개인용 AI 팩토리 구축기 (2025년 7월 스냅샷)

카테고리

프로그래밍/소프트웨어 개발

서브카테고리

개발 툴

대상자

• *소프트웨어 개발자, AI 워크플로우 자동화를 원하는 개발자**
• 난이도: 중급 이상 (AI 에이전트 조합, 병렬 처리, 입력 개선 전략 이해 필요)

핵심 요약

• AI 에이전트(예: Claude, O3, Sonnet)를 계획, 실행, 검증 역할로 분담하여 자동화 워크플로우 구축
• 코드(Output) 오류 대신 플랜, 프롬프트, 에이전트 구성(Input) 개선을 통해 자동화 수준 향상
• git worktree와 병렬 처리를 통한 분리된 작업 환경 유지 및 반복적 입력 개선으로 팩토리 성장 구현

섹션별 세부 요약

1. 워크플로우 구조

• 에이전트 역할 분담:

- 계획 수립: O3, Sonnet 4

- 실행: Sonnet 3.7, Sonnet 4

- 검증: O3

• 자동 피드백 루프: 계획-실행-검증-개선의 순환 구조
• 메인 인터페이스: Claude Code 활용, 로컬에서는 Goose (Azure OpenAI 모델 연결) 및 MCP 활용
• 커밋 기록 남기기: 각 작업 단계별로 claude가 커밋 기록을 남김

2. 입력 개선 전략

• 플랜 템플릿 반영: 코드 오류/스타일 문제 시 계획 템플릿에 반영하여 다음 생성부터 개선
• 계획-프롬프트 자산화: 결과물(Output)은 소모품, 입력(플랜/프롬프트)은 누적 자산
• 에이전트 협업 강화: 병렬 처리 및 총괄 코디네이션으로 워크플로우 추적 및 자동화 도입

3. 기술적 구현 사례

• CSV 처리 자동화: 전체 CSV 메모리 로딩 → 스트림 처리로 변경, 이후 플랜에 반영
• 로컬 스타일 규칙 적용: Clojure 코드에 로컬 스타일 규칙 전용 에이전트 활용
• 에이전트 조합 활용: API 명세와 비즈니스 케이스 → 통합, 테스트, 문서화 자동 처리

4. 도구 및 토큰 관리

• git worktree 활용: 여러 Claude Code 인스턴스 병렬 운영
• 토큰 할당량 최적화: Bedrock Sonnet 4 토큰 제한 대응 방안 탐색
• MCP 활용: 전문화된 에이전트 배정 및 병렬화

결론

• "출력 수정 대신 입력 개선" 원칙을 기반으로 자동화 워크플로우 설계
• 에이전트 간 협업 및 병렬 처리를 통해 복잡한 워크플로우 자동화 가능
• 코드 자체는 소모품, 지시사항(입력)과 에이전트 구성이 진짜 자산
• 예시: Claude Code의 plan mode 활용, .md 파일 수동 생성 대신 자동화 도입
• 핵심 도구: Claude Code, O3, Sonnet 3.7/4, git worktree, MCP, Goose