AI 코딩 에이전트(AI coding agents)가 어디에나 있습니다. ChatGPT, Claude Code, GitHub Copilot, Cursor, Amazon Q 등이 그 예입니다. 이들은 코드를 작성하고, 디버깅하며, 리뷰를 수행합니다. 하지만 이들은 확장성(scale)이 없습니다. 버그 수정은 엔터프라이즈 시스템(enterprise system)이 아니지만, 대부분의 AI 도구는 이 둘을 동일하게 취급합니다.

두 개의 오픈 소스(open-source) 프레임워크가 이 문제를 해결하려 노력하고 있습니다: BMad Method와 AI-DLC입니다. 두 프레임워크 모두 AI 주도 개발(AI-driven development)에 구조를 부여합니다. 둘 다 인간이 통제권을 유지하며, 둘 다 무료입니다. 하지만 접근 방식은 매우 다릅니다.

상세 분석은 다음과 같습니다.

BMad Method란 무엇인가?

BMad Method (Build More Architect Dreams)는 BMad Code에서 제공하는 AI 주도 애자일 개발(agile development) 프레임워크입니다. 이는 버그 수정부터 엔터프라이즈 시스템까지 확장 가능한 에이전트 지원 소프트웨어 인도(software delivery)를 제공합니다.

핵심 아이디어: 전통적인 AI 도구는 당신을 대신해 사고합니다. BMad 에이전트는 구조화된 프로세스를 통해 당신을 안내하는 전문가 협업자(expert collaborators)로서 행동합니다.

"전통적인 AI 도구는 당신을 대신해 사고하며 평균적인 결과를 만들어냅니다. BMad 에이전트와 촉진된 워크플로우(facilitated workflows)는 AI와의 파트너십을 통해 당신의 최선의 사고를 이끌어낼 수 있도록 구조화된 프로세스를 통해 안내하는 전문가 협업자 역할을 합니다."
— BMad Method README

작동 방식

BMad는 개발을 네 가지 단계로 구성합니다:

1. 분석 (Analysis) - 비즈니스 및 기술 분석
2. 워크플로우 계획 (Planning Workflows) - 아키텍처 및 스프린트(sprint) 계획
3. 솔루셔닝 (Solutioning) - 설계 및 사양(specifications)
4. 구현 (Implementation) - 코드 생성 및 인도

각 단계는 고유한 페르소나(persona)를 가진 특화된 AI 에이전트를 사용합니다:

• Mary (비즈니스 분석가, Business Analyst) - 전략적 엄격함, 증거 기반의 결과 도출
• Paige (기술 작가, Technical Writer) - 문서화, 다이어그램, 명확성
• John (제품 관리자, Product Manager) - JTBD(Jobs-to-be-Done) 중심, 사용자 가치 우선
• Sally (UX 디자이너, UX Designer) - 공감 기반, 엣지 케이스(edge-case)의 엄격함
• Winston (시스템 아키텍트, System Architect) - 안정성을 위한 지루한 기술(Boring tech), 트레이드오프(trade-off) 분석
• Amelia (시니어 소프트웨어 엔지니어, Senior Software Engineer) - 테스트 우선(Test-first) 규율, 정밀함

npm을 통해 설치할 수 있습니다:

npx bmad-method install

그 다음, 다음에 무엇을 해야 할지에 대한 안내를 받으려면 언제든지 bmad-help를 호출하십시오.

주요 기능 (Key Features)

BMad는 또한 특화된 도메인을 위한 확장 기능(extensions)을 제공합니다: Test Architect (TEA), Game Dev Studio (BMGD), Creative Intelligence Suite (CIS).

문서: docs.bmad-method.org

AI-DLC란 무엇인가?

AI-DLC (AI-Driven Development Life Cycle, AI 주도 개발 생명 주기)는 AWS Labs에서 제공합니다. 이는 자율 소프트웨어 개발을 위해 AI 에이전트를 "검증 가능하고 스스로 수정 가능한 엔지니어링 워크플로우 (verifiable, self-correcting engineering workflows)"로 전환하기 위한 방법론입니다.

핵심 아이디어: 적응형 지능 (Adaptive intelligence). 귀하의 특정 요청에 가치를 더하는 단계만 실행합니다.

"AI-DLC는 귀하의 요구 사항에 적응하고, 품질 표준을 유지하며, 프로세스에 대한 제어권을 귀하가 유지할 수 있도록 하는 지능형 소프트웨어 개발 워크플로우입니다."
— AI-DLC README

작동 방식

AI-DLC는 3단계 적응형 워크플로우 (three-phase adaptive workflow)를 사용합니다. 각 단계의 깊이는 변경 사항의 복잡도에 따라 달라집니다. 단순한 변경 사항은 단순하게 처리되며, 복잡한 변경 사항은 포괄적으로 처리됩니다.

🔵 인셉션 단계 (Inception Phase) - 무엇을(WHAT) 그리고 왜(WHY)

• 워크스페이스 탐지 (Workspace Detection) (항상 실행)
• 역공학 (Reverse Engineering) (기존 프로젝트의 경우에만 실행)
• 요구사항 분석 (Requirements Analysis) (적응형 깊이)
• 사용자 스토리 (User Stories) (선택 사항)
• 워크플로우 계획 (Workflow Planning) (항상 실행)
• 애플리케이션 설계 (Application Design) (복잡한 프로젝트의 경우 선택 사항)
• 유닛 생성 (Units Generation) (작업을 유닛 단위로 분할)

🟢 구축 단계 (Construction Phase) - 어떻게(HOW)

각 작업 유닛에 대해:

• 기능 설계 (Functional Design) (필요한 경우)
• 비기능 요구사항 (NFR Requirements) (필요한 경우)
• 비기능 설계 (NFR Design) (필요한 경우)
• 인프라 설계 (Infrastructure Design) (필요한 경우)
• 코드 생성 (Code Generation) (항상 실행)
• 빌드 및 테스트 (Build and Test) (모든 유닛이 완료된 후 항상 실행)

🟡 운영 단계 (Operations Phase) - 플레이스홀더 (PLACEHOLDER)

현재 향후 배포 및 모니터링 워크플로우를 위한 플레이스홀더 상태입니다.

사용 패턴 (Usage Pattern)

당신은 **"Using AI-DLC, ..."**라는 문구로 프로젝트를 시작합니다. 워크플로우가 자동으로 활성화되어, (채팅이 아닌 파일 내에서) 구조화된 객관식 질문을 던지고 aidlc-docs/ 디렉토리 아래에 아티팩트 (artifacts)를 생성합니다.

aidlc-docs/
├── inception/          # WHAT (무엇을) 및 WHY (왜)
│   ├── plans/
...

당신은 실행 계획 (execution plans)을 검토하고 각 단계를 승인합니다. 예상치 못한 상황은 발생하지 않습니다.

주요 특징 (Key Features)

AI-DLC는 Kiro, Amazon Q, Cursor, Cline, Claude Code, GitHub Copilot, 그리고 OpenAI Codex와 함께 작동합니다. 이는 모델 불가지론적 (model-agnostic)입니다.

문서: GitHub + AWS DevOps 블로그 + Method Definition Paper

비교 (The Comparison)

공통점 (What They Have in Common)

• 둘 다 100% 무료이며 오픈 소스입니다.
• 둘 다 "바이브 코딩 (vibe coding)"보다 구조화된 워크플로우를 강조합니다.
• 둘 다 다양한 AI 플랫폼과 IDE를 지원합니다.
• 둘 다 인간이 통제권을 유지하는 데 집중합니다.
• 둘 다 단순한 프로젝트부터 복잡한 프로젝트까지 확장 가능합니다.

차이점 (Where They Differ)

BMad Method는 협업 (collaboration)에 관한 것입니다. 당신은 단순히 버튼을 클릭하는 것이 아닙니다. 당신은 Mary, Paige, John, Sally, Winston, Amelia와 함께 작업합니다. 각 에이전트 (agent)는 전문 지식을 제공합니다. 파티 모드 (Party mode)를 통해 그들이 함께 토론할 수 있게 합니다. 마치 하나의 팀처럼 느껴집니다.

AI-DLC는 방법론 (methodology)에 관한 것입니다. 당신은 프로세스를 따릅니다. 프로세스는 복잡성에 따라 적응합니다. 당신은 각 단계를 승인합니다. 이는 규율 있는 워크플로우 (disciplined workflow)처럼 느껴집니다.

BMad는 더 강력한 커뮤니티 존재감 (Discord, YouTube, X)을 가지고 있습니다. AI-DLC는 보안, 컴플라이언스 (compliance), 그리고 CI/CD 확장 기능을 갖춘 더 강력한 엔터프라이즈 지원 (AWS)을 제공합니다.

어떤 것을 사용해야 할까요? (Which One Should You Use?)

다음의 경우 BMad Method를 선택하세요:

• 뚜렷한 개성을 가진 협업형 AI 에이전트 (AI agents)를 원하는 경우
• 브레인스토밍 (brainstorming), 창의성, 디자인 씽킹 (design thinking)을 중시하는 경우
• 정액제 AI 구독 서비스 (Gemini Gems, ChatGPT GPTs)를 위한 웹 번들 (web bundles)을 원하는 경우
• 소비자용 앱, 게임 또는 창의적인 프로젝트를 구축하는 경우
• Discord 커뮤니티와 활발한 소셜 미디어 활동을 선호하는 경우

다음의 경우 AI-DLC를 선택하세요:

• 엔터프라이즈 (enterprise) 환경에서 작업하는 경우
• 보안, 컴플라이언스 (compliance), 또는 감사 추적 (audit trails)이 필요한 경우
• 인간의 승인 단계 (human approval gates)가 포함된 구조화된 방법론을 중시하는 경우
• 리스크 기반 워크플로 (risk-based workflow)를 원하는 경우 (단순한 변경은 단순하게 유지)
• AWS, Amazon Q를 사용하거나 CI/CD 통합이 필요한 경우

이들이 해결하는 실제 문제 (The Real Problem They Solve)

두 프레임워크 모두 동일한 문제를 해결합니다: AI 코딩 에이전트 (AI coding agents)는 확장성 (scale)이 없습니다.

버그 수정과 엔터프라이즈 시스템은 서로 다른 프로세스를 요구합니다. 대부분의 AI 도구는 이 둘을 동일하게 취급합니다. BMad와 AI-DLC는 복잡성 (complexity)이 중요하다는 점을 인식하고 있습니다.

BMad는 언제 깊게 파고들어야 하는지 아는 전문가 에이전트들을 데려오라고 말합니다. AI-DLC는 가치를 더하는 단계만 실행하라고 말합니다.

두 방식 모두 사용자가 통제권을 유지하게 해줍니다. 두 방식 모두 혼돈에 구조를 부여합니다.

AI 지원 개발 (AI-assisted development)의 미래는 "AI가 모든 것을 한다"가 아닙니다. "AI가 당신을 올바른 프로세스로 안내한다"입니다.

BMad와 AI-DLC는 그곳에 도달하는 두 가지 방법입니다.

출처 (Sources)

• BMad Method: bmad-code-org/bmad-method
• AI-DLC Workflows: awslabs/aidlc-workflows
• BMad Documentation: docs.bmad-method.org
• BMad Website: bmadcode.com