기존의 이슈 등록, 커밋, 푸시, PR, 머지로 이어지는 방식은 90년대식 메커니즘에 가깝다. 사람의 실수를 방지하고 비동기 협업을 위해 설계된 이 과정은 컨텍스트를 완벽히 이해하는 AI 에이전트가 코딩을 주도하는 시대에는 오히려 낭비가 된다. AI 시대에 어울리는 새로운 개발 워크플로우를 제안한다.

최근 앤트로픽의 MCP(Model Context Protocol)가 화제지만 실무에서 에이전트를 운영해보면 결국 다시 CLI로 돌아오게 된다. 프로토콜의 화려함보다 도구의 단순함과 확장성이 훨씬 중요하기 때문이다.

바이브 코딩을 비판하는 이들이 가장 흔히 내세우는 논리는 버그가 많다는 점이다. AI가 생성한 코드는 겉보기에는 멀쩡해도 실행해보면 예상치 못한 오류를 뱉어내는 경우가 빈번하다는 지적이다. 하지만 냉정하게 생각해보면 버그는 코딩과 늘 함께해왔다. 사람이 직접 한 땀 한 땀 코드를 짤 때도 버그는 늘 존재했다. 버그가 하나도 없는 코드는 애초에 불가능에 가깝고, 오히려 버그가 전혀 나오지 않는 개발 과정이 더 부자연스럽다.

최근 인공지능 기술의 급격한 발전으로 주니어 개발자 채용 시장이 얼어붙었다는 소식이 들려오곤 한다. 한편에서는 AI의 한계를 깨달은 기업들이 다시 주니어 채용을 늘리고 있다는 상반된 보도도 나온다. 이러한 혼란 속에서 분명한 사실은 개발자에게 요구되는 핵심 역량의 축이 이동하고 있다는 점이다.

AI 도구의 확산으로 코드 작성을 시작하는 문턱이 낮아진 것은 분명한 사실이다. 그러나 코드 작성이 쉬워졌다고 해서 엔지니어링의 본질까지 쉬워진 것은 아니다. 오히려 생산성이 높아질수록 조직의 기대치는 상승하고 엔지니어가 짊어져야 할 업무의 복잡성은 더 커지고 있다.

예전에 마크다운 문서를 활용하는 방법에 대해 책 기획과 집필 제안을 받은 적이 있었다. 당시에는 마크다운이 개발자들에게는 익숙하지만 일반인들에게는 생소했고, 쓰면 좋지만 굳이 안 써도 그만인 도구라는 인식이 강했다. 워드나 한글처럼 이미 익숙한 도구들을 두고 마크다운을 배워야 할 강력한 동기를 찾기 어려웠고, 결국 프로젝트는 진행되지 못했다.

최근 앤트로픽의 행보를 보면 말 그대로 보법이 다르다는 느낌을 받는다. 단순히 모델의 성능을 높이는 경쟁에 매몰되지 않고 사용자가 실제로 무엇을 원하고 어떤 도구가 필요한지 정확히 꿰뚫고 있다. 이번에 공개한 앤트로픽 코스(Anthropic Courses) 역시 그 연장선에 있다.

OpenClaw를 통해 여러 언어 모델을 직접 테스트해본 결과, 각 모델의 장단점이 명확하게 갈렸다. 최종적으로는 가성비와 성능의 균형이 가장 뛰어난 모델을 주력으로 선택하게 되었다.

최근 등장한 Claude Code는 개발 생산성을 혁신적으로 높여주는 도구로 주목받고 있다. 하지만 이 에이전트가 제안하는 기술 스택을 면밀히 분석해보면 매우 흥미로운 현상을 발견할 수 있다. 특정 도구와 서비스에 대한 선호도가 압도적으로 높다는 점이다. 분석 결과에 따르면 Claude Code는 shadcn/ui, Vercel, Railway 등 특정 기술 생태계의 도구들을 반복적으로 추천하는 경향을 보인다.

최근 에이전틱 엔지니어링 분야에서 CrewAI와 같은 프레임워크가 제안하는 역할 기반 설계가 직관적인 모델로 자리 잡았다. 하지만 실무적인 관점에서 보면 PM, QA, 개발자 에이전트식의 역할 분리보다 공통 작업을 재사용 가능한 컴포넌트로 분리하는 것이 훨씬 중요하다. 역할은 인간의 조직 체계를 모방한 수단일 뿐이며, 그 자체가 목적이 되어서는 안 된다.