코딩 에이전트의 중간 단계로 대화형 AI를 사용하시나요?
Do you use a conversational AI as an intermediary for coding agents?
핵심 요약
코딩 에이전트 사용 시 대화형 AI를 중간 단계로 활용해 지시를 구체화하고 디버깅 효율을 높이는 워크플로우에 대한 논의입니다.
- 워크플로우 효율성 — 대화형 AI가 모호한 의도를 구체적인 지시로 변환하여 에이전트의 오류를 줄임
- 디버깅 활용 — 코드 외의 외부 로그나 메모 등 파편화된 정보를 통합 분석하는 데 매우 유용함
- 사용자 경험 — 숙련된 엔지니어부터 비전공자까지 모두에게 효과적인 작업 방식으로 평가됨
- 도구 활용 전략 — 여러 AI 모델을 조합하여 계획 수립, 검토, 실행 단계를 분리하는 방식이 선호됨
코딩 에이전트를 두 가지 방식으로 써보고 있는데, 다들 이렇게 쓰는지 궁금해서 글 좀 써본다.
회사에서는 원래 Amazon Q Developer를 직접 써서 내가 일일이 지시를 내렸거든.
나중에 개인 프로젝트 할 때는 ChatGPT한테 Codex랑 어떻게 일하면 좋을지 물어봤어. 그랬더니 ChatGPT가 먼저 자기랑 작업 내용을 논의하고, 자기가 Codex를 위한 상세 지시사항을 짜주면, 그 결과를 다시 ChatGPT한테 가져와서 검토하고 추가로 논의하는 워크플로우를 제안하더라고.
그래서 이 ChatGPT → Codex → ChatGPT 루프를 돌려봤는데, 생각보다 꽤 괜찮더라고.
그래서 회사에서도 똑같이 적용해 봤지. Copilot을 대화형 레이어로 쓰고 Amazon Q Developer를 코딩 에이전트로 굴려봤는데, 여기서도 비슷한 효과를 봤어.
이 방식의 장점은 대화형 AI가 내 대충 뭉뚱그린 의도를 더 구체적인 지시사항으로 바꿔준다는 거야. 덕분에 코딩 에이전트가 엉뚱한 방향으로 삽질할 확률이 줄어드는 것 같아. 구현 끝나고 나서 검증 단계도 훨씬 꼼꼼하게 짤 수 있고.
근데 나는 이 방식이 단순히 코드 짜는 것보다 버그 잡을 때 특히 유용하더라고.
문제 해결에 필요한 단서들이 항상 코딩 에이전트가 접근할 수 있는 소스 코드 안에만 있는 건 아니잖아. 외부 로그나 내가 따로 적어둔 메모, 아니면 다른 곳에서 긁어모은 정보들에 흩어져 있는 경우도 많고.
그럴 때 대화형 AI랑 전체적인 문제를 먼저 털어놓고 논의한 다음에, 코딩 에이전트한테 코드의 특정 부분을 조사하라고 시키면 답을 찾기가 훨씬 수월해지더라.
이 워크플로우를 내가 만든 건 아니야. 코딩 에이전트 어떻게 쓰냐고 물어봤을 때 ChatGPT가 알려준 건데, 써보니까 효과가 좋아서 그냥 계속 쓰고 있는 거지.
다들 이렇게 일해? 코딩 에이전트랑 직접 대화하는 거랑 비교했을 때 어떤 장단점이 있었는지 궁금하다.
특히 나처럼 정보가 여러 군데 흩어져 있는 상황에서 디버깅이나 조사할 때 이 방식이 유용하다고 느끼는 사람 있는지 궁금하네.
