Agent Coding의 황금 표준과 필수 역량
- 박준성 박사: Univ. of Iowa 종신교수, 삼성SDS CTO, KAIST 초빙교수
- Feb 23
- 10 min read
Updated: 6 days ago
에이전트 코딩은 생성형 AI 에이전트가 텍스트나 이미지를 프롬프트로 받아, 툴 체인, 장기 메모리, 런타임 인프라 등을 이용하여, 실행 가능한 SW 자산(모델, 문서, 코드, 테스트, 실행 플랫폼 등)을 자율적으로 또는 개발팀과 인터렉션을 통해 생성하는 기술이다. 에이전트 코딩 플랫폼은 생성형 AI 에이전트의 한 종류인데, 아래 그래프에서 보듯이 그중 압도적으로 가장 많이 쓰이는 종류이다. (https://www.anthropic.com/research/measuring-agent-autonomy)
2024년 이래 에이전트 코딩 플랫폼은 Devin, Cursor, Claude Code 등을 거치면서 급속히 발전하고 있다. 개발자가 단일 에이전트를 이용해 코딩을 자동화하던 시대에서, 이제는 분석자(Business Analyst: BA) 및 아키텍트가 여러 에이전트를 오케스트레이트하면서 SW 개발 전주기를 자동화하는 시대로 발전했다. (https://resources.anthropic.com/hubfs/2026%20Agentic%20Coding%20Trends%20Report.pdf) 아래 그림은 에이전트 코딩 플랫폼의 SOA 아키텍처이다. (https://www.kosta-online.com/post/ai-%EC%BD%94%EB%94%A9-%EC%97%90%EC%9D%B4%EC%A0%84%ED%8A%B8%EC%9D%98-%EC%95%84%ED%82%A4%ED%85%8D%EC%B2%98 참조)
분석자가 Context Engineering 기반의 요구 스펙 프롬프트를 제출하면 오케스트레이터가 먼저 상황인지 서비스(Context Service)를 이용해 상황 정보를 정리한 후, 프롬프트 조립 서비스(Prompt Assembly Service)를 호출해 AI 추론에 제출할 프롬프트를 생성한다. 다음, AI 추론을 통해 개발 계획을 수립하는 개발 계획 서비스(Planning Service)를 호출한다. AI 추론 모델로 Claude Opus 또는 Claude Sonnet을 선택하여 적용할 수 있다.
AI 추론 결과는 개발 계획, 툴 실행 또는 최종 산출물(즉, 세션 종료)이다. 추론 결과가 개발 계획이면 정책 서비스(Permissions Service)를 통해 계획을 검증한 후 Context 서비스를 호출하여 다음 Ralph Loop을 시작한다. 추론 결과가 툴 실행이면 정책 서비스를 통해 실행 방안을 검증한 후, MCP 서비스를 통해 개발 실행 툴 서비스(Execution Tool Service)를 호출하여 개발 작업을 실행한다. 개발 작업이 완료되면 Context 서비스를 호출하여 다음 Ralph Loop을 시작한다.
개발 작업이 실행되는 과정에서 코레오그래피를 통해 모니터링 서비스를 호출하여 실행 결과에서 재사용하고 싶은 내용을 장기 메모리(Long-Term Memory: LTM)에 Skills나 Hook로 저장하여 후속 세션에서 재사용할 수 있다. 더 나아가 전사 차원의 중앙집중식 Knowledge Base를 구축하여 개발팀의 노하우를 축적하고 이를 여러 에이전트 코딩 세션에서 공유할 수 있다. 에이전트 코딩 워크플로우의 보다 상세한 설명은 위의 에이전트 코딩 플랫폼 아키텍처에 관한 참고 자료를 참조하기 바란다.
본고에서는 2026년 초 현시점에서, 에이전트 코딩을 이용해 혁신적인 SW를 가장 완벽하게 개발할 수 있는 최상의 방법, 즉 에이전트 코딩의 황금표준(Gold Standard)을 살펴본다. 현 시점에서 가장 고도화된 기능을 갖춘 에이전트 코딩 플랫폼(Claude Code 등)의 진보된 추론 모델(Claude Opus 4.6, Claude Sonnet 5 등)을 사용해 개발하는 것을 전제로 하여, 가장 효과적인 개발 프로세스와 기법들을 제시하고, 이를 적용하기 위해 개발팀이 갖춰야 할 역량도 살펴본다.
1. SW 요구 정의
에이전트 코딩의 성과를 극대화하려면 SW공학의 원칙, 프로세스, 기법을 깊이 이해하고 적용해야 한다. 에이전트 코딩의 첫 단계도 SW공학 생애주기에서 같이 SW 요구사항을 명세화하는 작업이다. 요즘 관심을 끄는 스펙 주도 개발(Spec-Driven Development: SDD)이 바로 이 점을 강조한 에이전트 코딩 방법론이다. SDD도 에이전트 코딩에서 요구 스펙을 가능한 한 자세히 명세화한 후, 이를 에이전트에게 프롬프트로 제출하도록 한다. (https://www.thoughtworks.com/insights/blog/agile-engineering-practices/spec-driven-development-unpacking-2025-new-engineering-practices)
1950년대 초 SW가 발명된 이후 약 20년이 지난 1960년대 말에 SW공학이 연구·개발·적용되기 시작했다. SW공학이 그 이전의 SW 개발 관행과 다른 점은 (1) 코딩 전에 SW 요구 분석과 SW 구조 설계를 선행한다; (2) SW 요구 명세와 설계에 모호성이 큰 자연어 대신 모호성이 제거된 모델링 언어를 사용한다; (3) 분석/설계 모델링, 코딩, 테스팅, 빌드/배포 등 SW 개발 활동에 SW 툴을 사용한다; (4) SW 개발 프로젝트 팀은 하나의 표준 개발 프로세스를 따르고, 개발 활동 별로 공통의 기법을 사용한다는 점이다.
에이전트 코딩도 처음에는 자연어 프롬프트를 제출하여 실행 코드를 자동 생성했지만, Claude Opus 같은 추론 모델을 쓰면 이제는 요구 스펙의 정형화된 모델을 프롬프트로 제출하여 실행 코드를 생성할 수 있다. 또한 아키텍트나 개발자가 원하면 중간 점검을 위해 중간 산출물인 설계 도면을 제공받을 수 있다. 모델링 언어 및 공학 기법을 이용해 프롬프트를 작성하고, 개발팀원들이 단계별로 중간 산출물을 검토함으로써, 자연어의 모호성, 생성형 AI의 환각(Hallucination) 현상, 에이전트의 비확정적(Non-deterministic) 추론 등으로 인한 오류를 줄이고 개발팀원들의 창의력을 한층 더 주입할 수 있게 됐다. (A. Osmani, Beyond Vibe Coding: From Coder to AI-Era Developer, Sept. 2025. https://beyond.addy.ie/)
에이전트 코딩에서 요구 스펙이 담아야 할 내용(즉 스펙 주도 개발(SDD)에서 스펙을 구성하는 내용)은 개발할 SW가 갖추어야 할 행동/기능(Behavior, Function, Use Case)과 구조/정보(Structure, Data, Semantics, Ontology, Context)가 주된 요소이다.
행동/기능을 명세화하는 기법으로는 BPMN 프로세스 모델, 사용사례(Use Case), 유저 스토리, 사용사례 시나리오, 행동 주도 개발(Behavior-Driven Development: BDD) 시나리오(즉 Gherkin 문법의 인수조건(Acceptance Criteria)), XML/JSON/TypeScript 같은 스키마/프로그래밍 언어로 표현한 행동 모델/계약, 제약조건/Anti-Patterns을 서술한 Text, 이벤트 스토밍 산출물, UML(Unified Modeling Language) 시퀀스 다이어그램, UML 상태 다이어그램, UI 디자인 등을 사용할 수 있다.
구조/정보를 명세화하는 기법으로는 개념 수준(Conceptual-Level)의 UML 클래스 다이어그램으로 표현한 시맨틱 모델, Entity-Relationship Diagram(ERD)로 표현한 시맨틱 모델, XML, JSON 또는 TypeScript 같은 스키마 또는 프로그래밍 언어로 표현한 시맨틱 모델, 제약조건/Anti-Patterns를 서술한 Text, OWL(Web Ontology Language)로 표현한 온톨로지, 표준용어집(Glossary) 등이 있다.
SW의 Front End 개발을 위해서는 템플릿 기반의 UI 디자인 가이드, Visual UI 디자인 등을 제공할 수 있다. UI 디자인 가이드 템플릿은 Context, Aesthetic Direction, Design System, User Flow, Components, Anti-Patterns, Output Format 등에 대한 텍스트 스펙을 포함한다. 비주얼 UI 디자인은 Figma 같은 UI 디자인 툴로 그린 화면, 앱 화면 스크린 캡처, 손으로 그린 스케치 등 비주얼 스펙을 제공한다.
SW의 Back End 개발에 쓰이는 UML, BPMN 등의 다이어그램들은 이미지 형태로 프롬프팅을 할 수도 있고, PlantUML, Mermaid 같은 툴을 써서 텍스트로 변환하여 프롬프팅할 수도 있다. 변환된 텍스트 형태로 프롬프팅하는 것이 정확도나 Round-Trip 엔지니어링 면에서 유리하다.
요구 스펙은 공학적 완성도(4C: Correctness, Consistency, Completeness, Comprehensibility)가 높을수록 에이전트의 요구 사항 위반 오류(Requirement Error)를 줄일 수 있다. 완성도가 높은 요구 스펙 기법은 글로벌 표준화와 상용화 과정을 거쳐 성숙도가 높아진 BPMN, UML, BDD, 스키마 언어, 프로그래밍 언어 등이 있다. 에이전트 코딩 플랫폼의 엄격한 SW 요구공학 언어 및 모델에 대한 해석 능력이 높을수록, 에이전트 코딩 플랫폼에 요구 스펙을 프롬프팅하는 분석자의 요구공학 역량이 높을수록, 에이전트 코딩의 Requirement Error가 줄어들어 자동 생성된 결과의 품질이 올라간다.
BPMN 프로세스 모델링, 사용 사례 분석, UML 시맨틱 모델링 등 요구 공학 기법에 대한 상세한 설명과 예제는 다음 자료를 참조하기 바란다: https://www.kosta-online.com/post/the-complete-guide-to-business-analysis. 이 참고 자료에 있는 아래 그림은 SW공학의 언어와 모델을 이용해 요구 스펙을 상세화하는 방법을 보여준다.
2. SW 설계
Claude Code 같은 에이전트 코딩 플랫폼에 BPMN, UML, BDD 같은 스펙 언어로 표현한, 또는 TypeScript, JSON 같은 프로그래밍 또는 스키마 언어로 표현한 구조/정보 모델과 행동/기능 모델을 요구 스펙 프롬프트로 제출하면, SW공학의 최적 방법(Best Practice)을 적용하여 워크플로우, 클래스 및 SOA(Service-Oriented Architecture) 서비스를 자동으로 설계한다. 그러나 에이전트 코딩 플랫폼에 요구 스펙을 제출하기 전에, 분석자와 현업 전문가가 스펙을 면밀히 검토하고 승인해줘야 한다.
에이전트 코딩 플랫폼은 먼저 행동/기능 스펙에 포함된 동사들을 프로세스 액티비티와 클래스 오퍼레이션으로 구분한다. 프로세스 액티비티는 여러 개의 시맨틱 클래스를 동원해야 한다든가 데이터베이스나 외부 시스템과 상호작용을 해야 하는, 추상화 수준이 높고 실행 범위가 큰 행동이다. 반면에 클래스 오퍼레이션(또는 단위 태스크)은 하나의 클래스가 제공할 메소드로 메모리 안에서 실행되는, 추상화 수준이 낮고 실행 범위가 작은 행동이다.
에이전트 코딩 플랫폼은 SW 설계 단계에서 프로세스 액티비티들을 서로 연결하여 워크플로우를 생성한다. 후속 단계인 코드 생성 및 시스템 구현 단계에서 워크플로우 모델을 SOA 아키텍처의 오케스트레이션 또는 코레오그래피 레이어로 구현한다.
에이전트 코딩 플랫폼은 클래스 오퍼레이션(단위 태스크)으로 분류된 행동(동사)들을 시맨틱 모델에 포함된 적합한 클래스의 메소드로 할당하여, 설계 수준(Specification-Level)의 UML 클래스 다이어그램으로 표현된 도메인 모델(Domain Model)을 생성한다. 여기에 적용되는 SW공학 기법은 클래스 책임 할당(Class Responsibility Assignment) 기법으로, GRASP 패턴을 적용해 각 단위 태스크를 특정 클래스의 메소드로 할당한다.
에이전트 코딩 플랫폼은 후속 단계인 코드 생성 단계에서 도메인 모델에 객체 설계 패턴(Object Design Pattern)들을 적용하여 객체 지향 코드를 생성한다. SW 상세 설계, 즉 객체 설계(Object Design)에 관한 설명과 예제는 다음 자료를 참고하기 바란다: https://www.kosta-online.com/challenge-page/object-design.
개발자가 클래스 설계 및 코딩에 개입할 수 있다. 예컨대, Claude Code 플랫폼에서 Claude Opus 추론 모델에게 도메인 모델을 기반으로 CRC(Class Responsibility Collaboration) 카드를 생성하라고 프롬프팅하고, 카드를 검증한 후 카드별로 Claude Sonnet 추론 모델에게 코드로 변환하라고 프롬프팅하는 반자동(Human-in-the-Loop) 방식을 쓸 수 있다.
Claude Opus 같은 추론 모델은 시맨틱 모델을 ORM(Object-Relational Mapping) 또는 SQL(Structured Query Language) 방식을 써서 관계형 DB 또는 NoSQL DB의 스키마로 변환할 수 있다.
에이전트 코딩 플랫폼은 시맨틱 모델 또는 도메인 모델에서 소위 Bounded Context를 식별해낸다. Bounded Context는 도메인 주도 설계(Domain-Driven Design: DDD) 기법의 전문 용어로, 시맨틱 또는 도메인 모델 내에서 하나의 Ubiquitous Language가 통하는 경계 내에 포함된 클래스들의 집합이다. 여기서 Ubiquitous Language는 역시 DDD 용어로, 특정 도메인의 모든 현업 전문가와 개발자가 공통으로 이해하는 표준 언어를 의미한다. (https://github.com/ruvnet/claude-flow/wiki/CLAUDE-MD-DDD)
시맨틱 또는 도메인 모델 내에서 Bounded Context를 식별하는 것은 하나의 도메인을 여러 개의 응집력 높고 상호의존도 낮은 서브도메인으로 분해(Decomposition)하여 소위 Context Map을 창출하는 것과 같다. Claude Opus 같은 추론 모델은 Context Map 안의 Bounded Context들을 각기 SOA 서비스로 매핑한다. 각 SOA 서비스를 구성하는 클래스들, 서비스를 호출하는 워크플로우 액티비티, 다른 서비스와의 상호작용 등을 분석하여 서비스의 API도 OpenAPI 및 gRPC 포맷으로 설계한다. (https://javatechonline.com/claude-for-java-developers-and-architects/)
SOA 아키텍처와 그 구현 스타일인 마이크로 서비스 아키텍처(Microservice Architecture: MSA) 및 모듈러 모놀리스 아키텍처(Modular Monolith Architecture: Modulith)의 설계 및 구현에 관한 설명과 예제는 다음 자료를 참조하기 바란다: https://www.kosta-online.com/post/the-complete-guide-to-soa-msa-and-modulith. 이 참고 자료에 있는 아래 표는 에이전트 코딩을 통해 SOA 애플리케이션을 개발할 때, 상이한 SOA 스타일(즉, SOAP 기반 SOA, Microservice Architecture(MSA) 또는 Modulith Architecture)을 적용하도록 프로젝트 가이드를 만들 때 참고할 수 있는 비교표이다.
3. SW 코딩 및 시스템 구현
Claude Code 같은 에이전트 코딩 플랫폼을 써서 확보한 워크플로우 모델, 도메인 모델, DB 스키마, SOA 아키텍처 모델 등 설계 산출물을 아키텍트와 개발자가 면밀히 검토하여 승인해 줘야 한다. 도메인 모델의 설계 리뷰(Design Review)에서 SOLID 객체 지향 설계 원칙, Gang of Four의 객체 지향 설계 패턴, DDD 설계 가이드, 리팩토링 기법, 클린 코드 등의 공학적 기준을 체크리스트로 만들어 반복적으로 재사용할 수 있다. SOA 설계 리뷰에서도 SOA 설계 원칙과 SOA 설계 패턴들이 잘 적용됐는지 평가하는 체크리스트를 만들어 각 서비스의 API 검토에 반복적으로 적용할 수 있다.
설계 리뷰가 완료되면 Claude Sonnet 같은 추론 모델을 써서 SW 코드를 생성하고 실행 시스템을 구현한다. 이 단계에서는 먼저 Java/Spring Boot, Node/Temporal/Express 같은 기술 스택을 선택해 줘야 한다.
Claude Sonnet 같은 추론 모델은 워크플로우 모델을 구현함에 있어, 먼저 오케스트레이션과 코레오그래피 중에 어느 것을 적용할지 결정하고, 오케스트레이션을 선정한 경우에는 Camunda, AWS Step Functions 같은 워크플로우 툴을 써서 구현하고, 코레오그래피를 선정한 경우에는 Kafka, Amazon EventBridge 같은 Event Bus를 써서 구현한다.
에이전트 코딩 플랫폼은 행동/기능 요구 스펙, 도메인 모델과 SOA 아키텍처 모델로부터 서비스 API, 소스 코드와 테스트 코드를 생성한다. 테스트 주도 개발(Test-Driven Development: TDD)을 적용하기 위해 소스 코드 생성에 앞서, 단위 테스트, API 테스트, 통합 테스트 코드를 포함하는 Test Suite를 먼저 생성한다. 에이전트 코딩 툴은 Bash Tool을 이용해 테스트(Red) -> 소스 코드 수정(Green) -> 리팩토링의 TDD 사이클을 Ralph Loop 방식으로 반복 수행하여 객체 지향 소스 코드를 완성해 나간다. (https://medium.com/@taitcraigd/tdd-with-claude-code-model-context-protocol-fmp-and-agents-740e025f4e4b)
테스트 커버리지를 높이기 위해, 에이전트 코딩 툴에게 모든 클래스의 모든 실행 Path에 대해 단위 테스트를 수행해야 한다는 원칙을 주고, 이를 CI/CD의 전제 조건으로 설정함으로써 SW의 지속 가능성(Sustainability)을 높일 수 있다.
코드가 생성되면 개발자가 코드 리뷰를 통해 요구 스펙 적합도를 높이거나 추가적인 리팩토링을 통해 설계 품질을 높일 수 있다. 앞서 살펴 봤던 설계 리뷰(객체 설계, SOA 설계, DB 설계 등)에서 같이, 코드 리뷰에서도 재사용 가능한 객체 지향 원칙, 객체 지향 설계 패턴, 리팩토링 가이드 등 체크리스트를 만들어 코드 리뷰를 자동화할 수 있다.
SW공학 원칙, 패턴, 기법, 가이드 등 SW 전문가의 지식을 Claude Code Skills로 저장하여 설계 리뷰, 리팩토링, 코드 리뷰 등 SW 전문가가 개입하는 Human-in-the-Loop조차 자동화할 수 있다. 예컨대 리팩토링 가이드를 Claude Code Skills로 저장하여 Claude Sonnet이 TDD의 Ralph Loop을 돌릴 때 적용할 수도 있고, Claude Opus가 개발자 대신 코드 리뷰의 Ralph Loop을 돌릴 때 적용할 수도 있다.
에이전트 코딩 플랫폼은 애플리케이션 소스 및 테스트 코드 외에도 SW 개발 생애주기 전반에 걸쳐 많은 산출물을 생성한다:
React, Tailwind, Shadcn 등을 이용해 UI 웹페이지를 구성한다. Chain-of-Thought 추론을 통해 백엔드로부터의 UI 업데이트에 어떻게 반응할지도 정한다.
DB 스키마를 MCP(Model Context Protocol)를 통해 관계형 DB나 NoSQL DB로 구현한다.
데이터 엔지니어링과 관련하여 온라인 트랜잭션 프로세싱, 니어라인 스트림 프로세싱, 오프라인 뱃치 프로세싱 아키텍처와 관련된 문서를 생성한다.
기계학습(Machine Learning) 아키텍처와 관련된 문서를 생성한다.
Modulith의 경우 애플리케이션 전체를 하나의 패키지로 빌드하고, MSA의 경우 서비스별로 별도의 패키지로 빌드하여 Docker 파일을 생성한다.
인프라 레이어를 설계하여 IaC(Infrastructure-as-Code) 템플릿을 생성한다.
CI/CD 파이프라인 형상에 관한 문서를 생성한다.
패키지의 인프라 배포 다이어그램(Deployment Diagram)과 배포 매뉴얼(Runbook)을 생성한다.
애플리케이션 및 DB의 확장성(Scalability), 성능(Performance), 보안(Security) 아키텍처에 관한 문서를 생성한다.
애플리케이션의 모니터링, 로깅, 트레이싱, 메트릭 평가 등 Observability를 위한 정책, 데이터 및 툴을 제시한다.
에이전트 코딩 플랫폼은 위의 모든 작업(TDD를 통한 백엔드 코드 생성, UI 구성, DB 구축, 컨테이너 빌드, 인프라 구성, 컨테이너 배포 등)을 Ralph Loop을 통해 자율적으로, 반복 점증적으로 수정·개선해 나간다. 에이전트 코딩 플랫폼의 Ralph Loop 완료 후 또는 중간 중간에 개발팀원이 개입(Human-in-the-Loop)하여 검토, 수정, 승인을 해 줄 수도 있다. 요구 스펙에서 설계 모델, 설계 모델에서 프론트엔드 및 백엔드 소스 코드, 도커 컨테이너까지 Forward Tracing과 Backward Tracing이 가능하고, Round-Trip 엔지니어링도 가능하다.
4. Agent Coding 필수 역량과 팀 조직
에이전트 코딩의 황금 표준을 살펴보면 개발팀이 갖추어야 할 역량을 도출해 볼 수 있다. 역량은 특정 활동의 수행 프로세스, 기법과 툴에 대한 지식과 스킬을 의미한다. SW 개발 활동 영역별로 에이전트 코딩의 필수 역량을 살펴보면 다음과 같다.
요구 공학: BPMN 프로세스 모델, UML 시맨틱 모델, 사용사례 시나리오, 행동주도 개발(BDD) 인수기준 시나리오, UML 시퀀스 모델, 이벤트 스토밍, 스키마 언어(JSON, XML 등), 프로그래밍 언어(TypeScript 등), 스펙 주도 개발(SDD), UI 디자인 등
SW 상세 설계: 객체 지향 원칙, 객체 설계 패턴, 리팩토링, 클린 코드, 클래스 책임 할당, GRASP 패턴, UML 도메인 모델, 도메인 주도 개발(DDD) 등
아키텍처 설계: SOA 설계 원칙, MSA 설계 패턴, Modulith 설계 패턴, 오케스트레이션, 코레오그래피, API 설계, 아키텍처 설계 프로세스, 아키텍처 Trade-Off 평가 등
SW 구현: 객체 지향 프로그래밍, 테스트 피라밋, 테스트 주도 개발(TDD), 빌드, 배포 등
데이터 엔지니어링: 관계형 DB, 데이터 웨어하우스, NoSQL DB, Data Lake, Data Lakehouse, Data Mesh, 온라인 트랜잭션 프로세싱, 니어라인 스트림 프로세싱, 오프라인 뱃치 프로세싱, Data Fabric, 이벤트 소싱 등
생성형 AI: Foundation Model, 프롬프트 엔지니어링, 이미지 프로세싱, 컨텍스트 엔지니어링, Long-Term Memory, RAG, MCP, A2A, AI 에이전트, 에이전트 워크플로우, 멀티 에이전트 시스템 등
플랫폼 및 인프라 엔지니어링: IAM, API 게이트웨이, 실행 프로세스, 메세지 브로커, IaC, CI/CD 파이프라인, 컨테이너 오케스트레이션, Observability, 보안 엔지니어링, IDP 등
다음은 분석자(BA), 아키텍트, 개발자, 시스템 엔지니어, 에이전트 코딩 툴 등 SW 관련 역할(Role)별로 위의 활동(업무) 영역들에 대한 RACI(Responsible, Accountable, Consulted, Informed) 매트릭스이다. R은 업무를 수행하는 역할, A는 업무 결과에 대해 책임지는 역할, C는 지원해 주는 역할, I는 정보를 공유하는 역할이다.
각 역할자는 각 업무 영역의 필요 역량들에 대해 수행할 수 있는 능력(R), 책임질 수 있는 능력(A), 지원할 수 있는 능력(C) 또는 이해할 수 있는 능력(I)을 갖추어야 한다. 에이전트 코딩을 위한 임직원의 훈련 프로그램에서도 역할별로 갖추어야 할 능력을 배양해야 한다. 따라서 역할자별로 훈련을 받아야 할 교과과정(Curriculum)이나 훈련 교재를 서로 다르게 디자인해야 한다. 예컨대 분석자는 요구 공학 고급 과정, 생성형 AI 고급 과정, 아키텍처 중급 과정, 나머지(SW 구현, 상세 설계, 데이타 및 플랫폼/인프라 엔지니어링) 분야는 초급 과정을 이수해야 한다.
에이전트 코딩 기반의 애플리케이션 개발 프로젝트는 소위 1-피자 팀(One-Pizza Team: 3–4명)이 수행한다. 예컨대 3명 팀이라면 한 명은 BA/개발자, 한 명은 아키텍트/개발자/BA, 한 명은 시스템 엔지니어/개발자/아키텍트 역할을 담당하도록 구성할 수 있다. 팀원 각자가 여러 역할을 할 수 있는 T자형 인재, 즉 Full-Cycle Orchestrator이어야 한다.
BA가 코드를 읽을 줄 알아야 요구 스펙이 올바로 구현됐는지 판단할 수 있다. 개발자가 요구 스펙과 아키텍처 문서를 읽을 줄 알아야 에이전트가 생성한 코드를 Validate 및 Verify(V&V)할 수 있다. 시스템 엔지니어가 아키텍처를 이해하고 코딩을 할 줄 알아야 인프라 구성이 아키텍처 품질 속성을 충족하는지 판단하고, 문제가 있을 경우엔 IaC 코드를 디버깅한다.
Human-in-the-Loop 없이 에이전트 산출물을 그대로 받아들이는 바이브 코딩(Vibe Coding)과는 달리, 바람직한 에이전트 코딩에서는 팀원들이 Ralph Loop 전/후/중간에 개입(Human-in-the-Loop)하여, 요구 스펙/인수 조건/제약 조건 등을 프롬프팅하고, 중간 산출물과 최종 산출물을 검토/수정 요청/승인하는 것이 주요 임무이다. 에이전트 코딩을 자동차 생산에 비유하면, 에이전트 코딩 툴은 생산 업무를 수행하는 휴머노이드 로봇이고 개발 팀원들은 생산 과정을 감독하는 전문 기술자이다.
앞에서 봤듯이 팀원이 본인의 전문 지식과 스킬을 Human-in-the-Loop으로 제공하는 대신, Claude Code Skills에 지식과 스킬을 저장하여 Claude Opus나 Claude Sonnet이 Ralph Loop을 돌릴 때 자동으로 적용하도록 할 수 있다. 마치 전문 기술자가 감독 노하우를 로봇에게 가르쳐 스스로 감독할 수 있도록 하는 것과 같다.
기업들은 또한 전사 차원에서 에이전트 코딩을 위한 중앙집중식 Knowledge Base를 구축하여 회사의 Best Practice, Know-how, Policy 등을 저장하고, 에이전트들이 MCP를 통해 접근할 수 있도록 하고 있다. (https://thenewstack.io/agentic-knowledge-base-patterns/)
Claude사의 최근 조사에 의하면 (https://www.anthropic.com/research/measuring-agent-autonomy), Claude Code가 중단 없이 실행되는 기간이 지난 3개월간 25분에서 45분으로 증가해 에이전트 코딩 플랫폼의 자율성(Autonomy)이 향상됐음을 보여 준다. Claude Code의 실행 중단이 사람에 의한 중단보다 Claude Code가 스스로 사람의 지침을 받기 위해 중단하는 빈도가 더 높은 것으로 드러났다.
에이전트 코딩의 숙련자가 초보자보다 Claude Code의 중간 결과를 더 자주 점검하지만, Permission Mode, Permission Rule, Hook, Skills, MCP, Knowledge Base 등을 이용한 자동 승인(Auto-Approve)도 더 많이 활용한다. 초보자는 20%의 세션에서 Auto-Approve를 사용하는데, 숙련자는 40%의 세션에서 사용하는 것으로 드러났다.
Comments