AI 코딩 도구는 코드 자동완성을 넘어 구현, 테스트, 리뷰까지 직접 수행하는 에이전트 형태로 발전하고 있습니다.
개발자 개인의 활용을 넘어 팀 단위로 도입하려면 공통 작업 규칙, 보안 기준, 비용 관리 방안이 함께 마련되어야 합니다.
본 과정에서는 Claude Code를 중심으로 팀 공통 작업 환경을 구성하고,
명세 작성부터 구현, 리뷰, CI 연동까지 실제 개발 흐름에 적용합니다.
동일한 작업 규칙을 Codex와 사내 구축 LLM 환경으로 옮기는 방법도 함께 다루며,
마지막에는 수강생 조직에 맞는 단계별 도입 계획을 작성합니다.
Module 1 – 에이전틱 코딩의 이해
- 코드 자동완성 도구와 코딩 에이전트의 차이
- 국내외 기업의 코딩 에이전트 도입 현황과 사례
- Claude Code의 동작 방식과 컨텍스트 관리
- Claude Code, Codex, GitHub Copilot, OpenCode 비교
- 팀 도입 시 주요 문제점(결과 편차, 규칙 미준수, 과도한 권한, 비용 증가)
- [실습] 예제 프로젝트 분석 및 기능 추가
Module 2 – 팀 공통 작업 환경 구성
- 프로젝트 지침(CLAUDE.md) 작성 기준
- 스킬을 활용한 반복 작업 표준화
- 훅을 활용한 코드 형식 검사, 테스트 실행, 위험 명령 차단
- 서브에이전트를 활용한 구현, 테스트, 리뷰 역할 분리
- 플러그인을 활용한 팀 공용 설정 배포
- 팀 공용 설정의 버전 관리와 변경 검토 절차
- Codex용 지침(AGENTS.md)으로 전환하는 방법 (시연)
- [실습] 팀 공용 설정 작성 및 플러그인으로 다른 저장소에 배포
Module 3 – 명세 기반 개발과 품질 관리
- 요구사항을 명세와 작업 단위로 나누는 방법
- 테스트 기준을 먼저 정의하고 구현을 맡기는 방식
- 에이전트 작성 코드의 리뷰 기준과 개발자 확인 항목
- 브랜치와 커밋 단위 관리, 작업 결과 되돌리기
- MCP를 활용한 이슈 관리 도구 및 사내 문서 연동
- [실습] 명세 작성부터 구현, 테스트, 리뷰까지 기능 하나 완성
Module 4 – 보안, 권한, 비용 관리와 사내 LLM 적용
- 관리형 설정을 통한 조직 공통 정책 적용, 권한 모드, 실행 격리(Sandbox)
- 비밀정보 노출 및 프롬프트 인젝션 대응
- OpenTelemetry 기반 사용량 모니터링과 작업별 모델 선택 기준
- 망분리 환경을 위한 OpenCode와 vLLM 기반 사내 LLM 연동
- [실습] 보안 설정 적용 및 사내 LLM 환경에서 동일 작업 수행
Module 5 – CI 연동과 도입 계획 수립
- 헤드리스 실행과 GitHub Actions를 활용한 자동 리뷰
- 시범 적용부터 전사 확대까지 단계별 도입 방법
- 도입 효과 측정 지표(개발 리드타임, 리뷰 소요 시간, 결함률)
- 사용 가이드 작성과 사내 전파 방법
- [워크숍] 소속 조직 도입 계획 작성 및 발표
00
일
00
시
00
분
00
초
Tags