Sentry로 프로덕션 에러를 모니터링하고 있으면 보통 이런 워크플로우를 반복하게 됩니다. Slack에서 에러 알림을 받고 Sentry 대시보드로 이동해서 스택 트레이스를 확인하고 관련 코드를 에디터에서 열어서 원인을 파악하고 수정 코드를 작성합니다. 이 과정에서 브라우저와 에디터를 끊임없이 왔다 갔다 하게 되는데요. 만약 코딩 중인 AI 도구에서 "이 프로젝트에서 최근에 발생한 에러 보여줘"라고 말하면 바로 이슈 목록을 가져오고 "이 에러 원인 분석해줘"라고 하면 스택 트레이스를 보고 수정 코드까지 제안해준다면 어떨까요? 🤔 S
클로드 코드로 작업하다 보면 가끔 이런 상황이 생깁니다. 오타 하나 고치려고 했는데 Opus가 코드베이스 전체를 분석하느라 30초를 기다린다거나, 반대로 복잡한 아키텍처 리팩토링을 맡겼는데 Haiku가 피상적인 답만 내놓는 경우요. 두 경우 모두 언어 모델과 추론 강도가 작업에 맞지 않아서 생기는 문제인데요. 클로드 코드에서 언어 모델과 추론 강도는 모든 상호작용의 품질과 속도에 가장 직접적으로 영향을 주는 설정입니다. 이 글에서는 어떤 언어 모델과 추론 강도 조합이 어떤 작업에 적합한지 그리고 상황에 따라 전환하는 방법을 하나씩
Cloudflare에서 Workers를 배포하고 KV에 데이터를 저장하고 D1 데이터베이스를 관리하려면 보통 Wrangler CLI를 쓰거나 대시보드에 접속해야 합니다. 그런데 이걸 AI한테 "내 Workers 목록 좀 보여줘", "KV에 이 값 저장해줘" 같은 자연어로 시킬 수 있다면 어떨까요? 🤔 Cloudflare는 자사 서비스를 AI 도구에서 바로 사용할 수 있도록 MCP(Model Context Protocol) 서버를 공식으로 제공하고 있습니다. Claude Desktop, Cursor, VS Code 같은 AI 도구에
Claude Code를 터미널에서 돌리다 보면 자연스럽게 여러 세션을 동시에 띄우게 됩니다. 하나는 프론트엔드 리팩토링을 시키고, 다른 하나는 API 테스트를 작성하게 하고, 또 다른 하나는 버그를 추적하게 하는 식이죠. 문제는 이 세션들을 관리하는 게 생각보다 귀찮다는 겁니다. Ghostty에서 분할 창을 여러 개 열어놓으면 어느 에이전트가 질문을 던지고 기다리는 중인지 눈으로 일일이 확인해야 해요. macOS 알림도 어떤 세션에서 온 건지 맥락이 부족하고요. cmux는 이 문제를 해결하려고 만들어진 터미널입니다. Ghostty의
AI 코딩 에이전트로 개발하다 보면 반복되는 경험이 하나 있습니다. 프롬프트를 아무리 잘 써봐야 에이전트가 프로젝트 맥락을 놓치고, 아키텍처는 무시한 채 엉뚱한 코드를 만들어내는 거죠. 사람이 뒤에서 계속 수습하느라 바쁩니다 😅 왜 이런 걸까요? 모델이 멍청해서? 아닙니다. 에이전트가 일할 수 있는 환경 자체가 안 갖춰져 있어서 그렇습니다. OpenAI가 최근 발표한 Harness Engineering이라는 글이 딱 이 지점을 짚는데요. 이번 글에서 그 내용을 정리해 보겠습니다. Harness란 무엇인가 Harness는 말 그대로
AI 기능을 서비스에 넣으려면 OpenAI API 키를 발급받고 서버를 세팅하고 요청을 중계하는 백엔드까지 구성해야 하잖아요. 이 과정이 꽤 번거롭고 GPU 인프라를 직접 관리하는 건 비용도 만만치 않습니다 😅 Cloudflare Workers AI를 쓰면 별도의 GPU 인프라 없이 전 세계 엣지에서 AI 모델을 바로 실행할 수 있습니다. Cloudflare Workers에 코드 몇 줄만 추가하면 텍스트 생성, 이미지 생성, 번역, 음성 인식 같은 AI 기능을 서버리스로 제공할 수 있어요. 이번 글에서는 Workers AI의 기본
AI 에이전트가 웹사이트에서 항공권을 검색하거나 장바구니에 상품을 담는 모습을 상상해보신 적 있나요? 지금까지 AI 에이전트가 웹사이트를 다루려면 사람처럼 DOM 요소를 찾아서 클릭하고 텍스트를 입력해야 했습니다. Playwright MCP처럼 브라우저 자동화 도구를 쓰는 방법도 있었지만 웹 페이지 구조가 바뀌면 에이전트가 길을 잃기 십상이었죠. 2026년 2월, 구글과 마이크로소프트가 함께 완전히 다른 접근법을 내놓았습니다. 웹사이트가 직접 "나한테는 이런 도구들이 있어"라고 AI 에이전트에게 알려주게 하자는 건데요. 이게 바로
매일 아침 출근하면 습관처럼 하는 일이 있습니다. PR 리뷰 목록 확인하고, CI 실패한 거 훑어보고, 의존성 업데이트 알림 살펴보고... 중요한 일이긴 한데 매번 직접 하자니 번거롭죠. "이거 Claude가 알아서 해주면 안 되나?" 싶은 생각, 한 번쯤은 드셨을 겁니다. 클로드 코드에는 바로 이런 반복 업무를 자동으로 처리해주는 예약 작업(Scheduled Tasks) 기능이 있습니다. 컴퓨터를 꺼도 돌아가는 Cloud 예약 작업, 로컬 파일에 접근할 수 있는 Desktop 예약 작업, 세션 안에서 가볍게 폴링하는 /loop까지
AI 에이전트에게 브라우저를 맡기는 시대가 점점 현실이 되고 있습니다. 이전에 Playwright MCP를 소개하면서 AI 에이전트가 MCP 서버를 통해 브라우저를 조작하는 방법을 다뤘는데요. 이번에는 좀 다른 접근 방식을 가져온 도구를 살펴보려고 합니다. Vercel Labs에서 만든 agent-browser는 AI 에이전트가 쉘 명령어만으로 브라우저를 제어할 수 있게 해주는 CLI 도구입니다. MCP 프로토콜이나 프로그래밍 언어에 종속되지 않고 터미널에서 바로 agent-browser open example.com처럼 실행할 수
구글 드라이브에서 파일 찾고, 지메일로 메일 보내고, 캘린더에 일정 추가하고, 시트에 데이터 넣는 작업을 매번 브라우저 열어서 하고 계신가요? 터미널 명령어 한 줄이면 이걸 다 할 수 있다면요? 🤔 오늘 소개할 gws(Google Workspace CLI)가 바로 그런 도구입니다. 구글 Discovery Service를 기반으로 명령어를 동적 생성하기 때문에 구글 API가 업데이트되면 도구를 따로 업데이트하지 않아도 새 기능을 바로 쓸 수 있는데요. AI 에이전트 연동까지 고려해서 설계됐기 때문에 자동화 워크플로우에도 딱입니다.
AI 코딩 에이전트로 작업하다 보면 한 가지 답답한 순간이 있습니다. 에이전트가 코드를 작성하다가 어느 시점에 "완료했습니다"라고 선언하는데, 정작 빌드가 깨져 있거나 테스트가 실패하는 거죠. 그래서 다시 지시하고 또 고치고 또 확인하고... 이 과정을 수십 번 반복하다 보면 "차라리 내가 짜는 게 빠르겠다"는 생각이 들기도 합니다 😅 그런데 2025년 말, 호주에서 염소를 키우던 한 개발자가 이 문제를 아주 단순한 방법으로 해결했습니다. Bash while 루프 하나로요. 이름도 기가 막히는데, Ralph Wiggum입니다. R
클로드 코드로 복잡한 리팩토링을 지시하려고 프롬프트를 작성하고 있습니다. "이 함수에서 에러 핸들링 로직을 분리하고, 재시도 메커니즘을 추가하되, 기존 인터페이스는 유지해줘. 그리고 관련 테스트도..." 여기까지 타이핑하다 보면 손가락이 먼저 지칩니다. 머릿속에는 이미 완성된 문장이 있는데 키보드로 옮기는 과정이 병목이 되는 거죠. 특히 코드 경로나 변수명은 타이핑이 편하지만 맥락 설명이나 의도를 전달할 때는 말이 훨씬 빠릅니다. 2026년 3월 3일, Anthropic이 이 문제에 대한 답을 내놨습니다. 클로드 코드에 음성 모드가
책상에서 클로드 코드로 리팩토링하고 있었는데 갑자기 택배가 옵니다. "잠깐이면 되겠지" 하고 나갔다 오면 흐름이 끊기죠. 퇴근 후 소파에서 뒹굴거리다가 "아까 그 작업 어디까지 했더라?" 싶을 때도 있고요. Anthropic이 2026년 2월에 내놓은 Remote Control(원격 제어)은 딱 이 문제를 풀어줍니다. 터미널에서 돌아가는 클로드 코드 세션을 스마트폰이나 다른 컴퓨터 브라우저에서 그대로 이어 쓸 수 있거든요. 원격 제어가 뭔가요? 한마디로 내 컴퓨터에서 돌아가는 클로드 코드 세션에 원격으로 접속하는 겁니다. 클로드 코
클로드 코드에는 두 가지 메모리 시스템이 있습니다. 개발자가 직접 작성하는 CLAUDE.md와 Claude가 스스로 학습하는 자동 메모리(auto memory)입니다. CLAUDE.md가 "이렇게 해"라는 명시적인 지시라면, 자동 메모리는 Claude가 작업하면서 "아, 이 프로젝트에서는 이렇게 하는구나"하고 스스로 메모하는 노트에 가깝습니다. | | CLAUDE.md | 자동 메모리 | | --------- | ------------------------------- | ---------------------------------
클로드 코드를 쓰다 보면 /help나 /clear 같은 슬래시 커맨드가 익숙해집니다. 이런 커맨드는 세션 초기화, 모델 전환 같은 단일 동작을 바로 실행하죠. 그런데 슬래시 /를 눌러보면 이것과는 좀 다른 느낌의 명령어들이 눈에 띕니다. /code-review, /batch, /loop 같은 것들인데요. 이것들은 슬래시 커맨드가 아니라 내장 스킬입니다. 슬래시 커맨드가 고정된 로직을 실행하는 것과 달리, 내장 스킬은 프롬프트 기반으로 동작해요. Claude에게 상세한 플레이북을 주고 도구를 조합해서 작업을 수행하게 하는 방식이죠.
소프트웨어 보안은 늘 개발자들의 골칫거리입니다. 코드 리뷰를 하고, 정적 분석 도구를 돌리고, 보안 감사를 받아도 취약점은 끊임없이 발견되죠. 특히 비즈니스 로직 결함이나 복잡한 접근 제어 문제는 기존 도구로는 잡아내기가 정말 어렵습니다. Anthropic이 최근 발표한 Claude Code Security는 이 문제에 완전히 다른 방식으로 접근합니다. 패턴을 매칭하는 게 아니라 코드를 읽고 추론해서 취약점을 찾아내는 거죠. 보안 취약점, 왜 이렇게 잡기 어려울까 소프트웨어 업계에서 보안 취약점은 만성적인 문제입니다. 취약점은 너무
"AI 쓰니까 편해지긴커녕 오히려 더 피곤해졌어요." 🥲 요즘 주변 개발자들에게서 은근히 자주 듣는 말인데요. AI가 개발 생산성을 높여준다는 것은 부인하기 어려운 사실입니다. 예전에 며칠씩 걸리던 일이 이제 몇 분이면 끝나니까요. 구현은 말할 필요도 없고 테스트, 문서화, 리서치, 설계까지 프로세스 전반이 빨라졌습니다. 그런데 이상하게도 하루는 더 무거워진 느낌입니다. 왜 그럴까요? 하나의 일을 처리하는 시간이 단축되면 동일한 시간이 주어졌을 때, 우리는 더 적은 일을 하는 게 아니라 더 많은 일을 하게 됩니다. 회사와 팀, 관
AI 코딩 에이전트 시장이 점점 뜨거워지고 있죠. Claude Code나 OpenCode 같은 도구가 이미 많은 개발자의 워크플로우에 자리 잡았는데요, 오늘은 조금 다른 접근 방식을 취하는 도구를 하나 소개해드리겠습니다. 바로 Block(구 Square)이 만든 오픈소스 AI 코딩 에이전트, Goose입니다. Goose는 2025년 1월에 처음 공개된 이후 빠르게 성장해서, 지금은 GitHub 스타 27,000개 이상, 기여자 400명 이상의 대규모 오픈소스 프로젝트가 되었습니다. 2025년 12월에는 Linux Foundation
AI API를 서비스에 통합하려고 할 때 고민이 하나 생기죠. OpenAI, Anthropic, Google 같은 각 AI 제공업체마다 계정을 만들고 API 키를 따로 관리해야 한다는 겁니다. 이미 Google Cloud를 쓰고 있는 조직이라면 기존 인프라와 동떨어진 별도 인증 체계를 관리하는 게 부담스러울 수 있어요. Google Cloud의 Vertex AI는 이 문제를 깔끔하게 해결해줍니다. Google의 Gemini 모델뿐 아니라 Anthropic의 Claude, Meta의 Llama 같은 서드파티 모델까지 Google Cl
OpenClaw를 설치하고 나면 ~/.openclaw/workspace/ 디렉토리에 여러 마크다운 파일이 생기는데요. 이 파일들이 에이전트의 성격, 행동, 기억을 결정합니다. 잘 다듬으면 에이전트가 확 달라지고, 대충 남겨두면 범용 챗봇이랑 큰 차이가 없어요. 오늘은 워크스페이스의 마크다운 파일을 하나씩 살펴보면서 에이전트를 나만의 비서로 만드는 방법을 알아보겠습니다. 🦞 워크스페이스란? OpenClaw의 설정은 두 곳에 나뉘어 있습니다. openclaw.json이나 .env 같은 시스템 설정은 ~/.openclaw/에 있고, 에