출처: devroom.io - Programming with AI: You're Probably Doing It Wrong (2025.08.08)

✼✼ disclaimer ✼✼ 본 글은 AI 번역 후 직접 검수하여 작성했습니다. 효율적인 정보 전달을 위해 AI 번역을 활용하되, 부자연스러운 표현은 수정했습니다. 번역 오류가 있을 수 있으니 정확한 내용은 원문을 확인하시기 바랍니다.

2025년은 인공지능(AI)의 해다. GPT-5가 막 출시되면서 많은 개발자들이 일상 업무에서 대형 언어 모델을 어떻게 활용할지 다시 고민하게 될 것이다.

내가 하고 싶은 말은 이거다. 당신은 AI를 제대로 못 쓰고 있을 가능성이 높다. 그러므로 AI 기반 개발이 제공할 수 있는 진짜 힘을 놓치고 있다.

"잘못된 사용"의 실상

당신이 AI 코딩 보조 도구를 잘못 쓰고 있다는 신호들을 먼저 나열해보자.

LLM 챗박스를 열어놓고 코드 조각, 로그, 에러 메시지를 직접 복붙하며 컨텍스트를 제공하는 경우
생성된 코드를 다시 에디터에 붙여넣은 뒤, LLM이 예측하지 못한 오류를 고치는 경우. 더 최악은 무슨 코드인지도 이해하지 못한 채 프로덕션에 배포하는 경우
LLM이 작성한 코드가 왜 작동하지 않는지 혼란스러워하는데, 알고 보니 LLM이 당신이 쓰는 최신 버전 라이브러리를 몰랐던 경우
LLM은 실수를 안 하니까 테스트 단계를 아예 건너뛰는 경우
LLM에 전체 코드베이스나 이슈 목록을 몽땅 넣고 왜 안 되는지 의아해하는 경우. LLM이 멍청한 게 틀림없다고 생각하는 경우
AI를 그냥 똑똑한 자동완성 수준으로만 쓰는 경우

위 중 하나라도 해당된다면 계속 읽어보라. 당신만 그런 게 아니다. 우리는 훨씬 나아질 수 있다.

AI 초기에는 Midjourney로 이미지를 만들려면 디스코드에 로그인해야 했다. 훌륭했지만 결과물은 천차만별이었다. 우리는 곧 깨달았다. 프롬프트가 정말 중요하다는 것을. AI가 무엇을 할지, 무엇을 하지 말아야 할지 정확히 알려줘야 한다는 것을.

그러다 우리를 더 잘 이해하는 LLM이 나왔다. 암묵적인 맥락도 더 잘 파악하게 됐다. 하지만 여전히 적절한 맥락 없이는 LLM이 당신의 의도를 오해하고 맥락을 멋대로 꾸며낼 수 있다.

AI로 코딩할 때도 맥락은 여전히 중요하다. 다만 문제는 맥락을 너무 많이 주는 실수를 하기 쉽다는 거다. 2만 줄짜리 C++ 코드를 LLM에 통째로 던져놓고 한 방에 Rust로 바꿔달라고 할 순 없는 노릇이다.

AI 개발이 제대로 작동하려면 AI 어시스턴트에게 두 가지를 제공해야 한다. 적절한 맥락과 특정 상황에서 어떻게 행동할지에 대한 구체적인 지시사항(프롬프트).

에이전트(Agent)

에이전트는 LLM을 위한 매우 구체적인 프롬프트이며, 주어진 맥락에서 어떻게 행동할지 알려준다.

새 앱을 개발한다고 하자. 프론트엔드 디자인에 관한 질문이 나오면 정확히 어떻게 행동할지 아는 에이전트를 만들 수 있다. 이 에이전트의 프롬프트는 어떤 도구를 쓸지, UI 디자인을 어떻게 생각할지, 좋은 결과를 얻기 위해 어떤 단계를 밟을지 정확히 명시한다.

또 다른 에이전트는 아키텍트 역할을 맡을 수 있다. 프론트엔드 디자인에 대한 구체적인 지식은 없지만, 소프트웨어 아키텍처 관련 질문은 어떻게 다룰지 안다.

이제 감이 올 것이다. 전문 분야별로 특화된 에이전트들을 여럿 갖춰야 한다는 얘기다. 대부분의 LLM은 에이전트를 기본 지원하며, 당신이 할 일은 지시사항이 담긴 텍스트 파일을 제공하는 것뿐이다. 지시사항에는 에이전트 설명까지 포함되어 있어서, LLM이 어떤 질문을 이 에이전트한테 넘겨야 하는지 파악할 수 있다.

실제 백엔드 아키텍트 에이전트에서 발췌한 일부:

---
name: backend-architect
description: API 설계, 서버 사이드 로직 구축, 데이터베이스 구현, 
확장 가능한 백엔드 시스템 아키텍팅 시 이 에이전트를 사용하세요.
---
당신은 확장 가능하고 안전하며 유지보수가 쉬운 서버 사이드 시스템 설계에 
깊은 전문성을 가진 마스터 백엔드 아키텍트입니다. 마이크로서비스, 
모놀리스, 서버리스 아키텍처 등 모든 영역에 걸친 경험을 보유하고 있습니다.

전체 에이전트 설명은 여기서 확인할 수 있다.

모델 컨텍스트 프로토콜(MCP)

MCP는 AI 모델을 위한 USB 커넥터다. LLM에게 두 가지를 제공할 수 있다.

매우 구체적인 맥락 제공
매우 구체적인 작업 수행

내가 자주 쓰는 MCP 몇 가지 예시를 통해 이게 왜 도움이 되는지 보여주겠다.

첫 번째는 아주 기본적인 MCP인 postgres-mcp다. 프로젝트 단위로 사용하며 LLM에게 개발 데이터베이스 접근 권한을 부여한다. 왜냐고? LLM이 필요할 때 직접 특정 데이터베이스 정보를 가져올 수 있기 때문이다. 블로그를 개발한다고 해보자. LLM은 실제 개발자처럼 데이터베이스 스키마를 직접 살펴보고 comments 테이블이 이미 있는지 확인할 수 있다. 권한을 주면 필요에 따라 생성하거나 변경도 할 수 있다. LLM이 자신이 만든 기능을 테스트하려고 데이터베이스에 데이터를 직접 넣어볼 때 유용하다.

또 다른 강력한 MCP는 sequential-thinking이다. 복잡한 문제를 관리 가능한 단계로 쪼개는 데 도움을 준다. '이 문제를 어떻게 해결할까'부터 '프로젝트 다음 단계의 로드맵'까지 범위가 넓다.

원격 서비스용 MCP도 있는데, 가장 인기 있는 건 github-mcp-server다. 적절한 권한을 주면 LLM이 GitHub 프로젝트 전체에 접근할 수 있다. 코드뿐 아니라 issues, pull requests, GitHub Actions, releases까지 전부.

이러한 MCP들과 적절한 에이전트만 있으면 LLM에게 아래와 같은 것들을 요청할 수 있다.

이슈 #1337을 확인하고 가능한 해결책을 코멘트로 달아줘
이슈 #42를 구현하고 PR을 만들어줘
다음 릴리스를 위해 <조건 목록>을 하는 기능이 필요해. GitHub에 마일스톤을 만들고 유저 스토리를 작성해줘
테스트를 실행하면 PostgreSQL 에러가 나. 조사해서 새 이슈를 만들어줘

그러면 LLM이 그냥 해낸다. 정말 아름답다.

주의사항

에이전트를 제대로 구성하는 건 만만치 않은 일이다. 적절한 시점에 트리거되어야 하고, 당신의 요구사항에 맞는 간결한 지시사항이 필요하다. 다행히 contains-studio/agents 같은 미리 만들어진 에이전트 정의를 쓸 수 있다.
MCP는 정말 강력하다. 그만큼 프로덕션 데이터베이스를 통째로 날릴 위험도 있다. 그러므로 MCP 서버에 어떤 권한을 줄지 신중해야 한다. Claude Code 같은 도구는 LLM이 MCP 도구 호출을 해도 되는지 매번 물어본다. 안전하긴 한데 엄청 짜증난다.
모든 에이전트 정의, 글로벌/유저 레벨 및 프로젝트 레벨 MCP를 추적하는 게 일이 될 수 있다.

그럼 소프트웨어 엔지니어는 필요 없어지는 건가?

절대 그렇지 않다. 다만 뭘 중심으로 일하느냐가 바뀐다. LLM은 아무리 강력해도 여전히 주니어 엔지니어로 봐야 한다. 실수를 할 것이다. 때때로 당신을 이해하지 못할 것이다. 존재하지 않는 API를 지어낼 것이다. rm -rf ~를 실행할 수도 있다.

하지만 이 모든 것들이 해결된다 해도, 소프트웨어 엔지니어가 할 중요한 일은 여전히 남아 있다. AI 기계가 계속 돌아가도록 관리하고, 문제 생기면 개입하는 것.

더 배우고 싶다면?

AI 활용 수준을 높이는 법을 더 배우고 싶다면? Kabisa를 확인하거나 AI 워크숍에 대해 물어보는 건 어떤가? 내가 보냈다고 전해달라! 😊

이 글은 내가 직접 손으로 썼다. 교정은 Claude Code에게 부탁했다.

> 2025년 8월 8일자 내 글을 교정해줘. 내용은 바꾸지 말고 오타와 스타일만 고쳐줘.

⏺ 2025년 8월 8일 글을 교정하겠습니다. 먼저 찾아서 읽어볼게요.
⏺ Read(content/posts/2025/2025-08-08-programming-with-ai-youre-probably-doing-it-wrong/index.md)
⏺ 이제 교정 작업을 추적할 할 일 목록을 만든 다음 필요한 수정을 하겠습니다.
⏺ Update Todos
☐ 글 전반에 걸친 오타 및 문법 문제 수정
☐ 스타일/서식 불일치 확인 및 수정
☐ 마크다운 문법 및 구조 검증
⏺ 교정이 완료됐습니다. 제가 한 수정사항입니다.
오타 및 문법:

"kick-off" → "kick off"
"logs and error" → "logs, and error" (옥스퍼드 쉼표 추가)
"on why" → "about why"
"code base" → "codebase"
"itslef" → "itself"
"managable" → "manageable"
"immensly frustratin" → "immensely frustrating"

구두점 및 스타일:

더 나은 타이포그래피를 위해 하이픈을 엠대시로 교체(—)
"Github" → "GitHub" (적절한 대문자 표기)
"postgres" → "PostgreSQL" (정식 명칭)
"global/user level and project level" → "global/user-level and project-level"
쉼표 연결로 문장 조각 수정
최종 이모티콘을 ":-)"에서 "😊"로 업데이트하고 마침표를 물음표로 변경

일관성:

글머리 기호 일관성 유지("a smart auto-complete"에서 "a" 제거)
문장 흐름 및 가독성 개선

마크다운 문법과 구조는 이미 올바르게 되어 있어서 변경사항이 없었습니다.

원본 커밋 | Claude가 업데이트한 커밋

Copyright © 2025 Ariejan de Vroom

[AI/Agent,MCP] AI와 프로그래밍: 당신은 제대로 못 쓰고 있을 가능성이 높다