한국과학기술연구원(KIST)에서 진행된 카카오 FDE(Forward Deployed Engineer) 황민호 님의 세션 “Claude Code 기초” 강연을 정리하고 분석한 비디오 노트입니다. 터미널 기반의 AI 개발 도구인 클로드 코드의 실전적인 동작 방식과 에이전트 커스텀 스킬 구축, 그리고 컨텍스트 관리 기법을 상세히 다룹니다.
1. Claude Code 강의의 시작과 Harness 설계 예고
starting today, I’m going to begin the Claude Code lectures… two weeks later… the harness, which is called a harness, is now referred to as a horse harness. You will teach me techniques to make the AI agent move as I please.
해석
황민호 님은 카카오 FDE로서 사내 각 조직에 AI 시스템을 신속하게 구축하고 AX(AI Transformation) 미션을 지원하는 역할을 설명하며 강연을 엽니다. 특히 터미널에서 동작하는 에이전트인 클로드 코드가 비개발자에게도 매우 강력한 생산성 도구가 될 수 있음을 강조합니다.
세션 초반에 예고된 하네스(Harness, 에이전트 고성능 제어 말고삐) 기법은 단순히 에이전트에게 1회성 프롬프트를 주는 것을 넘어, 스스로 자료를 수집하고 병렬로 글을 쓰고 삽화 이미지를 생성하여 결합하는 자율적인 소프트웨어 컴파일 환경을 제공합니다. 실제로 강연에서는 한 줄의 프롬프트만으로 200~300페이지 분량의 초보자용 책을 단 한 시간 만에 완성하고 웹북 형태로 빌드해내는 자동화 데모를 선보였습니다.
2. Custom Skill과 @ 파일 참조를 통한 웹사이트 자동 생성
In this way, we align the design using the file analyzed in the paper earlier and the My Design skill we created in the design system, and the file becomes the content to create a single website. The @ symbol indicates that the command will reference that file and execute the command based on its contents.
해석
사용자가 지정한 강연의 핵심 하이라이트 구간입니다. 기존 웹 브라우저 환경의 ChatGPT나 Claude 등은 단순한 챗 인터페이스에 갇혀 로컬 파일 구조를 직접 제어하는 자유도가 낮았습니다. 반면 클로드 코드는 로컬 터미널에서 파일 입출력 및 명령 실행 권한을 획득하여 자율적으로 동작합니다.
강연자는 디자인 시안에서 CSS를 추출하여 My Design이라는 커스텀 스킬(Custom Skill)로 사전에 빌드해 놓은 상태에서, 논문 분석 데이터인 로컬 파일을 @ 기호로 직접 참조하여 클로드 코드에 전달했습니다. 그 결과, 새롭게 작성된 콘텐츠를 기존 디자인 시스템 스펙과 정확히 일치하는 웹 페이지(HTML)로 순식간에 출력해 냈습니다. 이는 AI가 로컬 환경의 자원을 자유롭게 취합하여 재사용 가능한 도구(스킬)와 결합하고, 인간이 일일이 가이드하지 않아도 약속된 디자인 규격에 맞추어 소프트웨어를 자율 컴파일해내는 강력한 메커니즘을 증명합니다.
3. Context Window 관리와 Compaction의 중요성
uses a command called slash context to visualize what content is being sent when we are currently working with this cloth code. … The context window currently provided by the Clod course is 1 million tokens.
해석
클로드 코드는 세션이 유지되는 동안 100만 토큰에 달하는 대용량 컨텍스트 윈도우를 제공합니다. 작업 이력이 쌓이면서 현재 컨텍스트에 포함된 파일 정보, 터미널 스크린샷, 명령어 응답 로그 등이 누적되는데, 사용자는 /context 명령어를 사용하여 이 점유 현황을 모니터링할 수 있습니다.
여기서 가장 중요한 개념은 압축(Compaction)입니다. 컨텍스트가 임계치 이상으로 채워지면 시스템이 이전 히스토리를 요약하여 압축하는 과정을 수행하는데, 이 과정에서 정보 유실이 불가피하게 발생하고 에이전트의 수행 성능 및 정확도가 눈에 띄게 떨어집니다. 또한, 토큰 사용량이 증가함에 따라 사용 요금과 속도 면에서도 손해가 발생합니다.
따라서 강연자는 필요에 따라 /compact 명령을 수동으로 내리거나, 새로운 세션을 가볍게 열어 컨텍스트 데스크를 항상 깨끗하게 정돈해야 한다고 말합니다. 나아가 단일 세션에 무거운 연산을 모조리 집어넣기보다는, 독립된 컨텍스트를 지닌 서브 에이전트나 가벼운 커스텀 스킬을 만들어 연산을 분할 위임(Parallel Processing)하는 구조가 훨씬 효율적임을 역설합니다.
내 생각
이번 강연은 로컬 에이전트 시대를 살아가는 개발자들과 AX 리더들이 마주해야 하는 컨텍스트 엔지니어링(Context Engineering)의 실전 교과서라고 볼 수 있습니다.
첫째, “작업대의 경계(Bounded Context)를 끊임없이 나누어야 한다”는 점입니다. 많은 입문자들이 에이전트에 한꺼번에 많은 파일을 집어넣고 마법처럼 완벽한 결과가 나오기를 기대합니다. 하지만 컨텍스트가 무거워질수록 AI는 집중력을 잃고 엉뚱한 실수를 저지릅니다. 강연자가 보여준 것처럼, 디자인 스펙은 독립된 스킬로 떼어내고 콘텐츠는 별도의 참조 파일(@)로 입력하여 제한된 범위(Bounded Context) 안에서만 추론이 작동하도록 격리해야 합니다.
둘째, 스킬화(Custom Skill Building)의 이점입니다. 단순한 복사 붙여넣기 방식은 동료 엔지니어들에게 전파되기 어렵고 재사용성이 낮습니다. AI와 함께 일하면서 반복적으로 검증된 프로시저와 템플릿은 앤트로픽의 규격에 맞추어 로컬 플러그인(스킬) 형태로 패키징하여 관리해야 합니다. 이는 AI 도구의 실행 안정성을 확보할 뿐만 아니라, 개발 조직 전체의 에이전틱 생산성을 일관되게 상향 평준화하는 유일한 길입니다.
로컬 에이전트는 결코 마법의 요술봉이 아닙니다. 에이전트가 쾌적하고 정확하게 달릴 수 있도록 컨텍스트 데스크를 깨끗하게 정돈하고, 정교하게 분리된 마찰 없는 하네스(Harness) 인프라를 가꾸는 엔지니어만이 극대화된 협업 생산성을 손에 쥘 수 있을 것입니다.
댓글
GitHub 계정으로 의견을 남길 수 있습니다. 댓글은 GitHub Discussions에 저장됩니다.