코딩 에이전트를 활용해 기술 부채를 줄이고, 더 많은 선택지를 검토하며, 반복을 통해 코드 품질을 지속적으로 개선하는 방법을 다룬다.
스폰서: Postman — 여러분의 에이전트가 의존하는 모든 API를 매핑하고 모니터링합니다. 새 소식 보기
많은 개발자들은 AI 도구에 코드를 맡기면 품질이 떨어져, 의사결정자들이 결함을 알면서도 눈감아줄 만큼 빠르게 대량 생산된 나쁜 코드가 만들어질까 걱정한다.
코딩 에이전트를 도입하는 것이 여러분이 만들어내는 코드와 기능의 품질을 명백히 낮춘다면, 그 문제를 정면으로 다뤄야 한다. 즉, 어떤 프로세스의 요소가 산출물의 품질을 해치고 있는지 찾아내고 그것을 고쳐야 한다.
에이전트를 사용해 더 나쁜 코드를 배포하는 것은 _선택_이다. 우리는 대신 더 나은 코드를 배포하는 쪽을 선택할 수 있다.
나는 더 나은 코드를 배포하는 일을 기술 부채의 관점에서 생각하는 것을 좋아한다. 우리는 트레이드오프의 결과로 기술 부채를 떠안는다. “올바른 방식”으로 하려면 너무 오래 걸리기 때문에, 주어진 시간 제약 안에서 일을 하고 나중에 부채를 갚을 만큼 프로젝트가 오래 살아남길 바라며 손가락을 꼰다.
기술 부채에 대한 최선의 완화책은 애초에 부채를 떠안지 않는 것이다.
내 경험상, 기술 부채를 해결하는 일에서 흔한 범주는 개념적으로는 단순하지만 시간이 많이 드는 변경들이다.
이 모든 변경은 개념적으로는 단순하지만, 여전히 전용 시간을 투입해야 하며 더 시급한 이슈가 있는 상황에서는 정당화하기가 어렵다.
이런 리팩터링 작업은 코딩 에이전트의 이상적인 활용 사례다.
에이전트를 띄우고 바꿀 내용을 알려준 다음, 백그라운드 어딘가의 브랜치나 worktree에서 알아서 돌아가게 두면 된다.
나는 보통 이런 작업에 비동기 코딩 에이전트를 사용한다. 예를 들어 Gemini Jules, OpenAI Codex web, 또는 Claude Code on the web 같은 것들이다. 그러면 노트북에서의 흐름을 끊지 않으면서도 리팩터링 작업을 돌릴 수 있다.
Pull Request에서 결과를 평가하라. 좋으면 머지하라. 거의 다 됐으면 프롬프트를 주고 무엇을 다르게 해야 하는지 말해라. 나쁘면 버려라.
이런 코드 개선의 비용이 매우 낮아진 덕분에, 사소한 코드 냄새나 불편함에 대해 무관용의 태도를 취할 여유가 생겼다.
어떤 소프트웨어 개발 작업이든 문제에 접근하는 방법에는 수많은 선택지가 있다. 가장 큰 기술 부채 중 일부는 기획 단계에서 나쁜 선택을 내리며 생긴다. 눈에 보이는 단순한 해결책을 놓치거나, 나중에 알고 보니 정확히 맞지 않는 기술을 고르는 경우가 그렇다.
LLM은 이전에는 레이더에 잡히지 않았을 뻔한 뻔한 해법을 놓치지 않도록 도와줄 수 있다. 훈련 데이터에 흔히 있는 해법만 제안하겠지만, 그런 것들은 대개 가장 잘 동작할 가능성이 높은 Boring Technology다.
더 중요하게는, 코딩 에이전트가 탐색적 프로토타이핑을 도와줄 수 있다는 점이다.
기술 선택을 자신 있게 하려면, 프로토타입으로 목적 적합성을 증명하는 것이 가장 좋다.
동시 사용자 수천 명을 예상하는 사이트의 활동 피드에 Redis는 좋은 선택일까?
확실히 알기 위한 최선의 방법은 그 시스템의 시뮬레이션을 연결해 보고, 부하 테스트를 돌려 무엇이 깨지는지 보는 것이다.
코딩 에이전트는 잘 다듬어진 프롬프트 하나로 이런 종류의 시뮬레이션을 구축할 수 있어, 이런 실험의 비용을 거의 0에 가깝게 떨어뜨린다. 그리고 비용이 워낙 저렴하니 여러 실험을 동시에 수행해 여러 해법을 시험하고, 우리 문제에 가장 잘 맞는 것을 고를 수 있다.
에이전트는 지시를 따른다. 우리는 이전에 배운 것을 바탕으로, 이후 실행에서 더 나은 결과를 얻도록 이 지시를 시간이 지나며 발전시킬 수 있다.
Every의 Dan Shipper와 Kieran Klaassen은 코딩 에이전트와 함께 일하는 자사 접근법을 Compound Engineering이라고 설명한다. 그들이 완료하는 모든 코딩 프로젝트는 회고로 끝나며, 그들은 이를 compound step이라 부른다. 이 단계에서 무엇이 효과가 있었는지 정리하고, 이후 에이전트 실행을 위해 문서화한다.
에이전트로부터 최고의 결과를 얻고 싶다면, 시간에 따라 코드베이스의 품질을 지속적으로 높이는 것을 목표로 해야 한다. 작은 개선은 복리로 쌓인다. 예전에는 시간이 많이 들었던 품질 개선이 이제는 비용이 낮아져, 새 기능을 배포하는 동시에 품질에 투자하지 않을 이유가 없다. 코딩 에이전트 덕분에 우리는 마침내 둘 다 가질 수 있다.
이 글은 가이드 **에이전틱 엔지니어링 패턴**의 한 장이다.
이 가이드의 챕터
원칙 1. 이제 코드를 쓰는 일은 싸다 2. 할 줄 아는 것들을 모아라 3. 안티 패턴: 피해야 할 것들 4. AI는 더 나은 코드를 만들도록 우리를 도와야 한다
테스팅과 QA 1. 레드/그린 TDD 2. 먼저 테스트를 실행하라 3. 에이전틱 수동 테스트
주석 달린 프롬프트 1. WebAssembly와 Gifsicle을 사용한 GIF 최적화 도구
부록 1. 내가 사용하는 프롬프트
coding-agents 172ai-assisted-programming 359generative-ai 1682agentic-engineering 24ai 1898llms 1648 생성: 2026년 3월 10일
마지막 수정: 2026년 3월 10일
다음:레드/그린 TDD
