3부: 코딩 에이전트 활용 — 3단계 워크플로우와 5대 운용 기법

원작자: 앤드류 응 (Andrew Ng / DeepLearning.AI)
출처: DeepLearning.AI 뉴스레터 The Batch (Issue 369, 2026년 9월 4일)
역자: 유영준 (완역 및 큐레이션)

TL;DR

패러다임 전환: 우리의 초점은 코드 타이핑에서 벗어나 **“무엇을 만들지 결정하고, 아키텍처를 설계하며, 명세를 작성하고, 결과를 검증하는 것”**으로 완전히 이동했습니다.
표준 에이전틱 워크플로우 3단계:
1. 기획 (Planning): 브레인스토밍, 코드베이스 분석, 기술 명세서(spec) 작성 및 계획 수립
2. 실행 (Execution): 인간 감독과 자율성 균형 하에 빌드, 자동화/인간 검증기로 검증
3. 배포 및 모니터링 (Deployment & Monitoring): 게이팅 배포, 로그 감시 및 개선 루프
5대 핵심 운용 기술:
1. 워크플로우 지휘 (공수 배분 및 반복 사이클 제어)
2. 에이전트 자율성 조절 (밀착 제어 vs 대단위 비동기 위임)
3. 작업물 검토 및 검증 (행동적/기능적 검증, 유효성 테스트)
4. 환경 커스터마이징 (MCP, 스킬, 상시 컨텍스트 AGENTS.md, 부채 청소)
5. 에이전트 하네스 이해 (컨텍스트 관리, 실패 모드 간파)

[한국어 완역]

친애하는 친구들에게,

AI 엔지니어링의 핵심 역량 중 하나는 코딩 에이전트를 사용하는 것입니다. 코드를 작성하는 작업뿐만 아니라 데이터 분석이나 시스템 운영 관리 같은 비-코드 작업까지 에이전트를 능숙하게 조종할 수 있을 때 여러분은 훨씬 더 많은 일을 해낼 수 있습니다.

코딩 에이전트는 프론티어 모델과 에이전트 하네스(agent harness) 개선을 통해 다른 어떤 영역보다 빠르게 발전하고 있습니다. Claude Code, Codex, Cursor 같은 상용 도구와 오픈소스 에이전트들이 끊임없이 진화하고 있으므로 지속적인 실험과 실무 적용이 필수적입니다.

수십 명의 최고 AI 엔지니어들을 인터뷰하고 우리 팀의 활용 방식을 되돌아보며, 우리는 코딩 에이전트로 소프트웨어를 개발할 때 일관되게 나타나는 3단계 상위 워크플로우를 발견했습니다:

기획 (Planning): 브레인스토밍(기존 코드베이스 분석, 리서치, 실험) 및 요구사항·기술설계·아키텍처를 담은 명세서(spec) 작성, 실행 계획 생성 및 가정 검증.
실행 (Execution): 적절한 자율성과 인간 감독의 균형 하에 에이전트가 소프트웨어를 빌드하고, 자동화/인간 검증을 통해 산출물을 확인.
배포 및 모니터링 (Deployment and monitoring): CI/CD 파이프라인이나 게이트를 통한 배포, 로그 감시 및 이슈 감지와 개선 제안·실행.

우리의 초점은 코드 타이핑에서 벗어나 **“무엇을 만들지 결정하고, 아키텍처를 설계하며, 명세를 작성하고, 결과를 검증하는 것”**으로 완전히 이동했습니다.

이 워크플로우에서 코딩 에이전트를 효과적으로 활용하기 위한 5대 핵심 기술은 다음과 같습니다:

1. 워크플로우 지휘 (Directing the workflow)

각 단계에 인간과 에이전트의 공수를 얼마씩 배분할지, 언제 이전 단계로 돌아가 반복할지 결정합니다.

속도, 비용, 기술적 위험, 인간 노력 사이의 트레이드오프를 이해하고 사전 기획의 깊이와 작업 분해 단위를 결정합니다.

2. 에이전트 자율성 활성화 (Enabling agent autonomy)

상호작용형 감시 vs 대단위 위임 vs 목표 기반 자율 루프 중 자율성 수준을 조절합니다.

핵심 배움과 변경된 가정이 에이전트에게 온전히 전달되도록 컨텍스트를 정밀 관리합니다. 다중 에이전트 병렬 실행 시 인간의 주의력(attention)을 배분하고, 권한과 게이팅을 설정해 데이터 파괴나 유출 위험 없이 빠르게 개발되도록 통제합니다.

3. 작업물 검토 및 검증 (Reviewing the work)

에이전트의 결과물은 불확실합니다. 행동적·기능적 검증을 task에 맞게 설계하고 사용자 플로우를 검증합니다(스크린샷 증빙 포함).

테스트 자체의 유효성을 평가하고, AI 코드 리뷰와 보안/아키텍처 감사를 수행하며, 필요한 지점에 신중하게 인간 리뷰를 삽입합니다.

4. 에이전트와 환경 커스터마이징 (Customizing the agent and its environment)

스킬, 플러그인, MCP 서버를 결합하고 불필요해진 것은 정리합니다. 훅(hooks)을 이용해 자동 코드 리뷰나 CI/CD를 트리거합니다.

상시 컨텍스트(AGENTS.md, CLAUDE.md 등)를 코드베이스 정보, 아키텍처 규칙, 코드 스타일로 최신화합니다. 세션 간 상태를 보존하고 회고를 통해 에이전트 학습을 누적하며, 에이전트가 탐색하기 쉬운 코드 구조를 유지하고 에이전트가 만든 부채를 주기적으로 청소합니다.

5. 코딩 에이전트 펀더멘털 (Coding agent foundations)

에이전트의 코드 검색 방식, 컨텍스트 윈도우 관리, 도구 호출이 컨텍스트에 미치는 영향, 하네스와 LLM의 상호작용 원리를 이해합니다.

그래야 단순한 문제를 과도하게 복잡하게 설계(overengineering)하거나, 검증 누락으로 엄밀성을 잃거나, 목표 직전에 멈추거나, 파일을 파괴하는 실패 모드를 즉시 간파하고 개입할 수 있습니다.

소셜 미디어에서는 종종 수백만 개의 토큰을 태우며 몇 시간 동안 에이전트를 자율 실행하는 환상을 이야기하지만, 비용 대비 실제 유용성은 과장되어 있습니다.

가장 효과적인 에이전트 활용은 고도의 판단력을 지닌 인간이 적절히 개입하며 고속으로 반복하는 복합 루프입니다.

Keep building!
— 앤드류 응 (Andrew Ng)

큐레이터 노트

앤드류 응이 정리한 "환경 커스터마이징(AGENTS.md, 상시 컨텍스트 관리, 도구 정리)"과 "하네스 펀더멘털 이해"는 실무에서 매일 마주하는 핵심 병목입니다.

에이전트가 실패하는 이유의 90%는 모델의 지능 부족이 아니라:

불필요하게 비대해진 컨텍스트로 인한 주의력 분산,
낡은 규칙 파일이 주는 모순된 지시,
실행 결과의 실제 검증(Evals) 없이 '완료되었다'고 착각하는 맹신 때문입니다.

진짜 실력은 프롬프트를 예쁘게 쓰는 데 있지 않고, 에이전트가 실수를 저지를 수 없도록 주변 환경(Context, Tools, Harness, Verifier)을 단단하게 다지는 데 있습니다.