나의 AI 개발 삽질의 기록

vibe 코딩?

공감 가는 영상: https://www.youtube.com/watch?v=AYaQ85gPaV0&t=1s&pp=ygUP67CU7J2067iM7L2U65Sp

영상 내용 요약 [이것도 AI가 요약함, 내가 진짜 원한 내용은 좀... 부족하네 -_-]

• 프로그래밍에서 'vibe'란 코드를 작성할 때의 직관적인 느낌과 감각을 의미
• 개발자들이 흔히 경험하는 '이렇게 하면 될 것 같아'라는 직감적인 코딩 방식
• 경험이 쌓일수록 더욱 정교해지는 개발자의 직관
• 하지만 'vibe 코딩'만으로는 부족하며, 탄탄한 기본기와 함께 균형을 이뤄야 함
• 실제 개발 현장에서는 직관과 논리적 사고의 조화가 중요

이 영상을 보면서 대부분 내가 최근 느끼고 있는 것들이었고, 특히 아래의 내용들이 공감되었다.

• 05:11 컴퓨터공학 이제 배울 필요가 있음?
  • AI 시대에도 컴퓨터공학의 기본 지식은 여전히 중요함
  • 코딩을 직관으로만 하는 것보다 원리를 이해하는 것이 장기적으로 유리
  • 특히 AI 도구를 효과적으로 활용하고 결과물을 검증하는 데 기본 지식이 필수적
• 06:40 바이브 코딩을 해보고 느낀점
  • 처음에는 빠르게 결과물을 만들 수 있어 매력적으로 느껴짐
  • 코드를 작성할 때 직관에 의존하면 초기 개발 속도가 빨라질 수 있음
  • 그러나 코드베이스가 커질수록 직관만으로는 한계에 부딪힘
• 07:21 바이브 코딩이 위험한 이유
  • 문제가 발생했을 때 근본적인 원인을 파악하기 어려움
  • 직관에만 의존하면 효율적이지 못한 해결책을 선택할 가능성이 높음
  • 특히 복잡한 시스템에서는 예상치 못한 부작용이 발생할 수 있음
• 08:00 바이브 코딩의 문제점
  • 유지보수가 어렵고 코드의 확장성이 떨어짐
  • 다른 개발자가 코드를 이해하기 어려워 협업에 장애가 됨
  • 시간이 지날수록 기술 부채가 쌓여 결국 큰 리팩토링이 필요해짐
• 09:42 개발자 채용 프로세스의 변화
  • AI 시대에는 개발자 채용 방식이 변화하고 있음
  • 단순 코딩 능력보다 문제 해결 능력과 시스템 설계 능력이 중요해짐
  • 기술적 지식뿐만 아니라 비즈니스 이해도와 협업 능력이 평가 요소로 부각
• 10:50 앞으로 개발자 역할의 변화 (프론트엔드 / 백엔드 ㅂㅂㅂ)
  • 전통적인 프론트엔드/백엔드 구분이 희미해지고 있음
  • AI가 단순 코딩 작업을 대체하면서 개발자는 더 높은 수준의 설계와 의사결정에 집중
  • 특화된 영역보다 여러 기술을 두루 알고 시스템 전체를 이해하는 개발자가 중요해짐
• 12:10 개발자의 계층 극대화
  • AI 시대에는 개발자 간 역량 차이가 더 벌어질 수 있음
  • AI를 효과적으로 활용하는 개발자와 그렇지 못한 개발자 사이 생산성 격차 확대
  • 기본기가 탄탄한 개발자는 AI를 도구로 활용해 더 큰 가치를 창출할 수 있음
• 12:38 바이브 코딩은 언제 좋은가
  • 프로토타입 개발이나 아이디어 검증 단계에서는 유용함
  • 작은 프로젝트나 개인 프로젝트에서는 속도 측면에서 효율적일 수 있음
  • 기본기가 탄탄한 개발자가 시간 제약이 있을 때 전략적으로 사용하면 효과적
• 13:30 AI있는데 개발공부 굳이 해야하는가? ( 오늘 영상의 핵심✨ )
  • AI가 발전해도 개발 공부는 여전히 중요함
  • AI는 도구일 뿐, 그 도구를 효과적으로 사용하려면 기본 지식이 필요
  • 결국 AI가 생성한 코드를 이해하고 검증할 수 있는 능력이 필수적
• 15:02 AI가 쓴 코드와 인간이 쓴 코드의 차이
  • AI 코드는 일관성이 떨어지고 예상치 못한 버그가 숨어있을 수 있음
  • 인간의 코드는 비즈니스 맥락과 시스템 전체를 고려한 설계가 반영됨
  • AI는 기존 코드를 학습해 생성하므로 창의적인 문제 해결에는 한계가 있음
• 16:22 앞으로 개발 배울때 중요한 것
  • 단순 문법이나 프레임워크보다 컴퓨터 과학의 기본 원리 이해가 중요
  • 문제 해결 능력과 시스템 설계 능력을 키우는 데 집중해야 함
  • 새로운 기술을 빠르게 학습하고 적응하는 능력이 중요해짐

최근 한 달간 코테와 과제로 시간을 보내면서 과제를 할 때 Cursor와 MCP, Claude-3.7-sonet을 활용하여 코딩하고 있다. 그러면서 이놈의 AI가 처음엔 마술을 부리는 것처럼 순식간에 엄청나게 많은 코드를 만들어주는 걸 보면서 충격을 받았다. 그런데 하나하나 돌려보고 고치고를 반복하면서 아 이거 앞으로는 경험이 정말 중요해지겠구나 싶었다. 오류 하나를 해결하기 위해 똑같은 명령을 10번 이상 내린 적도 있었다. 지금의 속도로 발전하면 금방 또 지금보다 좋아지겠지만 맥락! 이게 정말 중요하다고 생각됐다. 그런데 이런 맥락을 위해 매번 Cursor에 룰이나 내가 짠 코드를 알려주는게 엄청 귀찮았다. (Cursor 0.48 업데이트로 많이 해소됐다 ㅎㅎ) 찰떡 같이 말 잘 알아듣는다고 생각한 Claude도 내가 "이런저런 이유 때문에 발생하는 문제 아니야?" 라고 되물어보면 "정확히 짚으셨네요!" 이러고 앉아있다... (이 문제도 점점 더 많은 MCP를 붙여주면서 점점 해결되고 있다. -0-) 또 스프링 클라우드로 만든 mono repo 프로젝트에서는 공통적으로 사용하길 바라는 Entity나 DTO들을 각각의 서비스마다 만들어 놓았길래 리팩토링을 지시했더니 굳이 고치지 않아도 되는 코드들까지 싹 갈아 엎었다. (이 부분 역시 좀 더 상세한 룰 설정과 프롬프트로 해결될 것 같다.) 마치 주니어 개발자를 데리고 프로젝트를 진행하는 듯한 느낌을 받았다. 정말 이제는 문제를 파악하는 능력 이건 경험에서 나오는 능력일거고 코드만 보는 게 아닌 전체 시스템과 프로덕트를 보는 사람이 더 뛰어난 개발자로 대접받는 시대가 왔다고 생각이 들었다.

도움이 될만한 참고 자료

AI 코딩 입문자를 위한 시청각 교육자료

현재 사용하고 있거나 예정인 MCP Server들

방금 알게 된 사실인데 MCP Server 마다 갖고 있는 도구들이 여러개 있는데 이 도구는 최대 40개 까지만 허용된다. 프로젝트에 따라 필요한 도구들을 세팅해서 사용해야겠다.

• Sequential Thinking MCP Server: 무조건 사용하는 필수 MCP!
• Desktop Commander MCP: 이거 정말 좋다!
• Filesystem MCP Server: 위에 있는 Desktop Commander가 있으면 알아서 명령어로 다 하기 때문에 굳이 필요는 없지만 있어서 나쁠 건 없는 듯하다.
• GitHub MCP Server: 현재는 쓸데없이 너무 많은 도구를 사용해 disable 시켰음. Git 정도는 알아서 하자.
• GitLab MCP Server: 현재는 사용하고 있지 않지만 과거에 작성했던 내 코드들을 MCP를 이용하여 학습 시킨 후 앞으로 내가 작성할 코드들에 구조나 포맷 등을 반영해 달라고 할 예정이다.
• PostgreSQL: 자바 테스트 코드가 동작하면서 실패하여 원인을 찾는 과정에서 큰 도움이 되었다. 직접 쿼리를 실행해 테이블이나 제약사항까지 확인해서 도움을 준다.
• Redis: 아직은 활용해 보지 못했는데 써 볼 예정이다.
• Brave Search MCP Server: 윈도우 PC에는 설치해서 사용해 봤으나 요즘 주로 사용하고 있는 Mac에는 아직 설치하지 않았다. 아직은 특별히 좋은지 모르겠다.
• Exa Search: 매일 채용공고 새로 올라오는거 확인하는 게 귀찮아서 크롤링을 이걸 통해 해보려고 했으나 잘 되지 않았다. 좀 파 보면 괜찮을 것 같은데 지금은 시간이 없다.
• Browser Automation Agent: 과제로 받은 채팅 시스템을 개발하면서 힘들었던 점이 Cursor가 웹 브라우저에서 발생하는 오류를 확인할 방법이 없는 것이었다. 콘솔 로그와 화면 캡처로 하긴 했지만 직접 브라우저를 사용할 수 있도록 하면 좋겠다 싶었는데 앞으로 활용해 볼 예정이다.

개인적인 경험이지만 주로 smithery를 통해 MCP Server를 설치했었는데 smithery 서비스의 상태에 따라 MCP Server가 동작하지 않는 경우가 있는 것 같다. smithery를 이용하면 설치가 간편하지만 가급적 Github에 있는 설치 방법을 통해 설치하려고 한다.

내가 작성한 Cursor Rule

계속 사용하면서 필요한 내용을 추가하거나 수정하고 있다. 이 룰들이 정교해질수록 AI가 내 말을 더 잘 듣겠지.

룰을 사용하면서 생긴 노하우는 공통적으로 적용할 수 있는 룰을 먼저 만들고, 각각의 언어나 프레임워크, 프로젝트별로 우선순위를 정해서 지키게 하면 프로젝트마다 매번 작성하는 수고를 덜 수 있다.

• Java 공통
• Spring Boot 공통
• Spring Cloud 공통
• Python 공통
• FastAPI 공통
• Frontend 공통
• React 공통
• Vue 공통
• MSA 공통