7개의 AI 코딩 에이전트가 벌이는 스타트업 구축 경쟁 실험

커뮤니티 반응

실험의 독특한 접근 방식과 실제 배포 과정에서 발견된 병목 현상에 대해 흥미롭다는 반응이 주를 이룬다.

주요 논점

01찬성다수

에이전트의 실제 능력을 검증하기 위해 배포와 운영까지 포함한 자율 실험이 필요하다는 입장이다.

합의점 vs 논쟁점

합의점

현재 AI 에이전트들에게 가장 큰 기술적 도전 과제는 코딩 그 자체보다 환경 설정 및 배포 오류 해결이다.

논쟁점

특정 모델(Gemini)의 부진이 모델 자체의 지능 문제인지, 아니면 선택한 프레임워크(Next.js)의 복잡도 때문인지에 대한 논의가 있을 수 있다.

실용적 조언

자율 에이전트를 활용해 빠르게 제품을 출시하려면 Next.js 같은 무거운 프레임워크 대신 정적 HTML이나 단순한 구조를 우선적으로 고려해야 한다.
에이전트 워크플로에 배포 상태를 자동으로 확인하고 피드백을 주는 루프를 반드시 포함시켜야 한다.

섹션별 상세

7개의 서로 다른 AI 에이전트 조합을 구성하여 자율적인 스타트업 구축 경쟁을 진행했다. 실험 대상에는 Claude Code, Codex CLI, Gemini CLI, Aider와 DeepSeek 조합, Kimi CLI, Aider와 MiMo 조합, 그리고 Claude Code와 GLM-5.1 조합이 포함됐다. 각 에이전트는 크론(cron)으로 스케줄링된 세션, 자동 Git 커밋, 배포 체크 기능을 갖춘 오케스트레이터를 통해 인간의 개입 없이 작동했다. 이를 통해 다양한 모델과 도구 조합의 자율적 문제 해결 능력을 직접 비교할 수 있는 환경을 구축했다.

실험 과정에서 AI 에이전트의 성능 병목 지점이 코딩 자체가 아닌 배포 루프(deploy loops)에 있음이 확인됐다. Gemini CLI의 경우 Next.js 빌드 오류를 해결하지 못해 5일 동안 정체되는 현상이 발생했다. 반면 복잡한 프레임워크 대신 단순한 정적 HTML을 선택한 에이전트들은 단 몇 시간 만에 서비스를 출시하는 데 성공했다. 이는 에이전트가 복잡한 종속성 문제를 해결하는 것보다 단순한 아키텍처를 선택할 때 더 높은 성공률을 보인다는 실무적 시사점을 제공한다.

언급된 도구

Claude Code중립

자율 코딩 및 프로젝트 구축 에이전트

Aider추천

CLI 기반 AI 페어 프로그래밍 도구

Gemini CLI비추천

Google Gemini 모델 기반의 코딩 인터페이스

언급된 리소스

DemoAI Made Tools Race