이번에는 “만드는 흐름”을 한 바퀴 끝까지 돌려봤습니다.

주제	AI 코딩 툴(Codex, Claude, Antigravity 등) 활용 및 핵심 개념 이해
일시	2026년 4월 30일 목요일 22:00-24:30 KST
참가자	실버벨, 키무키무, 춘식이, 리모콘, 강걸우
방식	Google Meet 기반 실습 + 데모 + 문서형 진행 자료 공유
핵심 목적	Vibe coding, 프로젝트 생성, Git 관리, Skills/MCP 자동화 흐름을 한 번에 체험합니다.

이번 회차의 결론은 명확했습니다. AI 코딩의 핵심은 “한 번에 완벽하게 만들기”가 아니라, 문서로 방향을 정하고 반복 수정으로 결과물을 밀어 올리는 힘에 있다는 점입니다.

1. 코드보다 문서가 먼저입니다. 구조와 규칙을 문서로 정리해야 AI가 일관된 결과를 냅니다.
2. 한 번의 “딸깍 코딩”으로는 초안만 나옵니다. 결과물을 좋게 만드는 것은 수정 능력입니다.
3. GitHub, Skills, MCP가 붙는 순간 AI는 장난감이 아니라 실제 작업 도구가 됩니다.
4. 중요한 것은 툴 이름보다 “무엇을 만들지”와 “어떤 순서로 시킬지”입니다.

이번 회차에서는 Codex, Claude, Antigravity 같은 툴이 서로 달라 보여도, 결국은 모두 LLM 위에 올라간 인터페이스라는 점을 먼저 정리했습니다. 코드, 문서, UI, 버튼 설명, 에러 메시지까지 결국 사람이 읽을 수 있는 언어의 집합이기 때문에, 좋은 결과를 얻으려면 기계어보다 “지시의 구조”를 잘 다뤄야 합니다.

이 문맥에서 `Vibe coding`은 코드를 한 줄 한 줄 작성하는 방식보다, 자연어로 목표와 방향을 주고 AI와 함께 결과물을 다듬는 흐름을 뜻합니다. 그래서 오늘의 학습 목적도 문법을 외우는 것이 아니라, 요구사항을 언어로 구조화하는 감각을 익히는 데 있었습니다.

관점	기존 개발 감각	AI 시대 감각
중심	코드 자체	문서와 지시의 구조
입력 방식	직접 타이핑	자연어 + 반복 수정
핵심 역량	정확한 구현	정확한 문제 정의

AI가 한 번 만든 결과를 다음에도 비슷한 톤과 품질로 유지하게 하려면, 사람 쪽에서 먼저 기준 문서를 만들어두는 것이 중요합니다. 디자인 가이드, 구조 문서, 작업 규칙 문서, 페이지 운영 규칙 같은 것이 바로 그 역할을 합니다.

이 문서가 있으면 AI는 매번 새로 감으로 추측하는 대신, 기존 문맥을 읽고 그 안에서 움직일 수 있습니다. 결국 “좋은 문서”는 사람을 위한 설명서이면서 동시에 AI를 위한 운영체제 역할도 합니다.

• 페이지 구조를 정의한 문서
• 디자인 톤과 카피 리듬을 정한 문서
• 회의록, 공지, Room 페이지를 어떻게 쌓을지 정한 운영 문서

이번 회차에서는 `CLI`, `IDE`, `터미널`이 각각 무엇인지부터 다시 정리했습니다. CLI는 명령어 기반 인터페이스, IDE는 시각적 개발 환경, 터미널은 컴퓨터와 텍스트 명령으로 대화하는 창입니다. 일반 사용자는 GUI와 IDE가 더 편하고, 개발자는 CLI가 더 강력한 경우가 많습니다.

Codex나 Claude Code 같은 AI 코딩 에이전트는 기본적으로 CLI 세계와 잘 맞습니다. 에이전트가 현재 어느 폴더를 보고 있는지, 어떤 파일을 바꾸는지, 어떤 명령이 실행되었는지를 터미널에서 가장 직접적으로 확인할 수 있기 때문입니다.

pwd   # 지금 위치 확인
ls    # 현재 폴더 보기
cd    # 폴더 이동
git status
codex

구분	설명	오늘의 해석
CLI	명령어 기반 작업 방식	AI와 가장 잘 맞는 기본 표면
IDE	GUI 기반 개발 환경	코드 읽기와 편집에 유리
Vibe coding	자연어 중심 작업 방식	AI에게 역할과 방향을 맡기는 감각

1. 프로젝트 폴더를 정하고, 그 폴더가 하나의 작업 단위라는 점을 확인합니다.
2. 무엇을 만들지 한 줄로 정의합니다.
3. 벤치마크 사이트나 참고 자료를 AI에게 읽힙니다.
4. 구현 전에 계획부터 받습니다.
5. 최소 기능만 먼저 만들게 합니다.
6. 로컬에서 직접 띄워보고 부족한 부분을 다시 수정시킵니다.

이 과정에서 “한 줄 명령으로 한 번에 끝내는 딸깍 코딩”의 한계도 함께 짚었습니다. 초안은 빠르게 나올 수 있지만, 완성도와 구조는 대부분 부족합니다. 그래서 중요한 것은 처음 한 번의 출력이 아니라, 어떤 피드백을 주고 어떻게 다시 시키는가입니다.

좋은 첫 출력이 실력이 아니라, 어설픈 초안을 좋은 결과물로 바꾸는 수정 능력이 실력입니다.

이번 회차에서는 `Project`, `Folder`, `Repository`의 차이를 먼저 맞췄습니다. 실무에서는 폴더 하나가 프로젝트가 되고, 그 안의 파일 묶음을 Git으로 추적하면 Repository가 됩니다. 그리고 GitHub는 그 저장소를 원격에서 공유하고 기록하는 공간입니다.

GitHub는 2000년대 후반 Git 생태계를 웹 기반 협업 환경으로 묶어주면서 개발의 기본 인프라가 되었습니다. 지금은 코드를 보관하는 장소를 넘어, 이슈 관리, 리뷰, 배포, 자동화의 출발점 역할까지 함께 담당합니다.

용어	뜻	오늘의 비유
Repository	코드 저장소	프로젝트 전체를 담는 작업 보관함
Staging	커밋 전 준비 상태	저장할 파일을 고르는 대기칸
Commit	특정 시점 저장	게임 세이브 포인트
Push	원격 저장소 업로드	내 컴퓨터 기록을 클라우드에 올리기

git status
git add .
git commit -m "first working version"
git push origin main

이번 회차에서는 한 AI만 붙들고 가는 방식보다, `Codex는 구현`, `Claude는 리뷰`, `Gemini는 추가 분석`처럼 역할을 나눠 쓰는 방식도 소개했습니다. 같은 문제를 서로 다른 모델에게 던져보면 놓친 포인트가 드러나고, 더 나은 문장이나 구조를 얻을 때가 많습니다.

핵심은 “AI도 경쟁시켜라”는 감각입니다. 좋은 초안은 한 AI가 만들 수 있고, 더 단단한 결과는 다른 AI의 검토를 거치면서 만들어집니다. 이는 사람 팀에서 작성자와 리뷰어가 분리되는 구조와도 비슷합니다.

• Codex: 실제 파일 생성, 수정, 로컬 확인
• Claude: 설명 정리, 코드 리뷰, 문장 다듬기
• Gemini: 추가 분석, 다른 시각의 요약

Skill은 특정 작업을 더 잘 수행하도록 정리된 프롬프트 패키지 또는 작업 지침 묶음입니다. 이미지 생성, 다이어그램 작성, 코드 분석, 문서 변환처럼 자주 반복되는 작업이 있으면 Skill로 구조화할 수 있습니다.

이렇게 되면 매번 장황하게 지시하지 않아도, AI가 일정한 품질과 순서로 결과를 내기 쉬워집니다. 결국 Skill은 “좋은 작업 습관을 재사용 가능한 형태로 굳힌 것”에 가깝습니다.

• 반복 작업 자동화
• 출력 품질의 일관성 확보
• 특정 역할을 부여한 전문가형 에이전트 운영

이번 회차에서는 MCP를 “AI에게 손과 문맥을 붙여주는 연결 규격”으로 설명했습니다. ChatGPT나 Codex가 그냥 답만 하는 것이 아니라, Notion, GitHub, 캘린더 같은 외부 서비스와 연결되어 실제 자료를 읽고 작업하게 만드는 통로입니다.

연결 대상	가능한 일
Notion	회의 자료 읽기, 위키/회의록 정리, 페이지 작성
GitHub	저장소 확인, 코드 맥락 파악, PR/이슈 흐름 보조
Calendar	일정 맥락 연결, 시간 정보 보조

결국 MCP는 “AI가 도구를 직접 쓰는 시대”를 여는 기반입니다. 단순 요약을 넘어서, 실제 파일과 서비스에 연결될수록 AI는 더 유용한 동료처럼 작동합니다.

• HTML 기반 랜딩페이지나 소개 페이지 자동 생성
• 회의 음성 전사 → 요약 → Notion 업로드
• 은퇴 계산기, 투자 분석기, 시뮬레이션 툴 같은 개인 프로젝트
• 업무용 문서 정리, 반복 보고서 생성, 작은 내부 툴 프로토타입

중요한 것은 거창한 스타트업 아이템만 찾는 것이 아니라, 각자의 일과 관심사에서 반복되는 불편함을 작은 도구로 바꿔보는 태도입니다. 오늘 회차는 바로 그 출발점을 잡는 시간이었습니다.

레벨	설명	예시
Level 1	정적인 웹페이지 또는 단순 소개 페이지	랜딩페이지, 개인 소개 사이트
Level 2	입력과 계산 로직이 있는 간단한 도구	계산기, 체크리스트, 간단한 시뮬레이터
Level 3	외부 API나 AI 분석이 붙는 도구	투자 분석, 자동 요약, 데이터 기반 조언 툴

방향은 분명합니다. 처음부터 Level 3를 완성하겠다는 욕심보다, Level 1과 Level 2를 빨리 통과하며 감각을 쌓고, 그 위에 AI 분석과 외부 데이터를 붙여가는 것이 가장 안정적입니다.

1. Codex로 간단한 프로젝트 한번 만들어보기

1. Codex로 아주 작은 앱이나 웹페이지 하나를 직접 만들어봅니다.
2. 처음부터 완벽한 서비스보다, 로컬에서 실행되고 눈으로 확인되는 최소 결과물을 우선합니다.
3. 중간에 막히면 “바로 구현”만 시키지 말고 계획부터 다시 받는 연습을 합니다.

GitHub 가입 및 기본 흐름 익히기

1. GitHub 계정을 만들고 첫 Repository를 생성합니다.
2. `staging -> commit -> push` 흐름으로 내 프로젝트를 원격 저장소에 올려봅니다.
3. 클라우드에 올린 뒤, 한 번 더 수정해서 추가 커밋으로 덮어씌우는 감각까지 경험해봅니다.

2. Codex 활용 과제

1. GitHub Repo 링크를 Codex에 주고, 이 저장소를 어떻게 읽고 활용하는지 직접 물어봅니다.
2. Skill을 하나 이상 설치하고 실제로 사용해봅니다. 가능하면 K-garoo에서 추천하는 흐름에 맞는 Skill부터 시도합니다.
3. Codex를 Notion MCP와 연결해보고, 실제 문서나 회의 자료를 불러오는 테스트를 해봅니다.

개인 프로젝트 방향도 같이 생각해두기

1. 내가 만들고 싶은 주제가 Level 1, 2, 3 중 어디쯤인지 가볍게 분류해봅니다.
2. 다음 회차 때 바로 꺼내볼 수 있도록 한 줄짜리 프로젝트 아이디어를 정리해둡니다.

다음 회차 정확한 일정은 아직 확정하지 않고, 내일 만나서 다시 이야기하기로 했습니다. 날짜를 먼저 못 박기보다, 오늘 정리한 과제를 실제로 조금씩 움직여본 뒤 다음 리듬을 잡는 쪽이 더 자연스럽다는 판단입니다.

방향은 분명합니다. 각자 하나씩 잡은 아이디어를 실제 프로젝트 폴더와 Repo 단위로 만들고, 로컬에서 확인하고, 필요한 경우 클라우드 업로드까지 이어가는 흐름을 더 자주 반복하는 쪽으로 갈 가능성이 큽니다.

즉 다음 단계의 핵심은 새로운 개념을 많이 배우는 것보다, 오늘 맞춘 `문서 -> 계획 -> 구현 -> GitHub -> 확장` 루프를 각자의 주제에 적용해보는 것입니다.

문서가 먼저고, 명령의 품질이 결과를 바꾸며, 수정 능력이 실력을 만든다는 점이 이번 회차의 가장 중요한 결론이었습니다. GitHub는 되돌릴 수 있는 작업의 기반이고, Skills와 MCP는 그 위에 반복성과 확장성을 붙여주는 장치입니다.

결국 AI 시대의 경쟁력은 “얼마나 코드를 많이 외우는가”보다 “무엇을 만들고 싶은지 분명히 알고, 그것을 AI에게 구조적으로 시킬 수 있는가”에 더 가까워지고 있습니다.

이번 회차의 핵심 한 줄은 이것입니다. “AI와 함께 만드는 시대에는 코딩 능력만큼 문서 설계 능력과 작업 지휘 능력이 중요하다.”