클로드 코드 토큰맥싱 워크플로우 - 설계 문서·병렬 에이전트·PR 리뷰로 개발 가속

핵심 메시지

• 아이디어를 설계 문서로 먼저 정리한 뒤 작은 하위 작업으로 쪼개 각각을 별도 세션의 코딩 에이전트에 맡긴다.
• goal 명령으로 목표를 충족할 때까지 에이전트를 돌리되, 별도 git 워크트리·테스트 통과·PR 생성 같은 제약을 함께 건다.
• 속도를 얻는 대신 코드가 장황해지고 품질이 떨어질 수 있어, 통합 테스트와 사람의 PR 리뷰로 균형을 맞춘다.
• 월 100달러 요금제에서 API 환산 약 1,850달러어치 토큰을 썼을 만큼 현재 사용료는 보조금으로 떠받쳐진 상태다.
• 에이전트를 5~10개씩 병렬로 돌리면 RAM이 부족해질 만큼 자원 소모가 크다.

쉽게 이해하기

발표자는 약 3주 동안 클로드 코드(Claude Code)로 약 7천만 개의 토큰을 사용하며 자신에게 맞는 작업 흐름을 다듬었다고 말한다. 그는 월 100달러짜리 요금제(5x Max)를 쓰고 있으며, 처음 며칠보다 최근 며칠 사이에 효과가 좋은 방식을 찾았다고 설명한다.

워크플로우의 출발점은 아이디어다. 무엇을 만들지 정한 뒤 가장 먼저 아키텍처, 코드 스타일, 품질 제약, 필요하다면 인프라 구성과 배포 방식까지 담은 설계 문서를 만든다. 이 상위 정의를 바탕으로 기능을 더 작은 하위 작업으로 분해하고, 각 하위 작업을 별도 세션의 코딩 에이전트에 넘긴다. 그는 이것이 현실의 개발팀을 이끄는 방식과 크게 다르지 않으며, 다만 피드백 루프가 훨씬 빠를 뿐이라고 본다.

에이전트가 목표를 충족할 때까지 작업하도록 그는 goal 명령(일종의 반복 루프)을 사용한다. 작업 설명에 제약 조건을 함께 거는 것이 핵심인데, 별도의 git 워크트리(레포의 복사본)에서 병렬로 작업하고, 테스트를 작성해 통과시키며, 끝나면 리뷰할 풀 리퀘스트를 만들도록 지시한다. 결과적으로 그는 리뷰해야 할 PR을 한 번에 9~10개씩 받게 된다.

발표자는 이 방식의 트레이드오프를 솔직히 짚는다. 빠른 반복이라는 이득을 얻는 대신 코드 품질은 떨어질 수 있고, AI가 만든 코드는 장황하고 주석이 많으며 단일 구현뿐인 인터페이스처럼 불필요한 추상화로 채워지기 쉽다는 것이다. 그는 가장 중요한 지점에 통합 테스트를 두는 편을 선호한다.

그는 이 전체 접근을 “토큰맥싱(token maxing)”이라 부른다. 보조금으로 떠받쳐진 사용량 안에서 가능한 한 많은 토큰을 쓰는 것이다. 실제로 그는 자신의 토큰 소비를 ChatGPT에 넣어 계산해보니 앤트로픽 문서 기준 API 비용으로 약 1,850달러어치였다고 전한다. 정작 자신이 낸 돈은 월 100달러 남짓이었다.

주요 인사이트

• 반복 작업은 처음부터 스킬로 만들기보다, 며칠 작업하며 드러난 “반복적으로 시키는 일”을 에이전트에게 물어 스킬로 전환하는 편이 실제로 쓸모 있다.
• CLAUDE.md나 AGENTS.md, 그리고 훅(hooks)도 처음부터 갖추기보다 에이전트의 제안을 받아 추가했고, 훅으로 무거운 테스트를 미리 돌려 깃허브 액션의 사용량과 타임아웃 문제를 줄였다.
• 에이전트 5~10개를 동시에 돌리자 시스템 RAM이 병목이 되어 32GB에서 64GB로 증설해야 했는데, 최근 RAM 값이 크게 올라 부담이 컸다고 한다.
• 자체 호스팅은 약 5,000달러짜리 DGX 스파크 같은 장비가 필요하지만 이는 20x Max 요금제 2년치에 가까운 비용이고 로컬 모델은 느려서, 발표자는 현재 경제성으로는 아직 가치가 없다고 본다 — 다만 프라이버시와 데이터 소유가 중요하다면 문은 열어두라고 조언한다.

자주 묻는 질문

관련 AI 소식