AI 시대의 플랫폼 엔지니어링에 대해 생각해 보았다

AI 도입 시 기업 현장에서 발생하는 '문서 부재', '기존 업무 흐름 파괴 우려', '추적 불가능성' 등의 세 가지 벽을 제시하고, 이를 극복하기 위한 설계안을 제안합니다. 핵심은 사내 지식(Wiki)과 시스템의 의존 관계를 결합하여 AI가 이해할 수 있는 '업무의 디지털 트윈'을 구축하는 것입니다. 또한, 외부 툴 사용에 대한 통제권을 확보하기 위해 중앙 집중식 MCP(AI Tool Protocol) 관리 체계를 도입해야 합니다.

【案件을 직접 찾게 해달라고】 전직 영업직이 SES 기업의 프로젝트 배정(Assign) 플로우를 AX하고 싶어서 역동·옥쇄·횡재했던 이야기

전직 영업직 개발자가 엔지니어 주도의 '프로젝트 배정(Assign) 플로우' 확립을 목표로 AX(AI Transformation) 기획을 추진한 경험담입니다. 기존의 탑다운 방식이 가진 투명성 및 자율성 부족 문제를 지적하고, 회사의 이직률 저하라는 경영 과제에 맞춰 엔지니어의 커리어 실현 가능성을 핵심 개선 포인트로 제시했습니다. 기술적인 제약보다 '대의명분'을 확보하는 전략적 접근과 논리적 기획력이 긍정적인 조직 반응을 얻는 과정을 담고 있습니다.

【GitHub 일보】 AI 에이전트의 기억 관리가 뜨겁다, DeepSeek 전용 코딩 에이전트도 — 2026-05-16

최근 AI 에이전트 분야의 주요 트렌드는 '기억 관리'에 집중되어 있으며, 단순한 RAG를 넘어선 구조화된 기억 설계가 주목받고 있습니다. 특히 Tencent/TencentDB-Agent-Memory는 대화를 원자 사실(Atomic Fact) → 장면(Scene) → 페르소나(Persona)의 4층으로 증류하여 장기 기억을 관리하는 방식으로 높은 관심을 받고 있습니다. 또한, DeepSeek 전용 코딩 에이전트인 esengine/DeepSeek-Reasonix는 특정 모델에 특화함으로써 캐시 히트율과 비용 효율성 측면에서 명확한 경제적 이점을 제공하며 시장의 주목을 받고 있습니다.

【AI 에이전트 시대의 팀 개발 ⑤】 AI 시대의 PR은 왜 무거워지기 쉬운가

AI 기반 개발 환경에서 Pull Request(PR) 처리는 기존 방식과 달리 어려워질 수 있습니다. AI는 짧은 시간 안에 대량의 코드를 생성하여, 작업 일수와 코드 변경량 사이의 관계가 무너지기 때문입니다. 따라서 PR을 '작업 기간'이 아닌 '변경 내용의 덩어리'로 나누고, 특히 사양 변경과 리팩토링 같은 설계 관련 내용은 기능 추가와 분리하는 것이 중요합니다.

AI에게 구현을 너무 많이 맡겼던 고등학생이, 쓴맛을 보고 배운 것

본 글은 AI의 도움을 받아 OSS(Open Source Software) 개발을 진행하며 겪었던 경험을 바탕으로, AI에 대한 과도한 의존성을 재검토하는 내용을 담고 있습니다. 필자는 초기에는 설계부터 구현까지 AI에게 많은 부분을 맡겼으나, 코드 디버깅 및 성능 문제 발생 시 자신이 이해하지 못한 방대한 코드를 추적해야 하는 비효율적인 상황을 겪었습니다. 결론적으로, 기술 선정이나 설계 단계에서의 AI 활용은 유효하지만, 구현 전체를 AI에 의존하는 것은 위험하며, 모든 공정에서 스스로 검증하고 최종 판단을 내리는 주도권을 가져야 함을 강조합니다. 개발 효율성을 높이는 핵심은 단순히 코드를 빠르게 만드는 것이 아니라, 자신이 이해할 수 있는 코드의 양을 늘려 미래의 유지보수성과 문제 해결 능력을 확보하는 것입니다.

AI가 작성한 코드, 인간이 전부 리뷰할 필요는 이제 없는 것 아닐까

AI 생성 코드에 대한 인간의 전면적인 리뷰 필요성에 대한 기존의 인식이 변화하고 있습니다. 이제 중요한 것은 코드를 한 줄씩 읽는 것보다, AI가 작성한 코드를 검증할 수 있는 에이전트(Agent)와 하네스(Harness)를 설계하는 능력입니다. 궁극적으로 'AI 코드' 자체보다는 업무 분배 방식의 정교함과 시스템적 메커니즘 구축 능력이 핵심 역량으로 부상하고 있습니다.

비엔지니어가 Claude Code로 「업무에서 사용할 수 있는 변환 도구 모음」 18개를 만든 이야기

코딩 전문 지식이 없는 비엔지니어(非エンジニア)가 Claude Code를 활용하여 업무에 필요한 18가지 웹 변환 도구 모음 사이트를 구축한 경험을 공유하는 글입니다. 이 도구들은 Markdown-Slack/Discord 변환, HTML 출력, 문자열 계측, 다양한 포맷 변환 등 실무에서 자주 발생하는 반복적인 데이터 처리 및 서식 변환 작업을 자동화합니다. 이 프로젝트의 핵심은 단순히 코드를 생성하는 것을 넘어, '사용자가 원하는 사양(Specification)'을 명확하게 언어화하여 Claude Code에 전달함으로써 실제 동작하는 웹 도구로 구현해냈다는 점입니다. 또한, 모든 도구가 브라우저 내에서만 작동하도록 설계되어 보안성이 높고, 통일된 UI/UX를 갖추어 사용 편의성을 극대화했습니다.

CLAUDE.md와 Skills로 Claude Code의 기억 리셋 문제를 해결하는 5분 셋업

본 글은 Claude Code가 세션이 바뀔 때마다 기억을 리셋하는 문제를 해결하기 위한 실용적인 방법을 제시합니다. 이 문제로 인해 생산성이 저하되는 것을 막기 위해, 'CLAUDE.md', 'Skills', 그리고 'memory/' 디렉토리의 3가지 레이어를 활용하여 Claude Code에게 프로젝트에 대한 '영구 기억'을 심는 패턴을 소개합니다. 이 시스템은 CLAUDE.md로 상시 규칙과 기술 스택을 정의하고, Skills로 특정 워크플로우(예: PR 리뷰)를 분리하며, memory/ 디렉토리에 과거의 의사결정 및 배움을 축적하여 매 세션 시작 시 자동으로 참조되도록 합니다. 이 셋업을 통해 Claude Code는 단순한 도구를 넘어 프로젝트 전체를 이해하는 '영구적인 파트너'처럼 작동하게 됩니다.

음성 파일을 MIDI로 변환하는 Web 앱을 만든 이야기 〜라이브러리 선정의 시행착오〜

본 글은 음성 파일(MP3/WAV)을 MIDI 파일로 변환하는 Web 앱 개발 과정을 다루며, 특히 라이브러리 선정 과정에서 겪었던 기술적 난관과 해결책을 정리합니다. 초기에는 단음 전용인 `librosa`의 `pyin` 함수를 사용했으나, 화음을 처리할 수 있는 Basic Pitch(Spotify)로 전환하며 성능을 크게 개선했습니다. 또한, Python 버전 호환성 문제와 음원 분리(Demucs)를 통한 정밀도 향상 등 여러 기술적 고려 사항을 상세히 설명합니다.

물리학 학습이 극적으로 변한다! AI 도구 「Physics AI」의 실천적 활용법과 장점

본 기사는 물리학 학습 및 연구 효율화를 위한 특화 AI 도구인 Physics AI를 소개하며, 이 도구가 기존 범용 AI의 한계를 극복했음을 강조합니다. Physics AI는 양자역학부터 고전역학까지 폭넓은 분야에서 질문에 대해 단계별(step-by-step)로 답변을 제공하고, 단순한 답 제시를 넘어 물리적 의미와 논리적인 연결 과정을 상세히 설명해 줍니다. 이는 독학 학습자나 기초 재확인이 필요한 엔지니어에게 최고의 멘토 역할을 수행하며, 높은 정밀도와 이해하기 쉬운 구어체 스타일로 학습 몰입도를 높여줍니다.

A2CR은 AI 에이전트 간에 '대화 이력' 대신 '작업 상태(WorkBaton)'를 인계하기 위한 레이어입니다. 이는 긴 코딩 작업 중 세션 전환이나 다른 AI 클라이언트로 작업을 옮길 때, 불필요한 로그나 대화 전문 없이 핵심적인 목적, 진행 상황, 판단 등을 압축하여 다음 AI가 재개할 수 있도록 돕습니다. 사용자는 `a2cr-mcp`를 통해 이 기능을 활용하며, WorkBaton은 '다음 AI를 위한 인계 메모'로, WorkStash는 참조용 보조 메모로 분리하여 관리합니다.

「AI 주도 개발을 시작합시다!」라는 말을 들은 현장 엔지니어가 가장 먼저 직면한 현실은, AI 이야기가 아니었다

많은 기업들이 'AI 활용'이라는 구호 아래 개발 생산성 향상을 기대하고 있으나, 실제 현장에서 AI를 도입하기 전에 가장 먼저 해결해야 할 문제는 기술적 문제가 아니라 조직의 근본적인 개발 프로세스 부재 상태이다. 폴더명으로 버전 관리를 하거나, 설계서가 Excel SmartArt나 이미지 형태로 존재하며, 핵심 사양이 구두로만 존재하는 등 '문맥이 없는 파편'들이 산재해 있어 AI가 제대로 작동할 기반 자체가 마련되어 있지 않다. 따라서 성공적인 AI 도입을 위해서는 RAG 구축이나 LLM 활용 이전에 Git과 같은 구조화된 버전 관리 시스템을 확립하고, 모든 지식을 텍스트 기반의 표준 형식(예: Markdown)으로 변환하는 '정보 재고 조사'와 프로세스 정비가 선행되어야 한다.

MCP Server — AI가 외부 도구와 연결하는 방법을 표준화해야 하는 이유

본 기사는 AI 애플리케이션이 외부 시스템과 연결하는 과정에서 발생하는 복잡한 유지보수 문제를 지적하고, 이를 해결하기 위한 표준 프로토콜인 Model Context Protocol (MCP)을 소개합니다. MCP는 Anthropic이 개발한 오픈 프로토콜로, 모델(Model)과 도구(Tool) 사이에 표준화된 계층을 제공하여, 시스템의 확장성과 결합도를 획기적으로 개선합니다. 이 프로토콜은 Tools, Resources, Prompts라는 세 가지 핵심 프리미티브를 통해 AI가 외부 데이터에 접근하고 상태를 변경하는 과정을 체계화합니다.

Bob으로 비즈니스 커뮤니케이션을 원활하게 하는 AI 번역 앱을 만들어 보았다

글로벌 협업 환경에서 발생하는 외국인 직원과의 비즈니스 커뮤니케이션 어려움(단편적 번역, 형식 불안정성, 대화 이력 관리의 어려움 등)을 해결하기 위해 'BizTranslate'라는 AI 번역 앱을 개발했습니다. 이 앱은 DeepL API를 활용하여 비즈니스 뉘앙스에 맞는 정확한 번역을 제공하며, 주고받은 내용을 스레드(Thread)로 시계열 저장하고, 메시지 분석 기반의 답장 제안 및 채팅/메일 형식 변환 기능을 갖추고 있습니다. 개발 과정에서는 IBM Bob이라는 AI 에이전트 구동 개발 어시스턴트를 활용하여 모노레포 구성부터 복잡한 기능 구현(답장 제안 로직 등)까지 자연어 지시만으로 효율적으로 코드를 생성하고 구조화하는 경험을 공유했습니다.

세션을 넘나들며 문맥을 유지하기: AI Agent를 위한 「Memory Layer」 설계 지침

본 기사는 AI Agent 시스템이 세션 간 지속적인 컨텍스트 유지에 어려움을 겪는 근본적인 문제를 다루며, 단순한 RAG나 채팅 이력 결합으로는 한계가 있음을 지적합니다. 진정한 연속성을 확보하기 위해서는 메모리를 역할별로 분리하고 관리하는 'Memory Layer'를 시스템 아키텍처의 핵심 인프라로 설계해야 합니다. 궁극적으로 개발자는 기억 관리에 대한 부담을 덜기 위해 MemoryLake와 같은 추상화 레이어를 도입하여, 에이전트의 코어 로직에 집중할 수 있어야 합니다.

본 기사는 AI 개발 환경에서 사용되는 CLAUDE.md와 AGENTS.md의 차이점을 명확히 하고, 두 파일을 역할별로 분리하여 프로젝트를 설계하는 실질적인 방법을 제시합니다. CLAUDE.md는 Claude Code 고유의 설정과 습관에만 집중하고, AGENTS.md는 도구에 의존하지 않는 오픈 표준으로서 프로젝트 공통 인덱스 역할을 수행해야 합니다. 핵심은 두 파일을 모두 작성하되, 각 파일이 담당하는 역할(Scope)을 명확히 분리하여 컨텍스트 압박을 줄이고 유지보수성을 높이는 것입니다. 또한, AGENTS.md는 거대한 문서가 아닌 '목차'로 활용하고 상세 절차는 스킬 파일(Skill file)로 분할하여 에이전트의 판단 정밀도를 극대화하는 것이 중요합니다.

CLAUDE.md / AGENTS.md 에 항상 추가하는 『철판 5줄』— AI 출력 품질을 높이는 실용 템플릿

본 기사는 AI 코드 생성 도구(예: Claude Code)의 출력 품질을 획기적으로 개선하는 '철판 5줄' 실용 템플릿을 소개합니다. 이 5가지 규칙은 프로젝트의 `CLAUDE.md` 등에 명시함으로써, AI가 임의로 코드를 작성하거나 추측하여 오류를 발생시키는 것을 방지하고, 개발 과정에 필요한 합의점과 구조화된 보고를 강제하는 역할을 합니다. 이러한 'AI에게 움직여주길 바라는 철칙'을 선언하는 설계 사상은 Claude Code 외에도 Cursor나 Copilot 등 다양한 AI 도구 전반에 적용 가능하며, 개발팀의 리뷰 시간 단축 및 코드 품질 향상에 큰 효과를 가져옵니다.