AI에게 실질적인 개발 업무를 맡기고, 개발자는 확인만 하는 방식. 이게 진짜 가능할까요? 최근 개발자 커뮤니티에서 주목받고 있는 '에이전틱 코딩(Agentic Coding)'은 바로 이런 패러다임 전환을 말합니다. 한 발 앞서 이를 실무에 도입한 한 개발자의 경험을 통해, 에이전틱 코딩이 실제로 어떤 방식으로 작동하는지, 어떤 툴과 언어가 적합한지, 그리고 어떤 점을 주의해야 하는지 살펴보겠습니다.
에이전틱 코딩이란? – 개념과 배경 설명
에이전틱 코딩이란 대형 언어 모델(LLM)을 단순한 보조 도구가 아닌, **실질적인 작업 수행 주체(Agent)**로 사용하는 코딩 방식입니다. 사용자는 LLM에게 명령만 내리고, 결과물을 확인하거나 필요 시 수정하는 수준으로 코딩을 진행합니다. 이 방식은 특히 Claude Code와 같은 에이전트 기능을 갖춘 모델들과 함께 사용될 때 강력한 효과를 발휘합니다.
에이전틱 코딩이 주목받는 이유는 명확합니다. 반복적이고 구조화된 작업은 LLM이 빠르게 처리할 수 있고, 개발자는 고수준 설계와 최종 검토에 집중할 수 있기 때문입니다.
실전 환경 – Claude Code, MCP, Dev 툴 설정
작성자는 Claude Code의 비교적 저렴한 구독 플랜과 Sonnet 모델을 주로 사용합니다. 이 모델은 속도와 성능의 균형이 뛰어나고, 고급 모델보다 결과물이 더 간결해 실용적입니다.
작업 방식은 단순합니다. 'claude --dangerously-skip-permissions'를 통해 권한 제한 없이 에이전트를 실행하며, 대부분의 작업을 완전히 위임합니다. 보안이 걱정된다면, Docker 컨테이너 안에서 격리된 환경을 사용하는 것도 좋은 방법입니다.
도구 확장은 MCP(Multi Capability Protocol)를 통해 이뤄지며, 필요한 경우 playwright-mcp 같은 브라우저 자동화 도구를 연결하여 에이전트가 직접 테스트를 수행하도록 합니다.
왜 Go인가 – 언어 선택 기준
새로운 프로젝트를 시작할 때, 어떤 언어가 에이전틱 코딩에 적합할까요? 이 개발자는 단연 Go 언어를 추천합니다. 이유는 다음과 같습니다:
- 문맥(Context) 시스템: Go는 명시적인 컨텍스트 전달 구조를 가지고 있어, 에이전트가 데이터 흐름을 파악하기 쉽습니다.
- 테스트 캐싱: Go는 테스트 실행이 간단하고 빠르며, LLM이 테스트 범위를 명확히 인식할 수 있습니다.
- 언어의 단순성: 복잡한 구문이나 추상화 없이, 명확한 인터페이스 기반 구조 덕분에 AI가 코드를 이해하고 수정하기 수월합니다.
- 낮은 생태계 변화율: 빠르게 변하는 생태계에 비해 Go는 버전 안정성과 하위 호환성이 강합니다. 이는 LLM이 과거 작성 코드를 계속 활용할 수 있도록 해줍니다.
Python과 같은 언어는 풍부한 생태계와 유연함이 장점이지만, LLM이 그 복잡성을 감당하기 어려운 경우가 많습니다. 예를 들어 Pytest의 fixture나 비동기 이벤트 루프는 LLM에게 혼란을 줄 수 있습니다.
도구 설정 전략 – 빠르고 명확하게
에이전틱 코딩의 핵심은 도구 사용의 효율성입니다. 이 개발자는 다음과 같은 전략을 제시합니다:
- Makefile을 통한 명령 단순화: make dev, make tail-log 등의 명령어로 작업 흐름을 단순화합니다.
- 로그 기록: 모든 명령어의 출력은 터미널뿐 아니라 파일로 저장하여, 에이전트가 로그 파일을 통해 상황을 파악할 수 있도록 합니다.
- 실시간 판단 지원: 예를 들어, 서버가 이미 실행 중이라면 이를 인식하고 로그를 조회한 뒤, 해당 정보로 다음 액션을 판단할 수 있게 합니다.
이런 방식은 단순해 보이지만, LLM이 자기 주도적으로 문제를 해결하도록 돕는 핵심 기반입니다.
실제 워크플로우 예시
에이전트가 작업을 수행하는 실제 흐름은 다음과 같습니다:
- make dev 실행 → 이미 서버가 실행 중인 경우 오류 메시지 반환
- 에이전트는 이를 인식하고 make tail-log 실행 → 현재 서비스 주소와 동작 로그 확인
- 브라우저 자동화를 위해 playwright를 이용해 기능 테스트
이런 워크플로우는 LLM이 로그를 스스로 해석하고 필요한 작업을 수행하도록 유도하며, 개발자는 개입 없이 결과만 확인하면 됩니다.
한계와 시사점
에이전틱 코딩은 미래 지향적인 방식이지만, 아직까지 다음과 같은 한계도 존재합니다:
- 속도와 비용: 추론 시간이 길고, 모델 호출 비용이 존재합니다.
- 불안정한 MCP 서버: MCP를 기반으로 한 도구는 때때로 신뢰성이 떨어질 수 있습니다.
- 에코시스템 의존성: 변화가 잦은 기술 생태계에서는 AI가 오히려 혼란을 겪을 수 있습니다.
- 병렬성 관리의 어려움: 파일 시스템이나 데이터베이스 같은 공유 자원의 병렬 접근 문제는 여전히 해결 과제입니다.
하지만 이러한 제약 속에서도, 에이전틱 코딩은 ‘단순한 반복 업무를 위임하고, 전략적인 판단에 집중하는’ 개발 환경을 현실화하고 있습니다.
지금이 바로 시작할 타이밍
에이전틱 코딩은 단순한 기술 유행이 아닙니다. 반복 작업을 자동화하고, 개발자가 더 중요한 일에 집중할 수 있도록 만드는 생산성 도약의 전환점입니다.
아직은 모든 것을 완전히 맡기긴 어렵지만, 특정 워크플로우부터 실험적으로 도입해보는 것만으로도 큰 가치를 얻을 수 있습니다. 이 글에서 소개한 환경 설정, 언어 선택 기준, 도구 구성 전략은 그 시작을 위한 현실적인 가이드가 되어줄 것입니다.
지금이 바로, 당신의 개발 환경에 에이전트를 초대할 타이밍입니다.
Agentic Coding Recommendations
Current recommendations of agentic coding.
lucumr.pocoo.org
'인공지능' 카테고리의 다른 글
| 챗봇을 넘어, 사고하고 실행하는 AI의 시대: 생성형 AI, AI 에이전트, 에이전틱 AI의 차이점 (0) | 2025.06.17 |
|---|---|
| AI 코딩 도우미, 제대로 쓰는 7가지 실전 전략 (0) | 2025.06.17 |
| AI 에이전트는 대체 뭘까? 앤드류 응이 알려주는 지금 당장 주목해야 할 실용 기술 (0) | 2025.06.16 |
| AI 에이전트, 그냥 GPT가 아니다: 처음부터 이해하는 AI 에이전트의 모든 것 (0) | 2025.06.16 |
| “단일 AI로는 부족합니다” — 멀티 에이전트 리서치 시스템의 모든 것 (0) | 2025.06.16 |
