AI 코딩 워크플로우 — MCP 서버, 에이전트 중심 개발 스택 정리

핵심 메시지

• 코딩 에이전트는 이제 단순히 코드를 생성하는 수준을 넘어, 적절한 도구와 데이터를 주면 제품을 만들고 테스트하는 루프까지 스스로 처리할 수 있다.
• 발표자는 자신이 만든 MCP 서버에 ‘소스 정리(폴더 자동 분류)’와 ‘소스 검색(관련도 점수·순위)’ 두 기능을 더해, 저장한 자료를 에이전트가 직접 활용하는 맥락 시스템으로 발전시켰다.
• 운영 DB로 새 기능을 실험하는 위험을 피하려고, 에이전트가 임시 Postgres DB를 직접 띄우고 작업 후 정리하게 해주는 도구를 활용했다.
• 도구 조합은 계속 바뀐다. 발표자는 현재 빌드·테스트에 Codex 데스크톱 앱, 터미널 워크스페이스, 가벼운 편집용 Cursor, 그리고 여러 커스텀 스킬을 조합해 쓰고 있다.

쉽게 이해하기

발표자는 온라인에서 찾은 유튜브·릴스·블로그 등을 깔끔한 마크다운으로 저장해 AI 에이전트의 맥락으로 쓰는 ‘Create Skills’라는 브라우저 확장 도구를 만들고 있다. 그런데 자료가 쌓일수록 라이브러리가 정리되지 않은 목록으로 어지러워지는 문제에 부딪혔다.

이를 풀기 위해 MCP 서버에 두 기능을 추가했다. 첫째는 소스 정리로, 에이전트가 저장된 자료를 내용과 유사도에 따라 폴더로 자동 분류한다. 둘째는 소스 검색으로, ‘SNS 성장에 가장 좋은 자료를 찾아 스킬을 만들어 줘’처럼 요청하면 관련도 점수와 순위를 매겨 가장 적합한 자료를 돌려준다.

문제는 테스트였다. 새 기능을 실제 데이터로 검증하려면 운영 DB가 필요한데, 운영 데이터로 실험하는 것은 위험하다. 그래서 에이전트가 스스로 Postgres DB를 만들고 복제·폐기하게 해주는 무료 도구를 도입했다. CLI 설치 후 로그인하고 MCP 서버를 설치하면 코딩 에이전트가 바로 DB를 다룰 수 있다.

이 방식의 장점은 사람이 테스트 루프에 직접 붙어 있지 않아도 된다는 점이다. 에이전트가 임시 DB를 만들어 실제 데이터로 기능을 검증하고, 문제가 생기면 스스로 반복 수정한다. 필요하면 수십 개의 DB를 동시에 띄워 여러 접근을 비교하고 가장 나은 것을 고를 수도 있다.

후반부에서는 최신 AI 코딩 스택을 공유한다. 발표자는 빌드·테스트의 주력 도구를 Codex 데스크톱 앱으로 옮겼고, 터미널에서는 Lazy Git·파일 관리 도구를, 가벼운 편집에는 Cursor를 쓴다. 또 카피라이팅·SEO 감사·UI/UX 등 여러 커스텀 스킬로 에이전트의 품질을 끌어올린다고 설명한다.

주요 인사이트

• MCP 서버를 직접 만들면 에이전트가 저장한 자료에 직접 접근할 수 있어, 매번 프롬프트에 복사·붙여넣기하며 맥락을 전환하는 수고를 없앨 수 있다.
• 에이전트에게 DB 생성·복제·폐기 권한을 주는 것이 처음엔 위험해 보이지만, 운영 데이터를 건드리지 않고 임시 DB로 안전하게 실험하게 하면 오히려 빠르고 통제된 테스트가 가능하다.
• 에이전트 우선(agent-first) 애플리케이션을 만든다면, 데이터 계층에 임시 DB 도구를 통합해 실제 데이터로 기능을 검증하는 방식이 babysitting을 줄이고 제품·마케팅 결정에 집중할 시간을 늘려준다.
• 도구 스택은 ‘최선’이 계속 바뀐다는 전제로 다뤄야 한다. 발표자도 몇 달 전과 완전히 다른 조합을 쓰고 있으며, 다음 큰 도구가 나오면 또 바뀔 것이라고 말한다. (모델 우열에 대한 평가는 발표자 개인의 사용 경험에 따른 의견이다.)

자주 묻는 질문

관련 AI 소식