본 글은 OpenAI의 AI 코딩 에이전트인 Codex를 CLI 환경에서 설정하고 사용하는 방법을 안내합니다. 사용자는 `npm install -g @openai/codex` 명령어로 설치한 후, 로그인 절차와 기본적인 명령어 실행 및 조작법을 익힐 수 있습니다. 또한, `.codex/config.toml` 파일을 통해 모델 선택, 추론 강도, 승인 정책 등 다양한 고급 설정을 커스터마이징할 수 있으며, 보안을 위해 옵트아웃 설정까지 완료하는 것이 중요합니다.

바이브 코딩(Vibe Coding)으로 실서비스를 만들며 깨달은 AI 도구 활용의 현실

본 기사는 AI 도구가 난립하는 현장에서, 단순히 여러 도구를 사용한다고 나열하는 것보다 각 도구의 특성과 공정별 최적 활용법을 제시하는 것이 중요함을 강조합니다. Claude(컨설턴트), Codex(CTO), Cursor(장인)와 같이 상호 보완적인 AI 도구들을 기획-요건 정의, 설계-구현 등 특정 공정에 맞춰 조합하여 사용하는 구체적인 방법론을 공유합니다. 핵심은 '어떤 도구가 최강인가'를 결정하는 것이 아니라, 각 공정의 관점(면→정합성→점)에 따라 가장 적절한 도구를 선택하고 그 이유를 설명할 수 있는 능력이 엔지니어의 핵심 가치라는 점을 역설합니다.

SES 엔지니어가 Claude Code로 데이터 분석 기술을 습득하여 단가를 높인 이야기【2026년판】

SES 엔지니어가 현업에서 겪는 기술 정체와 낮은 단가 문제를 해결하기 위해 AI 개발 도구인 Claude Code를 도입했습니다. 이 에이전트는 터미널 기반으로 작동하며, 사용자가 데이터 분석 요청만 하면 Python 스크립트 생성부터 실행, 시각화(Visualization), 그리고 최종 Markdown 리포트 자동 생성까지 전 과정을 지원합니다. 이를 통해 엔지니어는 전문성을 확보하고 시장 단가를 높이는 데 성공했습니다.

AI 디렉터에 의한 SaaS 해킹 — 샘플을 만들어 전문가에게 전달하는 새로운 개발 플로우

본 기사는 일반적인 SaaS(Software as a Service) 솔루션이 기업의 고유한 업무 로직이나 사양 적합성 문제에 직면했을 때 발생하는 한계점을 지적합니다. 필자는 AI를 외부 코딩 리소스로 활용하여, 기존의 복잡하고 비효율적인 개발 공정('업무 측 → 엔지니어 발주 → 구현 → 검수')을 생략하고 직접 맞춤형 시스템을 구축하는 'AI 디렉터' 역할을 수행했습니다. 이 과정에서 위치 정보 판정의 정밀도 문제와 벤더 종속성(Vendor Lock-in) 문제를 해결하기 위해, 단순한 지리적 추정 대신 사내 고정 IP 주소와의 대조라는 결정론적인 로직을 도입하여 정확하고 독립적인 근태 관리 시스템을 성공적으로 구현했습니다.

Claude Code 5월 업데이트 총괄 — skills 검색 / async hooks / HTTP hooks를 개인 개발 파이프라인에 통합하기

2026년 5월 Claude Code에 도입된 세 가지 주요 업데이트(skills 검색창, async hooks 지원, HTTP hooks)는 개별 기능이라기보다 개발 자동화 파이프라인의 스케일링 문제를 해결하는 구조적 개선입니다. 특히 `async: true` 플래그를 통해 백그라운드 처리가 가능해져 CI/CD 워크플로우에 활용할 수 있게 되었으며, HTTP hook을 통해 외부 웹 서버와 직접 통신하여 사내 시스템 연동이 용이해졌습니다.

Devin for Terminal은 Cognition에서 출시한 로컬 CLI 기반 코딩 에이전트로, 터미널 환경에 최적화된 강력한 기능을 제공합니다. 이 도구는 Rust로 작성된 커스텀 렌더링 라이브러리를 사용하며, `curl` 한 줄 설치와 `devin` 실행이라는 간편함으로 접근성이 높습니다. 특히 Claude Code의 스킬 정의 방식과 유사하게 커스텀 스킬 및 서브 에이전트 정의가 가능하여 기존 사용자들의 전환 비용을 최소화하도록 설계되었습니다.

【비교 검증】 AI 에이전트의 Skills 기능은 어디까지 실용적인가? Manus / Claude Code / ZenAI를 업무 동선으로

AI 에이전트에서 'Skills'는 단순한 프롬프트 템플릿을 넘어, AI에게 재사용 가능한 작업 절차를 부여하는 핵심 메커니즘입니다. 본 기사는 Manus Skills, Claude Code Skills, ZenAI의 세 가지 접근 방식을 비교하며, 각 설계가 어떤 유형의 업무 동선에 가장 적합한지 분석합니다. 결론적으로 코딩 중심은 Claude Code, 클라우드 기반 조사/워크플로우는 Manus, 비엔지니어 포함 일상 자동화에는 ZenAI가 각각 강점을 가집니다.

AI의 허니문 기간은 끝났다: Linear CEO가 말하는 아무도 말하지 않는 「불편한 진실」

Linear CEO인 Karri Saarinen은 AI 기술에 대해 '신중한 낙관주의'를 주장하며, 현재 시장의 극단적인 논의(맹신 또는 공포)보다는 현실적인 중간 지대에 집중해야 한다고 강조합니다. 그는 AI 시대에도 계획 수립 능력과 전문성 기반의 방향성 설정 능력이 여전히 중요하며, AI는 주로 보조적이고 사소한 태스크를 처리하는 데 유용하지만, 시스템 전체를 이해하고 트레이드오프를 결정하는 핵심적인 판단은 인간의 영역으로 남아있음을 지적합니다.

beads란 ― AI 코딩 에이전트에게 「의존 관계를 이해한 영속 메모리」를 부여하는 분산 그래프형 이슈 트래커

beads는 AI 코딩 에이전트가 세션을 넘나들며 작업의 맥락과 의존 관계를 유지할 수 있도록 돕는 분산 그래프형 이슈 트래커입니다. 버전 관리 기능이 있는 SQL 데이터베이스인 Dolt를 스토리지로 활용하여, 마크다운 TODO 리스트의 한계를 극복하고 병렬 에이전트 운용 시의 충돌을 방지하는 영속 메모리 역할을 수행합니다.

code-workspace를 통해 프론트엔드와 백엔드를 동시에 AI에게 읽히며 개발 경험을 향상시킨 사례

본 글은 VS Code의 `.code-workspace` 기능을 활용하여 프론트엔드와 백엔드를 하나의 워크스페이스에 통합하는 방법을 소개합니다. 이 방식을 사용하면 AI 에이전트가 두 개의 분리된 리포지토리 코드를 동시에 참조할 수 있게 되어, 개발자가 전체 시스템 흐름(DB -> API -> UI)을 추적하고 명명 규칙의 불일치 등을 발견하는 데 큰 도움을 줍니다. 이를 통해 프론트엔드와 백엔드 간의 의존성 파악, 데이터 타입 일치 여부 검증, 버그 원인 분석 시간이 단축되어 개발 경험(DX)이 크게 향상됩니다.

Claude Code vs Cursor Agent vs Codex CLI: 동일한 리팩터링 태스크를 3개의 AI 에이전트에게 시켜보고 정량

본 기사는 2025년 AI 코딩 에이전트 시장에서 Claude Code, Cursor Agent, Codex CLI 세 가지 도구를 동일한 리팩터링 태스크에 적용하여 속도, 정밀도, 비용 등을 정량적으로 비교 분석했습니다. 테스트는 Express.js 기반의 레거시 JavaScript 프로젝트를 TypeScript로 마이그레이션하는 것이었으며, 각 툴은 자율적인 파일 읽기/쓰기 및 명령어 실행 능력을 보여주었습니다. 분석 결과, 대규모 리팩터링과 설계 판단이 필요한 작업에는 Claude Code가 가장 우수했으며, 기존 IDE 워크플로우에 통합되는 경험을 중시한다면 Cursor Agent가 강점을 보였습니다. 반면, 단일 기능의 자동 수정이나 CI 연동 같은 배치 처리에는 Codex CLI가 적합한 것으로 나타났습니다.

만화의 콘티(칸 나누기)를 텍스트로 기술하고 싶어서 전용 경량 에디터를 만들어 보았다

본 글은 만화 콘티(칸 나누기/플롯 구성) 구성을 무거운 이미지 편집 소프트웨어 대신, 일반적인 텍스트 에디터 환경에서 간편하게 기술할 수 있는 전용 경량 에디터를 개발한 과정을 소개합니다. 이 에디터는 인덴트(Indent) 형식을 사용하여 칸의 중첩 구조를 표현하며, Python과 tkinter를 활용하여 실시간 프리뷰 및 비율 지정 기능을 구현했습니다. 필자는 나아가 이러한 텍스트화된 연출 정보를 AI에 학습시켜 새로운 결과물을 생성하는 가능성에 대해 탐구하고 있습니다.

UCP란 무엇인가: AI가 대신 쇼핑하는 시대의 공통 언어와 해외 4개사의 구현

Universal Commerce Protocol (UCP)은 AI 에이전트가 상품을 검색하고 선택하여 구매하는 과정을 위한 오픈 표준 프로토콜입니다. 이 프로토콜은 Google, Shopify 등 주요 기업들이 공동 개발했으며, 소매업자가 고객 관계를 유지할 수 있는 분산형 아키텍처를 채택했습니다. UCP는 Discovery(정보 발견), Checkout(구매), Orders(주문 관리)의 3단계 페이즈로 구성되어 있으며, 에이전트가 웹사이트에서 필요한 모든 정보를 파악하고 결제 및 주문 라이프사이클을 처리할 수 있도록 합니다.