 정해져 있다 — 제공자마다 초당 1건으로 조절하고, 요청받으면 물러나고, 매 요청에 자신을 밝히고, 페이월 HTML 은 스크랩하지 않는다.

OpenAlex 는 모든 요청에 키를 요구하므로 OpenAlex 기반 문헌 검색은 키가 없으면 아예 안 돈다. 키는 OpenAlex API 설정 페이지에서 무료로 만든다.

직접 추가한 커넥터의 모든 도구는 Ask each time 에서 시작한다 — Featured 커넥터가 카드 없이 도는 것과 다른 점이다. 커넥터 단위로 Skip approvals 를 켜면 그 커넥터의 모든 도구에서 호출별 카드가 사라진다.

샌드박스 밖이 아니다 — Claude 가 쓰는 코드와 같은 네트워크 제한을 받고 자기 쓰기 디렉터리를 하나 갖는다. 대신 환경변수가 암호화 없이 설정 파일에 저장되므로(내 계정만 읽을 수 있다) 고가치 시크릿은 넣지 않는다.

스킬은 방법·도구·확인할 것을 적어 둔 지시문 묶음이다. 작업이 그것을 요구하면 Claude 가 자동으로 불러오고, / 로 직접 지정할 수도 있다.

조직이 배포한 스킬과 내가 앱에서 퍼블리시한 스킬은 다른 컴퓨터에서 로그인해도 다시 나타난다 (메모리·설정·앱에서 추가한 커넥터는 컴퓨터별로 남는다).

Settings > Skills 의 Add skill 이다. 넷 중 어느 방식이든 결과는 같은 스킬 한 개다.

토큰은 api.github.com 레이트리밋 완화에도 쓰인다(GITHUB_TOKEN 환경변수로도 줄 수 있다). 방화벽에서는 api.github.com 과 codeload.github.com 이 스킬 설치 경로다.

한 번 잘 돌아간 분석 흐름을 다음에도 같은 방식으로 돌리게 만드는 가장 싼 길이다 — 절차를 문서로 적어 두는 것보다 실행되는 형태로 남기는 편이 낫다.

종류마다 고를 수 있는 범위가 다르다 — 폴더는 읽기 전용/읽기·쓰기를 고르고 철회할 때까지 유지, 코드 실행은 Once 또는 Always, 네트워크 호스트는 철회할 때까지, 커넥터 도구와 원격 잡은 아래 네 범위 전부.

상시 허가는 Settings > Permissions 한 곳에 모여 있고 거기서 철회한다.

가장 넓은 범위다. 원격 잡·커넥터 도구에 Global 을 주면 이후 어느 프로젝트에서든 묻지 않는다 — 되돌리려면 Settings > Permissions 에서 철회해야 한다.

모든 키에 기본값이 있어 파일이 없어도 앱이 돈다 — 관리자가 기기 관리로 배포해 정책을 세우는 용도다. 한 번만 다른 파일로 돌리려면 claude-science --config <file>.

우선순위가 키마다 다르다. 프록시와 패키지 미러 키는 파일이 Settings 보다 우선하고, 그때 Settings 화면에는 "조직 관리"로 표시돼 구성원이 바꿀 수 없다. 반면 [sandbox.network] 목록은 덮어쓰는 것이 아니라 더해지고 아무것도 잠그지 않는다.

환경변수 예외 하나 — 앱 환경의 프록시 변수(ALL_PROXY 포함)가 [network] proxy 보다 우선한다. http:// 미러를 쓰려면 allow_insecure_mirror 를 켜야 하는데, 평문 미러는 경로상의 공격자가 패키지를 갈아치울 수 있어 기본이 꺼져 있다.

설정 파일의 disable_telemetry = true 와 같은 스위치다. 보내지는 것은 이벤트 수·소요 시간 같은 제품 사용 지표이고 대화 내용은 아니다.

api.github.com 에만 쓰인다 — GitHub 저장소에서 스킬을 설치할 때의 레이트리밋을 올리는 용도다.

환경변수가 설정 파일을 이기는 유일한 경우다. 그 밖의 설정은 전부 config.toml 쪽에 둔다. https://(프록시까지 TLS) 주소는 앱 자체 연결에만 적용되고 샌드박스의 패키지 다운로드는 직접 연결하므로, 프록시는 http:// 를 쓰는 편이 낫다.

다른 값들은 덮어쓰지만 NO_PROXY 만 no_proxy 키와 합쳐진다 — 한쪽에만 적어도 둘 다 적용된다.

Anthropic 이 브라우즈·동기화·내보낼 대상이 아예 없다는 뜻이다. 그래서 조직의 데이터 통제 수단(Custom Data Retention·조직 내보내기·Compliance API)이 이 데이터에는 닿지 않는다 — 기기 관리(MDM·EDR)가 유일한 통제 수단이다.

모델을 호출할 때마다 프롬프트와 응답이 전송되고 모델 트래픽에 대한 표준 보존 정책을 따른다 — 다른 Claude 제품과 같은 정책이다. 조직의 Custom Data Retention 설정은 이 보존 기간을 바꾸지 않는다.

로컬에서 데이터를 지워도 서버 측 모델 트래픽 로그가 먼저 지워지지는 않는다(표준 보존 기간까지 남는다).

내가 통제하는 서버·클라우드 계정으로 코드와 데이터가 직접 간다. 관리자가 구성원의 원격 컴퓨트 연결을 막을 수단은 아직 없다.

Admin 역할로는 켤 수 없다 — 구성원 추가와 좌석 배정은 되지만 활성화는 Owner·Primary Owner 만 할 수 있다. 사용량은 구성원의 평소 주간 한도에 합산되고 claude.ai 와 같은 좌석을 쓴다.

마법사가 아직 지원되지 않는 것, 접근 역할, 퍼블리시할 커넥터를 차례로 훑는다. 도입 현황은 Analytics 의 Claude Science 탭에서 보고, Enterprise 는 Admin API 의 science_metrics(세션 수·메시지 수·delegation 수·원격 잡 수·스킬 호출 수)로도 받는다.

조직의 커넥터·도메인 허용목록은 관리자가 퍼블리시한 Directory 커넥터에만 적용되고, 구성원이 로컬에서 추가한 커넥터(자기 컴퓨터에서 돌거나 커스텀 URL 을 가리키는 것)는 제한하지 못한다. 스킬도 같다 — 조직 스킬은 보이지만 어떤 featured 스킬을 켤지에 대한 관리자 통제는 없다. 로컬·커스텀 커넥터 통제는 로드맵에 있다.

앱이 Anthropic 과 통신하는 최소 집합이다. 이것이 막히면 사인인과 모델 호출 자체가 안 된다.

샌드박스의 패키지 설치 경로다. 패키지 소스를 다른 서버로 돌릴 수는 없고, 사내 미러가 필요하면 config.toml 의 [conda] channel_mirror·pip_index_url 을 쓴다 (pip_index_url 을 설정하면 공개 Python 호스트가 샌드박스 허용목록에서 빠진다).

데이터가 빠져나갈 통로를 구조적으로 막아 둔 목록이라 해제할 수 없다. GCS 를 코드에서 다룰 때 gsutil·gcloud storage·google-cloud-storage 라이브러리가 막히는 것도 같은 이유(path-style 주소)이고, 그래서 HMAC 키 + boto3 나 import/export 를 쓴다.