1. 서론: AI 커스텀 요소 (프롬프트 자산) 관리 문제

최근 코딩 작업에서 AI 에이전트 (본 글에서는 Antigravity 를 예로 듭니다) 를 활용하는 것은 매우 일반적인 풍경이 되었습니다.

그때, AI 에게 프로젝트 고유 규칙이나 전제 조건, 자주 사용하는 워크플로우 등을 "커스텀 명령 (규칙이나 스킬)" 으로 설정하여 생성된 코드의 정확도가 획기적으로 향상됩니다.

하지만 여기서 하나의 문제가 발생합니다. "이러한 AI 에 대한 명령 (프롬프트 자산) 을 여러 프로젝트 간에 어떻게 통합 관리 및 공유할 것인가?" 라는 문제입니다.

본 글에서는 AI 에이전트의 커스텀 요소를 Git 저장소에서 통합 관리하면서, 심볼릭 링크를 활용하여 각 로컬 워크스페이스에 "플러그인" 과 같이 배포 및 공유하는 접근법을 소개합니다.

2. 배경과 문제: 왜 글로벌 설정이 아닌 워크스페이스별 참조인가

초기에는 저의 로컬 환경에서도 AI 에이전트용 규칙이나 워크플로우 정의 파일 (예: Antigravity 에서 사용하는 .agents 디렉토리 하위 파일들) 을 여러 개 만들었습니다.

이를 Private 저장소에 통합하여 버전 관리를 할 수 있는 상태가 되었지만, "그 공통 자산을 각 프로젝트 (워크스페이스) 에 어떻게 적용할 것인가"에 고민했습니다.

AI 에이전트 측의 "글로벌 설정" 으로 로드하는 방법도 검토했지만, 다음과 같은 우려가 있었습니다.

• 글로벌 참조 디렉토리 계층이 깊고 복잡하여 규칙을 자주 미세 조정할 때 접근성이 나쁜
• 프로젝트마다 적용하고 싶은 규칙이 다르므로 글로벌로 일괄 적용하는 것보다 "필요한 워크스페이스에만 추가하고 싶다는" 요구 사항이 있었습니다

즉, 글로벌 설정에 의존하지 않고, 프로젝트 단위로 필요시 플러그인처럼 간편하게 디렉토리를 추가 및 참조할 수 있는 구조가 필요했습니다.

3. 해결책: 커스텀 디렉토리의 공유를 위한 심볼릭 링크

따라서 채택한 것은 OS 표준 기능인 "심볼릭 링크" 를 활용한 접근법입니다.

구체적으로 다음과 같은 구성을 취합니다.

• 공통 관리용 저장소: 임의의 위치 (예: Git 등의 클라우드 스토리지와 동기화하는 로컬 폴더 등) 에 AI 커스텀 요소를まとめた 저장소 (디렉토리) 를 배치합니다.
• 각 워크스페이스: 대상 프로젝트의 루트 디렉토리에 공통 관리 디렉토리에 대한 심볼릭 링크를 생성합니다.

이를 통해 프로젝트 내에는 물리적 복제를 하지 않으면서, 항상 최신 AI 커스텀 명령을 프로젝트 로컬 폴더 내에 있는 것처럼 로드할 수 있습니다.

4. 구체적인 구현 단계 (Windows 환경에서의 명령어 예)

Windows 환경에서 공통 관리 디렉토리 (예: C:\MySharedAssets\.agents ) 를 대상 프로젝트 내의 .agents 라는 이름의 심볼릭 링크로 생성하는 단계입니다.

명령 프롬프트의 경우

디렉토리의 심볼릭 링크를 생성하기 위해 /D 옵션을 사용합니다. (※명령 프롬프트는 관리자 권한으로 실행해야 할 수 있습니다)

mklink /D .agents C:\MySharedAssets\.agents

PowerShell 의 경우

PowerShell 을 사용하는 경우 New-Item 명령어를 사용합니다.

New-Item -ItemType SymbolicLink -Path .agents -Target C:\MySharedAssets\.agents

이러한 명령어를 실행하면 현재 워크스페이스 (프로젝트 루트) 에 .agents 라는 폴더 (링크) 가 생성됩니다.

5. 도입에 따른 장점과 효과

이 심볼릭 링크 방식을 도입한 결과, 다음과 같은 장점이 얻어졌습니다.

• 익스플로러나 IDE 에서의 가시성 향상
  각 워크스페이스의 익스플로러 (또는 Antigravity 등 IDE 의 트리 뷰) 에 .agents 폴더가 표시되어 내용을 직접 확인할 수 있습니다. "AI 가 현재 어떤 규칙을 로드하고 있는가"가 블랙박스가 되지 않고 투명성이 확보됩니다.

• Antigravity 에서 워크플로우 정상 동작 확인
  AI 에이전트 측도 링크의 파일을通常の 로컬 파일로 인식하므로 정의한 워크플로우나 규칙이 Antigravity 에서 문제없이 작동함을 확인했습니다.

• 다른 도구로의 확장 가능성 (기대)
  이번에는 Antigravity 에서 검증했지만, 구조는 파일 시스템에만 의존하기 때문에 GitHub Copilot 등 "특정 디렉토리 내 설정 파일을 읽는" 타입의 다른 AI 어시스턴트 도구에서도 동일하게 적용할 수 있다고 생각합니다 (※다른 도구에서의 동작은 미검증입니다).

6. 맺음말

AI 에 대한 프롬프트나 커스텀 명령은 사용에 익숙해질수록 정제되어 개인의 중요한 "자산"이 됩니다.

그 자산을 Git 으로 버전 관리하면서 심볼릭 링크를 사용하여 각 워크스페이스에 간편하게 배포하는 이 방법은 환경 구축 비용을 낮추고 개발 경험을 크게 향상시킵니다.

여러 프로젝트 를 병행 진행하거나 AI 어시스턴트 명령 관리에 고민하는 분은 반드시 한번 이 구성을 시도해 보시기 바랍니다.