이길 수 없다면 합류하라

에이전틱 코딩은 이제 거부할 수 없는 흐름이다. Cursor, Claude Code, OpenClaw 같은 도구가 빠르게 퍼지면서 에이전트에게 작업을 맡기고 결과를 검토하는 방식이 기본이 되었다. 자동차와 경주하려면 자전거라도 타야 하듯, 에이전틱 코딩이라는 흐름을 이길 수 없다면 올라타야 한다.

기준일: 2026-09-30. 이 자료집의 도구·모델 관련 서술은 이 날짜를 기준으로 한다.

비싼 모델과 요금제의 한계

무턱대고 가장 유명한 모델, 가장 비싼 요금제를 고르는 것은 낭비이자 과잉이다.
무엇을 얼마나 맡길지 정하기 전에 요금제부터 올리는 순서는 바뀌어야 한다. 모델 선택과 사용량 분배는 작업 성격을 보고 정한다.

프롬프트 엔지니어링의 변화

예전처럼 프롬프트 엔지니어링을 촘촘하게 다듬는 일은 의미가 줄었다.
모델 자체가 이미 그런 방식을 내장하고 있고, 과하게 세밀한 지시는 오히려 결과를 방해한다.
그래서 지금 중요한 것은 무엇을 맡길지 정하고, 작업에 필요한 환경을 만들어 주는 일이다. 그 환경, 즉 하네스를 다루는 것이 이 자료집의 목적이다.

LLM을 지성으로 보지 않기

먼저 전제를 하나 둔다. 이 자료집은 LLM을 사람과 같은 지성으로 설명하지 않는다.

LLM은 딥러닝 신경망과 트랜스포머 계열 구조를 바탕으로, 주어진 컨텍스트에서 다음 토큰을 확률적으로 생성하는 모델이다.
트랜스포머 원 논문은 encoder-decoder 구조였지만, 오늘날 주요 생성형 모델은 decoder-only 구조가 주류다.
복잡한 추론, 코딩, 계획, 도구 사용을 수행한다고 해서 이를 지성, 의식, 의도, 이해, 욕구 같은 개념으로 설명하지 않는다.
“AI가 생각한다”, “AI가 이해한다” 같은 표현은 편의를 위한 것이고, 기술적인 설명에서는 학습된 파라미터와 현재 컨텍스트에 따라 다음 출력이나 행동을 계산하는 시스템으로 본다.
LLM이 정말 이해하는지, 지능이 있는지는 이 자료집의 범위 밖이다. 철학적 논쟁보다 다음이 중요하다.
- 어떻게 작업시키는가
- 어떤 컨텍스트를 제공하는가
- 어떤 도구를 주는가
- 어떻게 결과를 검증하는가
- 작업 결과를 다음 작업에 어떻게 남기는가

Agent의 구성 요소

Coding Agent를 별개의 지능체로 설명하지 않는다. LLM에 컨텍스트, 프롬프트와 룰, 도구, 파일시스템, 셸, 스킬, 권한, 메모리와 세션, 검증이 붙은 시스템으로 본다.
모델과 에이전트는 다르다. 같은 모델이어도 어떤 런타임과 하네스를 붙이는지에 따라 실제 결과가 상당히 달라진다.

일반적인 방법론

요구사항 정의: 원하는 것이 무엇인지 구체화한다.
하네스 엔지니어링: 구체화한 내용을 AI가 작업 중에도 계속 참고할 수 있는 형태로 정리한다. 룰, 스킬, 문서, 테스트가 여기에 해당한다.
작업 분할과 검토: 사람의 집중 시간인 25~50분 정도로 나눠 맡기고, 결과가 나올 때마다 사람이 검토하고 리뷰한다. 타입 오류처럼 테스트로 잡을 수 있는 것은 단위·슬라이스·통합 테스트로 자동화한다.

이 세 단계는 한 번 하고 끝나는 절차가 아니라, 결과를 반영해 다시 정리하는 루프로 돌아간다.

이 자료집이 다루는 범위

최신 모델 자체보다 그 주변을 중심으로 정리한다.

이 자료집의 바탕

여기 담긴 내용은 여러 시행착오와 선제적 도입의 결과다.
그래서 모델과 도구의 최신 정보를 나열하기보다, 지금도 유효한 판단 기준과 작업 방식을 남기는 데 목적이 있다.
모델과 런타임은 계속 바뀐다. 각 장의 기준일과 출처를 함께 확인한다.
자동차의 속도를 따라잡으려면 완벽한 준비를 기다리기보다 지금 탈 수 있는 자전거에 먼저 올라타야 한다.

이길 수 없다면 합류하라 ​

비싼 모델과 요금제의 한계 ​

프롬프트 엔지니어링의 변화 ​

LLM을 지성으로 보지 않기 ​

Agent의 구성 요소 ​

일반적인 방법론 ​

이 자료집이 다루는 범위 ​

이 자료집의 바탕 ​