AI 에이전트를 개발할 때 가장 중요한 것은 모델 업데이트나 도구 변경에도 성능을 유지하는 것입니다. 이 글에서는 'Agents CLI'를 사용하여 에이전트의 품질을 지속적으로 개선하는 'hill-climbing' 프로세스를 소개합니다. `eval generate`, `eval grade`, `eval compare` 등의 명령어를 통해 에이전트의 성능을 측정하고, 단순한 평균 점수뿐만 아니라 개별 케이스별 상세 분석이 왜 중요한지 설명합니다. 또한, 모델 교체 실험이나 자동화된 프롬프트 최적화 방법까지 다루고 있어, AI 에이전트의 신뢰성을 높이고자 하는 개발자분들에게 매우 유용한 가이드가 될 것입니다.