전직 Staff SWE가 공유하는 6개월간의 AI 기반 '바이브 코딩' 실전 경험기

실용적 조언

TypeScript에서 'any' 사용을 금지하고 모든 내부 에러 메시지를 AI가 이해할 수 있도록 구체적으로 작성하라.
반복되는 작업이 있다면 AI에게 해당 작업을 수행하는 '스킬 파일'이나 자동화 스크립트를 작성하게 시켜라.
병렬로 4-8개의 AI 세션을 띄워두고 작업을 전환하며 대기 시간을 최소화하라.
보안을 위해 AI에게는 읽기 전용 권한이나 제한된 범위의 자격 증명만 부여하고 Tailscale 같은 네트워크 보안 도구를 활용하라.

섹션별 상세

AI 우선 개발을 위해 강력한 타입 시스템(Strong Typing)을 구축했다. React, TypeScript, tRPC, Kysely 조합을 사용하여 데이터 타입을 전역적으로 일치시켰으며, 코드베이스 내에서 'any' 사용을 전면 금지했다. 컴파일러가 던지는 명확한 타입 오류는 AI가 스스로 코드를 수정하고 부작용을 파악하는 데 결정적인 단서가 된다. 인간이 읽기 좋은 코드보다 AI가 오류를 추적하기 쉬운 명시적 구조가 생산성 향상의 핵심이다.

AI 에이전트에게 실제 도구와 시스템 접근 권한을 부여하여 수동 개입을 최소화했다. AWS 자격 증명, 읽기 전용 데이터베이스 접근권, GitHub 기록 접근권 등을 AI에게 제공하여 직접 로그를 분석하고 데이터를 디버깅하게 했다. 문제가 발생했을 때 사람이 직접 수정하지 않고, AI가 문제를 해결할 수 있는 도구를 설계하고 권한을 주는 방식으로 워크플로를 전환했다. 이를 통해 API 통합이나 인프라 관리 같은 번거로운 작업을 AI가 독립적으로 수행하게 했다.

컨텍스트 효율화를 위해 모든 프로젝트를 모노레포(Monorepo)로 통합 관리했다. 메인 앱, 마이크로서비스, 랜딩 페이지, 가격 정책 등을 하나의 저장소에 두어 AI가 전체 시스템의 연관 관계를 즉시 파악하도록 설계했다. 사용하지 않는 코드는 즉시 제거하여 AI의 혼란을 방지하고 컨텍스트 비용을 절감했다. 인프라 역시 Terraform을 통해 코드로 관리하며 동일한 모노레포에 포함시켜 AI가 인프라 변경 사항까지 한 번에 처리하도록 유도했다.

AI 간의 상호 검증과 자동화된 리뷰 시스템으로 품질을 관리했다. Claude와 Codex가 서로의 기능을 교차 검토하는 적대적 리뷰(Adversarial Review) 단계를 도입했으며, PR 단계에서는 BugBot을 필수로 통과하게 설정했다. AI가 실수를 저지르면 이를 차단하는 자동화된 액션을 작성하게 하여 스스로 교정하는 시스템을 구축했다. 이러한 다층적 검증 체계를 통해 6개월 동안 단 한 번의 운영 장애나 데이터 사고 없이 빠른 배포 속도를 유지했다.

주요 AI 개발 도구들에 대한 실무적인 평가를 내렸다. Claude Code는 모델 성능 면에서 압도적이며 숙련될수록 최고의 효율을 보여주는 도구로 꼽혔다. Cursor는 파일 검색과 패칭 등 사용자 편의성(Harness)은 뛰어나나 전력 사용자에게는 UI가 다소 무겁고 비용 효율성이 낮다는 평가를 받았다. 작성자는 특정 도구에 종속되지 않고 상황에 따라 최적의 모델과 터미널 환경(Tmux, Tailscale 등)을 조합하여 병렬로 4-8개의 세션을 운영하는 방식을 권장했다.

용어 해설

바이브 코딩(Vibe Coding): — 엄격한 설계나 전통적인 코딩 규칙보다 AI 에이전트와의 상호작용과 직관적인 흐름에 의존하여 빠르게 결과물을 만들어내는 개발 방식이다. 개발자가 코드를 직접 작성하기보다 AI에게 의도를 전달하고 결과물을 검토하는 '에이전트 관리자' 역할을 수행하는 것이 핵심이다.
에이전트 우선주의(Agent-first): — 모든 개발 워크플로를 인간이 아닌 AI 에이전트가 수행하기 가장 좋은 방식으로 재편하는 설계 철학이다. 코드 구조, 로그 기록, 오류 메시지 등을 AI가 이해하고 스스로 수정할 수 있도록 최적화하여 인간의 개입을 최소화하는 것을 목표로 한다.
적대적 리뷰(Adversarial Review): — 하나의 AI가 작성한 결과물을 다른 AI(또는 다른 세션의 AI)가 비판적인 관점에서 검토하고 취약점을 찾아내도록 하는 기법이다. 이를 통해 단일 모델의 할루시네이션이나 논리적 오류를 교차 검증하여 코드의 안정성을 높인다.
모노레포(Monorepo): — 여러 프로젝트나 서비스의 코드를 하나의 저장소에서 관리하는 방식이다. AI 에이전트에게 전체 시스템의 맥락(Context)을 한 번에 제공할 수 있어, 여러 저장소를 오가며 발생할 수 있는 정보 파편화와 의존성 문제를 해결하는 데 유리하다.

언급된 도구

Claude Code추천

AI 코딩 에이전트 및 CLI 도구

Cursor추천

AI 통합 개발 환경(IDE)

BugBot추천

PR 단계에서의 자동 버그 탐지 및 리뷰

Wispr Flow추천

음성 기반 메시지 및 명령 전달

언급된 리소스

API DocsClaude Code Documentation