쵸코쿠키의 연습장

Claude Code를 예전에 npm으로 설치했거나 /project: 형태의 커맨드를 써봤다면, 지금 그대로 따라 하면 몇 군데서 막힌다. 2026년 9월 기준으로 설치 방식과 커맨드 문법이 둘 다 바뀌었다.이 글은 그 변화를 직접 겪으면서 확인한 내용만 정리했다. npm에서 네이티브로 옮긴 경험, /project: 문법이 안 먹혀서 한참 헤맨 일, 커맨드를 스킬로 옮기며 깨졌던 부분, MCP 서버를 실제로 붙여본 판단까지 순서대로 쓴다. 목차설치, npm이 아니라 네이티브로설치 후 명령어가 안 먹힐 때/project: 그대로 따라 하면 왜 실패하나커맨드와 스킬, 뭐가 다르고 뭘 써야 하나MCP 서버 연결하기 — CLI와 /mcpMCP는 손발이고 Skills는 일하는 방식이다 설치, npm이 아니라 네이..

결론부터 쓰면 이렇다. 이미 Ollama로 모델·프롬프트·tool calling까지 검증해놓은 개인 개발환경이면 Docker Model Runner(DMR)로 갈아탈 이유는 크지 않다. 반대로 애플리케이션 자체가 Docker 워크플로 안에서 돌고 있다면, 모델 실행까지 그 안에 넣었을 때 얻는 재현성이 꽤 크다.이 판단은 코드리뷰 에이전트를 로컬 RTX 4090(24GB)에서 반복 실험하면서 내린 것이다. 로컬에서 LLM을 돌려야 했던 이유PR 하나를 여러 관점으로 Fan-out해서 리뷰어 5개를 병렬로 돌리는 에이전트를 실험하던 중이었다. 클라우드 API로 이 실험을 반복하면 호출량이 그대로 비용이 되고, 모델이나 API 상태가 바뀌는 외부 변수까지 끼어든다. Harness나 Graph 구조를 바꿨을..

모델 실력 차이가 좁혀진 지금, 벤치마크 1등이 어느 도구를 쓸지 정해주지 않는다. 선택을 가르는 건 누가 더 똑똑하냐가 아니라 누가 검증하느냐다.나는 지금 Codex와 Claude Code를 경쟁 상대가 아니라 서로의 검토자로 쓴다. 평소엔 Codex로 빠르게 끝내고, 판단이 애매해지면 Claude Code로 넘기고, 중요한 변경은 한쪽이 짜고 다른 쪽이 검토한다.참고로 "코덱스"는 두 번 쓰인다. 예전 OpenAI의 코드 생성 모델과 지금 이야기하는 에이전틱 코딩 제품 Codex는 다른 물건이다. 이 글의 코덱스는 후자, Codex CLI 계열이다. 벤치마크는 다 34.7%였다 — 그래서 뭐가 달라지나벤치마크 1위만으로는 지금 쓸 도구를 고를 수 없다. 2026년 8월 기준 Senior SWE-Be..

루프 엔지니어링은 이름이 새로울 뿐 실패하는 방식은 낯설지 않다. 목표를 정해두고 AI가 결과를 만들고 평가하고 다시 시도하게 만드는 구조인데, 나는 이 네 가지 실패를 이미 다른 이름으로 겪어봤다.토큰 비용이 새는 자동화, 자기 확신만 강해지는 분석 AI, 통과 기준이 애매한 리뷰, 한 AI가 감당 못 하는 레거시 코드. 이 글은 그 네 장면을 그대로 옮긴 것이다.현직 백엔드 개발자로 AWS·GCP를 실무에서 상시 사용하고, Claude Code 등 AI 코딩 에이전트를 업무에 직접 붙여 쓴다. 루프 엔지니어링이란 무엇인가루프 엔지니어링은 목표를 정하고 AI가 결과를 만들고 평가하고 다시 시도하는 과정을 반복하도록 설계하는 방식이다.이 용어는 2026년 6월 22일 애디 오스마니(Addy Osmani..

AI 에이전트에게 비밀번호를 직접 넘기지 않고도 로그인을 대신 시킬 수 있다. 1Password가 2026년 7월 16일 내놓은 '1Password for Claude' 덕분이다. 클로드는 로그인이 필요하다는 요청만 하고, 실제 아이디·비밀번호 입력은 1Password 브라우저 확장이 대신 처리한다. 클로드는 그 값을 한 번도 전달받지 않는다. Mac에 직접 연동해봤다. 클로드는 값을 못 본다 — 1Password for Claude의 원리1Password for Claude는 클로드가 로그인 요청만 하고, 실제 값 입력은 1Password 확장이 대신 처리하는 구조다.지금까지는 비밀번호를 통째로 넘기는 방법뿐이었다 — 채팅 기록에 그 값이 남는다는 문제가 있었다. 1Password는 클로드가 권한만 ..

AI에게 다음 주가를 물으면 동전 던지기와 비슷한 답이 돌아온다. 그런데 같은 AI를 공시자료 검증에 쓰면 얘기가 달라진다.최근 접한 사례 하나가 이 차이를 정확히 짚었다. 예측자 하나 대신 추출자·분석가·반박자, 세 역할로 나눠 공시자료를 서로 교차검증하게 했더니 사람이 놓칠 각주 변화를 에이전트가 잡아냈다는 이야기다.이 구조를 보고 내가 만든 stock-debate 프로젝트를 다시 열어봤다. 반박 역할은 이미 있었다. 그런데 코드를 뜯어보니 다른 구멍이 나왔다. 예측이 아니라 검증 — AI를 공시 분석에 써야 하는 이유AI는 주가 방향을 맞히는 데는 무작위 수준이지만, 이미 나온 숫자를 검증하는 데는 훨씬 안정적으로 쓸 수 있다. FinBen 벤치마크는 왜 "무작위 수준"인가FinBen 벤치마크에..

프롬프트 끝에 "답하기 전에 필요한 확인 질문을 먼저 해달라"는 한 문장만 붙이면, AI가 애매한 부분을 추측하는 대신 먼저 물어본다. 확인 질문 프롬프트란, AI가 답변 전 빠진 정보를 스스로 묻게 만드는 한 문장짜리 지시문이다.AI가 틀린 정보를 만드는 것만 문제가 아니다 — 의도에 대해 잘못된 가정을 하고, 그 가정을 사실처럼 고정한 채 답을 쌓아올리는 게 더 흔한 실패다.궁금한 건 클로드·챗GPT·제미나이가 이 문장에 똑같이 반응하느냐다. 2026년 8월 24일 세 도구에 직접 넣어봤는데, 결과는 참고한 영상 주장과도 달랐다. 도구 3개(Claude·ChatGPT·Gemini)에 실제로 넣어보니2026년 8월 기준 직접 재현해보니, 세 도구 모두 질문을 먼저 했지만 개수와 방식이 달랐다. 클로드..

직접 npx로 딥시크 하네스를 여러 방식으로 돌려봤다. 결론부터 말하면 성능 자체는 클로드 코드나 Codex보다 낫다는 인상은 아니었다.눈에 띈 건 구조 쪽이다 — 모델을 자유롭게 갈아끼울 수 있다는 점, 그리고 비용 매력. 다만 이 매력은 비용을 스스로 통제할 수 있을 때만 유지된다고 본다. 로컬 구동을 시도했다가 결국 API로 돌아선 것도 그 판단과 무관하지 않다. 딥시크 하네스가 뭐길래 다들 얘기하나DeepSeek Harness는 모델·도구·샌드박스·UI·실행 루프까지 전부 플러그인으로 갈아끼울 수 있게 설계된 오픈소스 에이전트 프레임워크다.Node.js 기반이라 npx 한 줄로 실행할 수 있다. 핵심 철학은 "everything is a plugin" — 모델, 도구, 샌드박스, UI, 이 전부..

AI로 하루 만에 강의를 만들어 판다는 얘기, 요즘 여기저기 넘친다. 결론부터 말하면 절반만 맞다. 1인 지식창업에 AI를 활용하면 커리큘럼 설계와 랜딩페이지 제작은 확실히 빨라진다. 결제 연동과 회원 접근 제어, 국내 사업자 이슈는 얘기가 다르다. 이 글은 두바이 복싱 코치가 AI로 강의를 만들어 팔았다는 사례를 검증된 성공담이 아니라 소개된 사례로 다루고, 백엔드 개발자 시각에서 어디까지가 진짜 하루짜리 작업이고 어디부터 사람이 붙어야 하는지 확인한다. 이 사례, 무엇을 보여주고 무엇을 못 보여주는가두바이에서 활동하는 복싱 코치가 AI 에이전트로 온라인 강의를 만들어 팔았다는 이야기다. 코치 이름도 신원도 공개되지 않았고, 실명·매출 증빙 없는 3자 전언으로만 전해진다.여기서 나오는 숫자는 세 가지..

"레거시 코드에 AI 코딩 에이전트를 써도 되는가"라는 질문에는 이미 답이 나와 있다. 써도 된다. 다만 순서가 있다.계획(Plan) 없이 바로 실행시키면 영향 범위를 놓친다. 테스트 없이 실행시키면 AI가 만든 오류를 아무도 못 잡는다. 계획→실행→검증, 이 세 단계를 지키느냐가 실무에서 성패를 가른다.문제는 대부분의 레거시 코드베이스에 테스트 자체가 없다는 것이다. TDD를 하고 싶어도 시작할 지점이 안 보인다. 이 글은 바로 그 지점부터 다룬다. 테스트 없는 레거시 코드, TDD를 어떻게 시작하나테스트가 없는 레거시 코드는 처음부터 전체 커버리지를 채우려 하지 말고, 변경할 부분의 영향 범위를 잘게 쪼개 그 단위마다 테스트를 먼저 감싸는 방식으로 시작한다.TDD(테스트 주도 개발)는 원래 코드를 ..

이번 달에도 여러 AI 서비스에서 결제 알림이 한꺼번에 왔다. 결국 다 정리하고 필요한 것만 남기기로 했다. 지금 개인 프로젝트는 클로드 코드, 회사 업무는 코덱스로 나눠 쓰는 방식도 그 정리 과정에서 자리 잡았다.토큰 단가는 계속 내려간다는 기사를 자주 본다. 그런데 정작 내 청구서나 사용량 한도는 왜 자꾸 빠듯해질까. 답은 가격이 아니라 사용량과 범위에 있다. 모델이 싸질수록 사람들은 더 많이, 더 길게 쓰게 된다. 토큰 단가는 내렸는데 왜 내 AI 비용은 늘었나토큰 단가가 내려도 청구서가 느는 이유는 가격이 아니라 요청 횟수와 컨텍스트 길이가 훨씬 빠르게 늘기 때문이다.모델 하나를 호출하는 단가는 확실히 싸졌다. 하지만 같은 작업에 드는 요청 횟수와 컨텍스트 윈도우 크기는 그보다 훨씬 빠르게 커..

지난 90일 동안 만든 검증 가능한 결과를 말할 수 없다면 다음 결제의 근거도 약하다. 나도 여러 AI 서비스를 동시에 결제하다 비용이 커져 결국 선택과 집중을 했다. 다만 실제 90일 결제 총액을 따로 집계해 둔 것은 아니다. 이 글의 감사표는 내 결제 내역 공개가 아니라, 다음 갱신 전에 직접 채우는 템플릿이다. AI 구독을 왜 90일 단위로 감사해야 하나AI 툴 ROI 감사는 최근 90일의 비용·검증된 결과·대체 가능성·위험과 전환 비용을 한 장에 적어 다음 결제 여부를 정하는 일이다.이 글에서는 검증된 결과 가치에서 총소유비용(TCO)을 뺀 순가치로 갱신 여부를 먼저 판단한다. ROI 비율이 필요하면 (결과 가치−TCO)÷TCO×100으로 계산한다. 사용 횟수가 아니라 매출, 완료 문서, 해결..

둘 중 하나가 모든 작업에서 이기는 것은 아니다. Claude Fable 5와 GPT-5.6 Sol은 공개 점수보다 실패 비용, 검증 가능성, 작업 완료 비용으로 나눠 쓰는 편이 실용적이다. 나는 두 모델을 같은 저장소와 조건으로 비교한 로그는 아직 없다. 이 글도 실사용 A/B 후기가 아니라, 현직 백엔드 개발자로 두 도구를 쓰며 정리한 선택 기준이다. 2026년 8월 19일 기준, 두 모델에서 지금 확인되는 차이는 무엇인가2026년 8월 19일 기준 공개 지표는 Fable 5와 GPT-5.6 Sol의 강점 후보를 보여줄 뿐, 측정 조건이 달라 종합 승자를 확정하지 못한다. 비교 전에 바로잡을 두 가지OpenAI 모델의 정식 명칭은 GPT-5.6 Sol이다. Soul이 아니다. 또 같은 벤치마크라도..

앱 세 개를 만드는 데 Kimi K3로 약 11달러를 썼다. 완성도는 Claude Fable 5와 대등했지만 평균 속도는 약 2배 느렸다. K3는 Claude나 Codex를 통째로 바꿀 모델이라기보다, 지연을 감수할 수 있는 비용 민감 작업에 먼저 넣어볼 모델에 가깝다.이 판단은 당시 스크립트 기록에 근거한다. 원시 시간·토큰 로그와 실행 화면은 남아 있지 않아 재현 가능한 벤치마크가 아닌 비교 후기로 봐야 한다. Kimi K3 가격과 사용 경로, 지금 확인되는 것은 무엇인가Kimi K3는 2026년 8월 19일 기준 2.8조 파라미터와 100만 토큰 컨텍스트를 내세운 Moonshot AI의 모델이다. API 단가는 입력 100만 토큰당 3달러, 출력은 15달러다. 2026년 8월 19일 확인 스냅샷공..

Claude Opus 5가 실제 프로덕션 데이터베이스를 지운 사고가 있었다. 테이블 22개가 통째로 사라졌고 백업은 없었다. 이 글은 사고 경위 자체보다, 지금 내 프로젝트 설정이 같은 사고를 낼 수 있는지 점검하는 데 초점을 둔다. 아래 수치와 정책은 2026년 8월 18일 확인 기준이며, 이 분야는 몇 주 만에 뒤집히기도 한다 — 그 사례도 이 글 안에 있다. Claude Opus 5가 프로덕션 DB를 지운 사고, 정확히 뭐가 문제였나이 사고는 Prisma 마이그레이션 옵션(--shadow-database-url)이 실제 운영 DB를 가리키면서 벌어졌다.한 개발자가 Claude Code에 Prisma 스키마 마이그레이션 작업을 맡겼다. prisma migrate diff가 비교 대상으로 쓰는 sha..

오픈AI가 서울 오피스에서 채용 중인 포지션 이름부터 낯설다. 포워드 디플로이드 엔지니어, 줄여서 FDE. 국내에는 아직 이 이름을 정식으로 붙인 직군이 드물어서 "그거 미국 얘기 아니냐"는 의심부터 든다.직접 원티드와 오픈AI 채용페이지를 뒤져봤다. 결론부터 말하면 국내에도 실제로 있는 직무다. 다만 독립적으로 존재하는 타이틀은 아니다. 이 글은 그 이유를 실제 채용공고와 내 스킬셋을 근거로 풀어본다. FDE, 정확히 무슨 일을 하는 사람인가 — 실제 사례로 보기FDE(포워드 디플로이드 엔지니어)는 AI 모델과 소프트웨어를 고객 현장에 직접 나가 요구에 맞게 구축·배포까지 책임지는 엔지니어로, 팔란티어에서 시작해 지금은 오픈AI·앤스로픽 등이 서울을 포함해 채용 중이다.팔란티어가 정부·기업 현장에 엔..

MCP로 업무 자동화를 시작했다. 지금은 PR 작성, 지라 티켓, 위키 문서 작업 대부분을 Skills로 처리하고, MCP는 정말 필요할 때만 곁들인다.두 개가 경쟁 관계인 줄 알았는데 실제로 써보니 아니었다. MCP는 도구를 연결하는 통로고, Skills는 반복되는 업무 절차 자체를 담아두는 지침이다. 이 글은 그 차이를 개념으로만 정리한 게 아니라, 실제로 어디서 갈렸는지를 기준으로 썼다. MCP 이미 쓰는데 Skills를 왜 또 배워야 하나MCP를 이미 쓰고 있어도, 정확성이 필요한 반복 업무에는 MCP만으로 부족해 Skills가 따로 필요하다.PR 작성, 지라 티켓 작성, 위키 문서 작성. 이 세 가지가 내가 매일 반복하는 일이었다. MCP로 지라나 컨플루언스 같은 도구에 연결은 됐다. 문제는 ..

직원 한 명 없이 뉴스레터가 돌아간다고요?몇 달 전부터 이런 식의 유튜브 영상과 스레드 게시물이 부쩍 늘었습니다. 콘텐츠 기획, 초안 작성, 이미지 제작, 발행, SNS 홍보까지 AI 에이전트 여러 개가 팀처럼 움직이고, 사람은 승인 버튼만 누른다는 이야기죠.해외의 한 크리에이터가 유튜브에서 공유한 사례가 특히 화제가 됐습니다. 구독자 27,000명 규모의 뉴스레터를 월 19달러(약 2.6만 원)짜리 노코드 플랫폼으로 운영하는데, 예전에 외주 대행사에 맡겼을 때 월 1,500달러(약 207만 원)였던 걸 감안하면 비용이 거의 80분의 1로 줄었다는 내용이었습니다. 구축에 걸린 시간은 1시간 30분이라고 했고요.숫자만 보면 혹하는 게 당연합니다. 다만 미리 짚고 갈 게 있는데, 이 수치들은 1차 출처가 있..

어느 날 밤이었어요. 클로드 코드로 리팩터링 작업을 하고 있었는데, 거의 다 끝나간다 싶은 순간에 사용량 한도 경고가 떴습니다.혹시 이런 경험, 있으신가요? 당황스러웠던 건 전날이었어요. 전날도 비슷하게 오래 붙잡고 있었는데 멀쩡했거든요. 그런데 그날따라 유독 빨리 걸렸습니다. 체감상 평소라면 그 정도 리팩터링으로는 한도가 절반도 안 줄었을 텐데, 그날은 한 시간도 안 돼서 절반 넘게 사라진 느낌이었어요.왜 유독 출력이 많은 작업에서 한도가 먼저 오는지는 따로 정리해둔 글이 있습니다. 토큰과 컨텍스트 윈도우가 쌓이는 구조를 이해하고 나면 "왜 그날만 그랬지"라는 의문은 풀리는데, 이 글은 그 원리 설명이 아니에요.이 글은 그날 이후로 실전에서 뭘 바꿨는지를 정리한 글입니다. 원리보다 행동이 먼저 필요한 ..

클로드 코드로 며칠째 기능 하나를 붙잡고 있던 날이었다.리팩터링 범위가 좀 컸다. 파일을 여러 개 고치고, 로그를 길게 뽑아 확인하고, 에이전트가 코드를 잔뜩 출력하게 만들었다.그런데 이상했다. 한도 경고가 평소보다 훨씬 빨리 떴다. 분명 어제는 비슷한 시간 작업해도 멀쩡했는데, 오늘따라 세션이 자꾸 리셋됐다.처음엔 "오늘따라 서버가 이상한가" 싶었다. 그런데 몇 번 더 겪어보니 패턴이 보였다.출력이 많이 나오는 작업일수록 유독 빨리 한도에 부딪혔다. 운이 아니었다. 토큰이 소모되는 구조 자체의 문제였다. 토큰, 정확히 뭘 세는 걸까토큰은 단어도, 글자도 아니다. 그 중간 어딘가에 있는, AI가 텍스트를 이해하고 만들어내는 최소 단위다."안녕하세요" 같은 자연스러운 한 단어도 내부적으로는 "안녕"과 ..