안녕하세요. ASUNI-NARE株式会社입니다. 인공지능을 활용하여 코드를 작성합니다. 현재는 이미 흔한 일이 아닙니다. Claude Code, Cursor, GitHub Copilot, OpenAI Codex 등 인공지능 기반 개발 도구는 빠르게 발전하고 있습니다.
또한 2026년에는 AI가 단순히 코드를 제안하는 것뿐 아니라 발전을 이루게 되었습니다.
코드베이스를 검토한다. 구현 방법을 검토한다. 코드를 작성한다. 테스트한다. 버그를 수정한다. 풀 리퀘스트를 생성한다. 심지어 배경에서 개발 작업을 수행한다.
이 지경까지 오면 우리는 하나의 의문을 품게 됩니다. “AI에게 코드를 작성하게 하는 것”과 “AI 주도 개발”은 같은 것일까요? 이번에는 전 회사의 기사에서 소개한 “Slack Code”를 기준으로 2026년 시점의 AI 개발 도구를 살펴보면서 이 질문에 대해 생각해 보겠습니다.
そもそも「AI駆動開発」とは？
먼저, AI 주도 개발이라는 용어는 모든 기업에서 통일된 하나의 정의가 있는 것이 아닙니다.
본 기사에서는
AI를 단순한 코드 생성 도구로 사용하는 것뿐만 아니라, 소프트웨어 개발의 여러 단계에 AI를 통합하고, 인간과 AI가 협력하여 개발을 진행하는 것을 의미합니다.
이렇게 생각합니다.
기존 개발 방식에서는,
인간이 생각한다. 인간이 설계한다. 인간이 코드를 작성한다. 인간이 테스트한다. 인간이 검토한다.
그렇게 진행되던 것이 기본이었습니다.
AI 기반 코드 생성 기능을 도입하면,
사람이 생각하는 대로 AI에게 코드를 작성하도록 요청하고, 사람이 확인한다.
그러겠습니다.
하지만 현재 AI 에이전트는 더욱 발전하고 있습니다.
인간이 목적과 과제를 제시한다 → AI가 코드베이스를 분석한다 → AI가 구현 방안을 모색한다 → AI가 코드를 수정한다 → AI가 테스트를 수행한다 → AI가 수정 사항을 적용한다 → AI가 Pull Request를 생성한다 → 인간이 확인 및 검토한다
즉, “코드를 작성하게 하는” 것에서 “개발 태스크를 맡기는” 쪽으로 변화하고 있는 것입니다.
클로이드 코드, 커서, 코파일럿, 코덱스는 무엇이 다른 걸까요?
현재 이 변화를 상징하는 서비스들이 많이 등장하고 있습니다.
Anthropic의 Claude Code는 ターミナル에서 AI에게 코드를 작성하도록 하는 것 외에도, 파일을 조사·변경하고 명령을 실행하며 개발 작업을 AI에 위임할 수 있도록 설계된 것입니다.
GitHub와의 연동을 활용하면, 이슈나 풀 리퀘스트를 기준으로 시작하는 개발 작업에도 AI를 통합할 수 있습니다.
한편, 커서는 AI를 통합한 개발 환경으로서 발전하고 있습니다. 또한 클라우드 상에서 AI 에이전트를 실행하고 코드 변경, 테스트, 풀 리퀘스트 생성 등의 작업을 수행할 수 있는 기능을 제공합니다.
GitHub Copilot은 원래 코드 자동 완성 기능을 중심으로 한 서비스였습니다. 하지만 현재는 Copilot Coding Agent 등을 통해 이슈를 기반으로 리포지토리를 조사하고, 코드를 수정하며, Pull Request를 생성하는 일까지 AI에게 맡길 수 있게 되었습니다.
또한 OpenAI Codex는 기능 개발, 버그 수정, 리팩토링, 테스트, 코드 리뷰 등 더 큰 개발 작업을 AI 에이전트에게 맡기는 방향으로 발전하고 있습니다.
여기 중요한 것은 “AI가 코드를 작성할 수 있게 되었다”는 사실 자체만이 아니라는 것입니다.
AI는 개발 과정 자체의 일부를 수행할 수 있게 되면서 큰 변화가 일고 있습니다.
그러면 인간은 사라지는 것일까?
이 부분이 가장 궁금한 점입니다.
결론적으로, 2026년 시점에서 “인간이 필요 없어졌다”고 단정하기는 이릅니다. 오히려, AI의 능력이 향상됨에 따라 인간의 역할은 다른 영역에서 더욱 중요해지고 있습니다.
예를 들어, 무엇을 만들고 싶으신가요? AI는 지시된 대로 만들어 드릴 수 있습니다.
하지만,
「そもそも何を作るべきなのか？」
그것은 또 다른 문제입니다.
정말 옳은 걸까요?
AI는 코드를 작성하고 테스트 통과 여부와 관계없이 평가한다.
이 사양으로 정말로 사용자 문제를 해결할 수 있을까요?
그 판단이 필요합니다.
실제 환경에 배포해도 되는지 확인해 보죠.
AI가 구현되어도 괜찮습니다.
이 변경 사항을 운영 환경에 적용해도 되는지?
그러한 최종 결정이 내려집니다.
따라서 GitHub와 OpenAI를 포함한 공식 정보에서도 인간에 의한 검토 및 승인, 권한 관리 등이 중요한 메커니즘으로 남아 있습니다.
즉, 인공지능이 자율적으로 움직일 수 있는 것과 인간이 불필요해지는 것은 동일한 것이 아닙니다.
지금의 개발자들이 필요로 하는 것은 무엇일까요?
AI가 코드를 작성하기 시작하면 엔지니어의 직업은 어떻게 될까요?
프로그래밍의 가치가 변화한다고 생각하는 것이 더 적절할 것 같습니다.
이제 중요한 점은 다음과 같습니다.
- 무엇을 만들지 결정한다
- 요건을 정리한다
- 시스템 전반을 설계합니다.
- AI에 적절한 지시를 내리는 방법을 알려드립니다.
- AI 결과물을 평가한다
- 보안 및 품질 검토
- AI에 부여할 권한 설계에 대해 논의하고 있습니다. 특히 AI 모델의 잠재적 위험성을 고려하여 AI가 수행할 수 있는 작업과 그 범위에 대한 명확한 제한을 설정하는 것이 중요합니다.
AI 모델이 접근할 수 있는 데이터 종류, 수행할 수 있는 작업 종류, 결정할 수 있는 종류, 오작동 시 책임 소재 등을 포함한 권한 설계를 통해 AI 기술의 안전하고 책임감 있는 사용을 보장해야 합니다. 또한 AI 모델의 발전 속도를 고려하여 지속적인 검토와 업데이트가 필요합니다.
최근 연구 결과에 따르면, AI 모델의 권한 부여는 금융, 의료, 법률 등 민감한 분야에서 더욱 신중하게 접근해야 합니다.
- 최종적인 의사결정 내리다
이러한 능력입니다.
그러므로 “코드 작성자”라는 역할에서 “AI를 포함한 개발 프로세스 전반을 설계하는 사람”으로 역할이 확장될 가능성이 있습니다.
물론, 코드를 이해하는 능력이 필요 없어지는 것은 아닙니다. 오히려 AI가 생성한 코드를 정확하게 평가하기 위해서는 소프트웨어 자체에 대한 이해가 중요합니다.
이제 “슬랙 코드”로 돌아가 보겠습니다.
지금까지의 논의를 고려할 때, 이전에 소개한 슬랙 코드의 의미가 약간 다르게 느껴집니다.
클로이드 코드, 커서, GitHub Copilot, 코덱스
이러한 서비스들은 각각 다른 방식으로 AI 에이전트 개발을 진행하고 있습니다. 하지만 AI가 개발을 수행하게 되면 새로운 문제들이 발생합니다.
이는 “AI가 무엇을 하고 있는지, 팀은 어떻게 공유하는지?”라는 문제에 대한 해결책입니다. 이에 맞춰 Slack Code와 같은 시스템이 등장합니다. Slack Code에서는 AI 에이전트와의 개발 작업을 팀의 소통 속에 통합하는 것을 목표로 합니다.
AI는 작업을 수행한다. 사람이 확인한다. 팀 멤버는 피드백을 제공한다. AI는 수정한다. 사람이 검토한다.
이 흐름을 팀 전체가 시각적으로 확인할 수 있는 공간에서 진행하는 것이죠. 이것이 Slack Code의 매력적인 부분입니다.
즉, AI 주도 개발은 단순히 “AI에게 일을 맡기는” 것뿐만 아니라 “AI와 인간이 어떻게 함께 협력할 것인가”라는 문제이기도 합니다.
AI와 인간의 협력, 즉 “AI × 인간”으로 접근해야 합니다.
AI는 코드를 작성하고, 테스트를 수행하며, Pull Request까지 생성할 수 있게 되었다.
그러면 인간은 무엇을 하는가.
저희는 “인간의 일자리가 없어지는” 것이 아니라 “인간과 AI의 역할 분담이 달라지는” 것을 생각합니다.
예를 들어,
인간 목적·요구사항·제약 조건을 결정하는 단계 ↓AI 조사·설계 지원·구현·테스트·수정 단계 ↓ 인간 검토·승인·의사 결정
그렇기 때문에 그러한 관계입니다.
더 나아가, 앞으로는
인간↓AI 에이전트 A: 요구사항 정리↓AI 에이전트 B: 설계↓AI 에이전트 C: 구현↓AI 에이전트 D: 테스트↓AI 에이전트 E: 검토↓인간: 최종 결정
이러한 방식으로 여러 AI가 협력하여 개발하는 방안도 고려해 볼 수 있습니다.
실제로 커서(Cursor)나 코덱스(Codex)에서는 여러 개의 AI 에이전트를 병렬로 처리하는 방식의 기능이 이미 등장하고 있습니다.
AI 주도 개발의 본질은 “AI 위탁”이 아니다.
이 부분을 종합해 보면, AI 주도 개발은 AI에게 코드를 작성하게 하는 것만을 의미하지 않습니다.
우리는 오히려 AI를 개발 프로세스 안에 통합하고, 인간과 AI의 역할을 근본적으로 재설계하는 방향으로 나아가야 한다고 생각합니다.
AI는, 인간의 지능을 모방하여 학습하고 판단하는 컴퓨터 시스템을 의미합니다. 최근 몇 년 동안 인공지능 기술은 놀라운 속도로 발전해 왔으며, 특히 딥러닝 기술 덕분에 이미지 인식, 음성 인식, 자연어 처리 등 다양한 분야에서 인공지능의 성능이 크게 향상되었습니다. 구글의 이미지 인식 기술은 사진 속 객체를 정확하게 식별하고, 아마존의 음성 인식 기술은 사용자의 음성을 통해 다양한 명령을 수행합니다. 또한, 애플의 자연어 처리 기술은 Siri와 같은 음성 비서에 적용되어 사용자와 자연스러운 대화를 가능하게 합니다. 이러한 인공지능 기술은 의료, 금융, 교육 등 다양한 분야에서 활용될 수 있으며, 우리의 삶을 더욱 편리하고 효율적으로 만들어 줄 것으로 기대됩니다. 하지만 인공지능 기술의 발전은 윤리적인 문제와도 관련될 수 있으며, 인공지능이 인간의 일자리를 대체할 수 있다는 우려와 편향된 데이터를 학습하여 차별적인 결과를 초래할 수 있다는 문제도 제기되고 있습니다. 따라서 인공지능 기술을 개발하고 활용하는 과정에서 이러한 윤리적인 문제들을 충분히 고려해야 합니다.
조사하고, 생각하고, 만들고, 테스트하고, 수정한다.
그 일을 지금까지보다 훨씬 더 많이 맡게 되었습니다.
한편, 인간은
무엇을 만들 것인가. 왜 그것을 만들 것인가. 그것이 진정으로 옳은 것인지. 그것을 세상에 내놓는 것이 옳은가.
판단한다.
이 관계는 앞으로 더욱 변화할 것입니다.
## AI가 코드를 작성하는 시대”의 다음 단계
최근 몇 년 동안 인공지능이 코드를 작성하는 능력이 놀라운 속도로 발전해 왔습니다. 특히, OpenAI의 GPT-3와 같은 대규모 언어 모델(LLM)은 단순한 코드 생성뿐만 아니라 복잡한 알고리즘 설계, 디버깅, 심지어 새로운 프로그래밍 언어 개발까지 가능하게 되었습니다. 이러한 발전은 소프트웨어 개발 프로세스 전반에 혁신적인 변화를 가져올 것으로 예상됩니다.
하지만 인공지능이 코드를 작성하는 것은 아직 초기 단계에 불과합니다. 현재 인공지능이 생성하는 코드는 종종 오류가 많고, 이해하기 어려우며, 특정 문제에만 최적화되어 있습니다. 또한 인공지능은 창의적인 문제 해결 능력이나 비판적인 사고 능력이 부족하여 복잡하고 새로운 아이디어를 가진 소프트웨어를 개발하는 데 어려움을 겪고 있습니다.
따라서 “AI가 코드를 작성하는 시대”의 다음 단계는 인공지능이 인간 개발자와 협력하여 더욱 효율적이고 안전하며 창의적인 소프트웨어를 개발하는 것입니다. 이를 위해 인공지능은 인간의 지시를 더 정확하게 이해하고, 인간의 피드백을 통해 지속적으로 학습해야 합니다. 또한 인공지능은 인간 개발자의 창의적인 아이디어를 지원하고 새로운 문제 해결 방안을 제시하는 역할을 수행해야 합니다.
이러한 협력적인 접근 방식을 통해 인공지능은 소프트웨어 개발 분야에서 인간의 능력을 보완하고 더욱 혁신적인 기술 발전을 이끌어낼 수 있을 것입니다.
지난 글에서는 “Slack 코드란 무엇인가?”를 소개했습니다.
이번 글에서는 그 배경에는 “왜 지금, AI와 인간이 함께 개발해야 하는가?”라는 질문에 대해 고민해 보았습니다.
클로이드 코드, 커서, GitHub Copilot, OpenAI 코덱스, 슬랙 코드
각각은 동일한 서비스가 아니지만, 그 뒤에는 하나의 큰 흐름이 있습니다.
그것은
AI는 “코드 작성 도구”에서 “개발 작업 실행 에이전트”로 변화하고 있습니다.
그렇습니다.
그리고 그 다음에는 기다리는 것이 있습니다.
AI를 팀의 일원으로 어떻게 활용할 것인가?
이 문제는 다음과 같습니다.
바로 dlatego, 앞으로의 개발은 AI와 인간의 협력을 통해 발전해 나갈 것으로 예상됩니다.
AI에게 무엇을 맡길 것인가. 인간은 무엇을 판단할 것인가. 그리고 여러 개의 AI 에이전트를 어떻게 조합할 것인가.
이는 앞으로의 소프트웨어 개발을 고려할 때 매우 중요한 주제가 될 것입니다.
아수니-나레 주식회사에서는 앞으로도 AI 에이전트, AI 기반 개발, AI to AI 등 AI로 인해 변화해갈 업무와 기술에 대해 가능한 한 가장 먼저 얻은 정보를 바탕으로 발신을 계속해 나갈 것입니다.
AI와 인간이 함께 소프트웨어를 만든다 시대이다.
그 변화는 이미 시작되었고, 이제 다음 시대로 나아가자.
함께 읽어보시는 기사
참고・출처
본 기사는 2026년 8월 시점 기준으로 각사가 공개하고 있는 공식 정보를 바탕으로 정리 및 집필되었습니다. ※각 서비스의 기능 및 제공 상황은 변경될 수 있습니다. 본 기사에서는 각사가 공식적으로 발표 및 공개한 내용의 범위 내에서 기재되어 있습니다. ※특정 AI 서비스를 추천하는 것을 목적으로 하지 않으며, 제품 또는 서비스를 선정하는 경우에는 각 사 공식 웹사이트의 정보를 다시 확인해 주시기 바랍니다.
슬랙은 기업 내 커뮤니케이션을 위한 클라우드 기반 협업 플랫폼입니다. 텍스트 채널, 음성 및 영상 통화, 파일 공유 등 다양한 기능을 제공하며, 팀원 간의 실시간 소통을 원활하게 돕습니다. 특히, 슬랙의 핵심 기능인 ‘채널’은 특정 주제나 프로젝트에 따라 그룹을 나누어 정보를 공유하고 토론할 수 있도록 해줍니다. 이를 통해 불필요한 이메일 사용을 줄이고, 업무 효율성을 높일 수 있습니다. 또한, 슬랙은 다양한 앱과의 연동을 지원하여, 사용자는 기존에 사용하던 서비스와 슬랙을 함께 활용하여 업무를 진행할 수 있습니다.
슬랙은 다양한 규모의 기업에서 널리 사용되고 있으며, 특히 스타트업과 IT 기업에서 그 활용도가 높습니다. 슬랙을 통해 팀원들은 언제 어디서든 실시간으로 소통하며, 협업을 통해 더 나은 결과를 만들어낼 수 있습니다. 슬랙의 지속적인 업데이트와 새로운 기능 추가를 통해, 기업의 커뮤니케이션 환경을 더욱 발전시키고 있습니다.
- ## 슬랙 공식 블로그 - 슬랙 코드 채널을 위한 에이전트
슬랙에서 에이전트 팀을 위한 코드 채널을 도입하게 된 배경은 간단합니다. 에이전트 팀은 다양한 고객사의 프로젝트를 진행하며, 각 프로젝트마다 여러 팀과 협업해야 합니다. 이러한 협업 과정에서 코드 관련 질문, 문제 해결, 코드 리뷰 등 다양한 활동이 빈번하게 발생했습니다. 기존의 일반적인 슬랙 채널에서는 이러한 활동이 혼재되어 효율적인 소통이 어려웠습니다.
그래서 슬랙은 에이전트 팀의 코드 관련 활동을 위한 전용 채널을 제공하기로 결정했습니다. 이 채널은 에이전트 팀이 고객사의 프로젝트를 진행하면서 발생하는 코드 관련 질문에 빠르게 답변을 얻고, 문제 해결을 위한 협업을 원활하게 진행하며, 코드 리뷰를 통해 코드 품질을 향상시킬 수 있도록 설계되었습니다.
이 새로운 코드 채널은 다음과 같은 특징을 가지고 있습니다.
* **프로젝트별 채널:** 각 프로젝트마다 별도의 채널을 생성하여 프로젝트 관련 코드에 대한 논의를 집중할 수 있도록 합니다. 이를 통해 채널의 혼잡도를 줄이고, 관련 질문에 대한 신속한 답변을 제공할 수 있습니다.
* **에이전트 팀원 전용:** 에이전트 팀원만 해당 채널에 참여할 수 있도록 설정하여 외부인의 불필요한 참여를 방지하고, 팀원 간의 긴밀한 협업을 지원합니다.
* **코드 공유 및 첨부:** 코드 스니펫, 이미지, GIF 등 다양한 형태의 코드를 쉽게 공유하고 첨부할 수 있도록 지원합니다. 이를 통해 팀원 간의 이해도를 높이고, 문제 해결 과정을 효율적으로 진행할 수 있습니다.
* **자동화된 봇 기능:** 슬랙 봇을 활용하여 코드 관련 질문에 대한 자동화된 답변을 제공하고, 코드 리뷰 프로세스를 자동화하는 등 다양한 기능을 제공합니다.
이러한 기능들을 통해 슬랙 코드 채널은 에이전트 팀의 코드 관련 활동을 더욱 효율적으로 관리하고, 고객사의 프로젝트 성공에 기여할 수 있도록 지원할 것입니다. 앞으로도 슬랙은 에이전트 팀의 피드백을 적극적으로 반영하여 코드 채널을 지속적으로 개선해 나갈 것입니다.
**참고:** 이 번역은 슬랙 공식 블로그의 내용을 기반으로 작성되었으며, 슬랙의 정책 및 서비스 내용과 다를 수 있습니다.
Anthropic의 Claude Code는 Claude 3 Opus 모델을 기반으로 구축된 코드 생성 및 디버깅 도구입니다. 특히, Anthropic의 ‘ReAct’ 프레임워크를 활용하여 사용자가 질문을 통해 모델에게 지시를 내리고, 모델이 답변을 생성하며, 다시 사용자가 질문을 수정하는 과정을 반복함으로써 복잡한 코딩 문제를 해결하도록 돕습니다.
이 도구는 OpenAI의 GPT 모델과 경쟁하며, 특히 코드 생성 능력과 디버깅 능력에서 두각을 나타냅니다. Anthropic은 Claude 3 Opus 모델의 강력한 추론 능력과 창의성을 활용하여 다양한 프로그래밍 언어에 대한 코드 생성, 코드 설명, 코드 디버깅, 코드 최적화 등 다양한 기능을 제공합니다.
현재 Claude Code는 베타 버전으로 제공되고 있으며, Anthropic은 사용자 피드백을 수집하여 지속적으로 기능을 개선하고 있습니다. 또한 Claude Code는 다양한 프로그래밍 언어 지원을 확대하고, 더 많은 코드 예제를 제공하여 사용자의 편의성을 높이는 데 주력하고 있습니다.
Anthropic은 Claude Code를 통해 개발자들에게 더욱 효율적이고 생산적인 코딩 환경을 제공하고, 궁극적으로 소프트웨어 개발 프로세스를 혁신하는 것을 목표로 하고 있습니다.
- Claude Code 모델은 코딩 작업을 위한 특별히 설계된 모델입니다. Claude Code는 다양한 프로그래밍 언어에 대한 지식을 갖추고 있으며, 코드 생성, 디버깅, 설명, 최적화 등 다양한 코딩 관련 작업을 수행할 수 있습니다.
**코드 생성:** Claude Code는 프롬프트에 따라 다양한 프로그래밍 언어로 코드를 생성할 수 있습니다. 예를 들어, “파이썬으로 팩토리얼 함수를 작성해줘”와 같은 요청에 대해 Claude Code는 해당 함수를 생성해 줍니다.
**코드 디버깅:** Claude Code는 코드의 오류를 찾아 수정하는 데 도움을 줄 수 있습니다. Claude Code는 코드의 특정 부분을 분석하고, 잠재적인 오류를 식별하며, 수정 방법을 제안할 수 있습니다.
**코드 설명:** Claude Code는 코드의 기능을 설명하는 설명을 생성할 수 있습니다. Claude Code는 코드의 각 부분을 설명하고, 전체적인 기능을 설명하며, 코드의 작동 방식을 설명할 수 있습니다.
**코드 최적화:** Claude Code는 코드의 성능을 향상시키는 데 도움을 줄 수 있습니다. Claude Code는 코드의 효율성을 분석하고, 개선 방법을 제안하며, 코드의 성능을 최적화할 수 있습니다.
Claude Code는 다음과 같은 프로그래밍 언어를 지원합니다. Python, JavaScript, C++, Java, Go, Ruby, PHP, Swift, Kotlin, Rust 등. Claude Code는 다양한 프레임워크와 라이브러리도 지원합니다. 예를 들어, TensorFlow, PyTorch, React, Angular, Vue.js 등.
Claude Code를 사용하려면 Anthropic API를 통해 액세스할 수 있습니다. Anthropic API를 사용하려면 Anthropic 계정을 생성하고 API 키를 얻어야 합니다. Anthropic API를 사용하려면 Claude Code 모델을 호출하고, 응답을 처리해야 합니다.
**참고:** Claude Code 모델은 아직 개발 중인 모델이므로, 완벽하지 않을 수 있습니다. Claude Code를 사용하여 생성된 코드는 테스트하고 검증해야 합니다.
- GitHub 액션에서 Claude Code를 사용하는 방법에 대한 자세한 내용은 Anthropic 공식 문서에서 확인할 수 있습니다.
**액션 설정**
GitHub 액션에서 Claude Code를 사용하려면 다음 단계를 따르세요.
1. **액션 파일 생성:** GitHub 리포지토리의 루트 디렉토리에 `.github/workflows/` 폴더를 생성하고, 액션 파일을 생성합니다(예: `claude-code.yml`).
2. **액션 파일 구성:** 액션 파일에 다음 내용을 추가하여 Claude Code를 사용하도록 설정합니다.
* `uses`: Anthropic에서 제공하는 Claude Code 액션을 사용하도록 지정합니다.
* `secrets`: Claude Code에 필요한 API 키를 설정합니다. Anthropic 계정에서 API 키를 생성하고 GitHub Secrets에 저장해야 합니다.
* `runs`: 액션 실행에 필요한 단계를 정의합니다. 예를 들어, Claude Code에 프롬프트를 전달하고 결과를 저장하는 단계를 포함할 수 있습니다.
3. **예시 액션 파일:** 다음은 Claude Code를 사용하는 간단한 액션 파일의 예시입니다.
```yaml
name: Claude Code 실행
on:
push:
branches:
- main
jobs:
claude-code-job:
runs-on: ubuntu-latest
steps:
- name: Claude Code 실행
env:
ANTHROPIC_API_KEY: ${{ secrets.ANTHROPIC_API_KEY }}
run: |
echo "Claude Code를 실행합니다..."
# Claude Code API를 호출하는 명령어를 여기에 추가합니다.
# 예: python -m claude_code --prompt "Hello, Claude!"
```
4. **GitHub Secrets 설정:** Claude Code가 API 키를 사용할 수 있도록 GitHub Secrets에 Anthropic API 키를 추가합니다. GitHub 리포지토리의 설정 -> Secrets -> Actions에서 API 키를 추가할 수 있습니다.
5. **액션 실행:** GitHub 리포지토리에 변경 사항을 커밋하고 푸시하면 액션이 자동으로 실행됩니다. 액션 실행 결과를 GitHub Actions에서 확인할 수 있습니다.
**참고:**
* Claude Code를 사용하려면 Anthropic 계정이 필요합니다. Anthropic 웹사이트에서 계정을 생성할 수 있습니다.
* Claude Code API 키는 Anthropic 웹사이트에서 생성할 수 있습니다.
* 액션 파일의 내용을 수정하여 Claude Code를 특정 프롬프트와 함께 실행할 수 있습니다.
* Claude Code API를 호출하는 명령어를 액션 파일의 `run` 단계에 추가해야 합니다.
* 액션 실행 결과를 GitHub Actions에서 확인할 수 있습니다.
더 자세한 내용은 Anthropic 공식 문서를 참조하십시오. [Anthropic 공식 문서](https://docs.anthropic.com/en/docs/claude-code/github-actions)
- Anthropic 공식: https://www.anthropic.com/news/how-ai-is-transforming-work-at-anthropic
Anthropic은 대규모 언어 모델(LLM)인 Claude를 개발하여 다양한 업무를 자동화하고 효율성을 높이는 동시에, AI 윤리 및 안전 연구에 지속적으로 투자하고 있습니다.
Claude는 고객 지원 요청 처리, 법률 문서 초안 작성, 다양한 콘텐츠 생성 등 다양한 용도로 활용될 뿐만 아니라, Anthropic의 내부 팀원들이 더욱 창의적이고 전략적인 업무에 집중할 수 있도록 지원합니다.
Anthropic은 AI가 인간의 업무를 대체하는 것이 아니라, 인간을 돕고 강화하는 도구라고 믿으며, AI와 인간의 협력을 통해 더 나은 결과를 만들어낼 수 있다고 기대합니다.
Cursor
- Cursor 공식 홈페이지에서 제공하는 데이터 분석 도구인 Cursor는 데이터 분석가들이 복잡한 데이터 작업을 효율적으로 수행할 수 있도록 돕는 강력한 도구입니다. Cursor는 특히 데이터 시각화, 데이터 변환, 데이터 분석 등 다양한 기능을 제공하며, 이를 통해 사용자는 데이터의 숨겨진 패턴과 인사이트를 빠르게 발견할 수 있습니다.
Cursor의 핵심 기능 중 하나는 ‘쿼리’입니다. 쿼리는 SQL과 유사한 구문을 사용하여 데이터를 추출하고 변환하는 데 사용되며, Cursor는 쿼리 편집기, 쿼리 실행, 쿼리 결과 시각화 등 쿼리 작업을 위한 모든 기능을 제공합니다. 또한 Cursor는 다양한 데이터 소스(Google Sheets, CSV, JSON 등)를 지원하며, 사용자는 자신의 데이터 소스에 맞춰 쿼리를 작성할 수 있습니다.
Cursor는 사용자 친화적인 인터페이스를 제공하여 SQL 경험이 없는 사용자도 쉽게 사용할 수 있도록 설계되었습니다. Cursor는 또한 자동 완성, 힌트, 오류 메시지 등 다양한 기능을 제공하여 사용자의 생산성을 높입니다.
Cursor는 데이터 분석가뿐만 아니라 데이터 분석에 관심 있는 모든 사람에게 유용한 도구입니다. Cursor를 통해 사용자는 자신의 데이터를 분석하고 인사이트를 얻고 더 나은 결정을 내릴 수 있습니다.
Cursor는 지속적으로 업데이트되고 있으며, 새로운 기능과 개선 사항이 추가될 예정입니다. Cursor에 대한 자세한 내용은 Cursor 공식 홈페이지를 방문하여 확인할 수 있습니다.
- 커서 공식 블로그: 자동화
- Cursor 공식 블로그 - 에이전트 컴퓨터 사용
에이전트 컴퓨터는 복잡한 작업을 자동화하고, 데이터 분석을 수행하며, 사용자에게 맞춤형 정보를 제공하는 데 사용되는 강력한 도구입니다. 하지만, 에이전트 컴퓨터를 효과적으로 사용하기 위해서는 몇 가지 중요한 사항을 고려해야 합니다.
에이전트 컴퓨터의 주요 사용 사례
에이전트 컴퓨터는 다양한 분야에서 활용되고 있습니다. 몇 가지 주요 사용 사례는 다음과 같습니다.
* 고객 서비스 자동화: 챗봇과 같은 에이전트 컴퓨터는 고객 문의에 24시간 응대하고, 자주 묻는 질문에 답변하며, 고객 지원 티켓을 처리하는 데 사용될 수 있습니다.
* 데이터 분석 및 보고: 에이전트 컴퓨터는 대규모 데이터 세트를 분석하고, 패턴을 식별하며, 실시간 보고서를 생성하는 데 사용될 수 있습니다.
* 마케팅 캠페인 최적화: 에이전트 컴퓨터는 마케팅 캠페인의 성과를 추적하고, 광고 타겟팅을 최적화하며, 개인화된 콘텐츠를 제공하는 데 사용될 수 있습니다.
* 내부 프로세스 자동화: 에이전트 컴퓨터는 반복적인 작업을 자동화하고, 업무 효율성을 높이며, 오류를 줄이는 데 사용될 수 있습니다.
에이전트 컴퓨터 사용 시 고려 사항
에이전트 컴퓨터를 효과적으로 사용하기 위해서는 다음과 같은 사항을 고려해야 합니다.
* 명확한 목표 설정: 에이전트 컴퓨터를 통해 무엇을 달성하고자 하는지 명확하게 정의해야 합니다. 목표가 불분명하면 에이전트 컴퓨터가 제대로 작동하지 않을 수 있습니다.
* 적절한 데이터 확보: 에이전트 컴퓨터는 데이터를 기반으로 작동합니다. 따라서, 에이전트 컴퓨터를 사용하기 위해서는 적절한 양의 고품질 데이터를 확보해야 합니다.
* 지속적인 모니터링 및 개선: 에이전트 컴퓨터의 성능을 지속적으로 모니터링하고, 필요에 따라 개선해야 합니다. 에이전트 컴퓨터는 시간이 지남에 따라 변화하는 요구 사항에 맞춰 조정되어야 합니다.
결론
에이전트 컴퓨터는 다양한 분야에서 활용될 수 있는 강력한 도구입니다. 하지만, 에이전트 컴퓨터를 효과적으로 사용하기 위해서는 명확한 목표 설정, 적절한 데이터 확보, 지속적인 모니터링 및 개선이 필요합니다.
Cursor의 다양한 자료를 참고해 주세요.
GitHub Copilot
GitHub Copilot은 OpenAI의 GPT-3 모델을 기반으로 하는 AI 기반 코드 자동 완성 도구입니다. 개발자가 코드를 작성할 때, 문맥을 파악하여 다음 코드를 제안합니다.
Copilot은 다양한 프로그래밍 언어를 지원하며, 코드의 완성도뿐만 아니라, 주석 작성, 테스트 코드 생성, 심지어는 간단한 기능 구현을 돕습니다.
최근 GitHub는 Copilot의 기능을 더욱 강화하기 위해, 코드 완성 시 더 정확하고 관련성 높은 제안을 제공하기 위해 GPT-3 모델을 지속적으로 업데이트하고 있습니다. 또한, Copilot은 개발자가 코드를 더 효율적으로 작성하고, 생산성을 높이는 데 기여합니다.
Copilot의 사용은 개발자의 코딩 경험을 혁신적으로 변화시키고 있으며, 앞으로도 더욱 발전된 기능을 통해 개발 생태계를 더욱 풍요롭게 만들 것으로 기대됩니다.
현재 GitHub Copilot은 개인 사용자 및 기업 모두에게 제공되고 있으며, 무료 평가판을 통해 먼저 사용해 볼 수 있습니다. 자세한 내용은 GitHub Copilot 웹사이트([https://github.com/features/copilot](https://github.com/features/copilot))에서 확인할 수 있습니다.
- 코딩 에이전트는 코드를 더 빠르고 효율적으로 작성하는 데 도움이 되는 강력한 도구입니다. GitHub Copilot을 기반으로 구축되었으며, 대규모 언어 모델의 힘을 활용하여 여러분의 의도를 이해하고 코드 제안을 생성합니다.
다음은 코딩 에이전트가 작동하는 방식에 대한 설명입니다.
* **문맥 이해:** 코딩 에이전트는 여러분의 주석, 기존 코드 및 주변 환경을 포함하여 코드의 문맥을 분석합니다. 이를 통해 더욱 관련성 있고 정확한 코드 제안을 제공할 수 있습니다.
* **의도 인식:** 코딩 에이전트는 자연어 처리 기술을 사용하여 코드로 명시적으로 표현하지 않더라도 여러분의 의도를 이해합니다.
* **코드 생성:** 코딩 에이전트는 문맥 및 의도에 따라 실시간으로 코드 제안을 생성합니다.
* **상호 작용 편집:** 여러분은 수락, 거부 또는 수정하여 코딩 에이전트의 제안과 상호 작용할 수 있습니다. 이를 통해 여러분의 특정 요구 사항에 맞게 코드를 미세 조정할 수 있습니다.
**주요 기능:**
* **다국어 지원:** 코딩 에이전트는 Python, JavaScript, TypeScript, Ruby, Go, C# 등 다양한 프로그래밍 언어를 지원합니다.
* **GitHub Copilot과의 통합:** 코딩 에이전트는 GitHub Copilot과 원활하게 통합되어 더욱 강력한 코딩 경험을 제공합니다.
* **사용자 정의 설정:** 여러분의 특정 워크플로에 맞게 코딩 에이전트의 설정을 사용자 정의할 수 있습니다.
**시작하기:**
1. **코딩 에이전트 활성화:** GitHub Copilot 설정에서 코딩 에이전트가 활성화되어 있는지 확인합니다.
2. **코딩 시작:** 선호하는 프로그래밍 언어로 코딩을 시작합니다.
3. **제안과 상호 작용:** 코딩 에이전트는 여러분이 입력하는 동안 코드 제안을 생성하기 시작합니다. 필요한 경우 제안을 수락, 거부 또는 수정합니다.
**자원:**
* [GitHub Copilot 문서](https://docs.github.com/en/copilot)
* [GitHub Copilot 가격](https://github.com/features/copilot)
- 클라우드 에이전트는 GitHub Copilot의 일부로, GitHub Enterprise에서 사용 가능한 기능입니다. 클라우드 에이전트는 GitHub Enterprise에서 실행되는 애플리케이션과 통합되어 애플리케이션에서 Copilot의 기능을 활용할 수 있도록 합니다.
주요 기능
* 애플리케이션 통합: 클라우드 에이전트는 GitHub Enterprise에서 실행되는 Visual Studio Code, Visual Studio, JetBrains IDE 등 다양한 애플리케이션과 통합될 수 있습니다.
* 보안 및 규정 준수: 클라우드 에이전트는 GitHub Enterprise의 보안 및 규정 준수 기능을 활용하여 애플리케이션에서 Copilot을 안전하게 사용할 수 있도록 합니다.
* 맞춤 설정: 클라우드 에이전트는 특정 애플리케이션 및 워크플로우에 맞게 맞춤 설정할 수 있습니다.
사용 사례
* 코드 완성: 클라우드 에이전트를 통해 애플리케이션에서 코드 완성 기능을 사용할 수 있습니다.
* 코드 생성: 클라우드 에이전트를 통해 애플리케이션에서 코드 생성을 지원받을 수 있습니다.
* 버그 수정: 클라우드 에이전트를 통해 애플리케이션에서 버그를 수정하는 데 도움을 받을 수 있습니다.
참고: 클라우드 에이전트는 GitHub Enterprise의 일부로 제공되며, GitHub Enterprise 구독이 필요합니다. 자세한 내용은 GitHub Enterprise 문서를 참조하십시오.
- Copilot 클라우드 에이전트가 2026년 6월 13일 정식으로 출시됩니다. 이번 출시를 통해 워크플로우 자동화 수준을 한 단계 끌어올리고, Copilot 내에서 직접 작업을 예약하고 자동화할 수 있습니다.
Copilot 클라우드 에이전트를 사용하면 다음과 같은 작업을 수행할 수 있습니다.
* **작업 예약:** Copilot이 지정된 간격으로 작업을 자동으로 실행하도록 설정합니다.
* **워크플로우 자동화:** 여러 작업을 연결하여 이벤트나 일정에 의해 트리거되는 복잡한 워크플로우를 만듭니다.
* **기존 도구와의 통합:** Slack, Jira, GitHub와 같은 선호하는 도구 및 서비스와 Copilot 클라우드 에이전트를 연결합니다.
* **에이전트 모니터링 및 관리:** 에이전트 성능을 추적하고 필요에 따라 설정을 조정합니다.
또한, “에이전트 템플릿”이라는 새로운 기능을 소개합니다. 이는 일반적인 사용 사례에 대한 사전 구축된 워크플로우를 제공하며, 필요에 맞게 쉽게 사용자 정의할 수 있습니다.
시작하는 데 도움이 되도록 다양한 튜토리얼과 문서를 제작했습니다. 자세한 내용은 다음 링크에서 확인하실 수 있습니다: [https://docs.github.com/en/copilot/cloud-agent](https://docs.github.com/en/copilot/cloud-agent)
Copilot 클라우드 에이전트는 워크플로우를 간소화하고 생산성을 향상하고자 하는 개발자 및 팀에게 귀중한 도구가 될 것이라고 확신합니다. 여러분이 이 기능을 사용하여 무엇을 만들지 기대하고 있습니다!
OpenAI의 Codex는 자연어와 코드를 모두 이해하고 생성할 수 있는 모델입니다. 2019년 8월에 공개되었으며, GPT-3를 기반으로 구축되었습니다. Codex는 특히 프로그래밍 언어, 특히 Python과 C#에 대한 능력이 뛰어나며, 이를 통해 코드 자동 완성, 코드 생성, 코드 설명 등의 기능을 제공합니다.
Codex는 다양한 방식으로 활용될 수 있습니다. 예를 들어, 간단한 명령어를 사용하여 코드를 생성하거나, 기존 코드를 기반으로 새로운 기능을 추가할 수 있습니다. 또한, Codex는 코드에 대한 설명을 생성하여 코드의 이해도를 높이는 데에도 활용될 수 있습니다.
Codex는 아직 완벽하지 않지만, 프로그래밍 분야에 혁신을 가져올 잠재력을 가지고 있습니다. 앞으로 Codex는 더욱 발전하여 개발자의 생산성을 향상시키고, 새로운 애플리케이션 개발을 촉진하는 데 기여할 것으로 기대됩니다.
- OpenAI 공식 https://openai.com/codex/
- Codex는 더욱 강력하고 유연하게 발전했습니다. Codex는 OpenAI에서 개발한 GPT-3 기반의 코드 생성 모델로, 자연어 프롬프트를 기반으로 다양한 프로그래밍 언어로 코드를 생성할 수 있습니다.
최근 업데이트를 통해 Codex는 다음과 같은 개선 사항을 제공합니다.
* 다양한 언어 지원: Python, JavaScript, C#, Java, Go, TypeScript, Ruby, PHP, Swift, Kotlin, Rust 등 다양한 프로그래밍 언어를 지원합니다.
* 향상된 코드 품질: 더욱 정확하고 효율적인 코드를 생성하도록 훈련되었습니다.
* 개선된 프롬프트 이해: 더욱 복잡하고 상세한 프롬프트를 이해하고 해석할 수 있습니다.
* 새로운 기능: 코드 완성, 코드 설명, 코드 변환 등 다양한 기능을 제공합니다.
Codex는 개발자가 코딩 작업을 더 빠르고 효율적으로 수행할 수 있도록 돕는 강력한 도구입니다. Codex를 사용하면 개발자는 코딩에 집중하고 창의적인 문제를 해결하는 데 더 많은 시간을 투자할 수 있습니다.
Codex는 OpenAI 웹사이트에서 이용할 수 있습니다. [https://openai.com/index/introducing-upgrades-to-codex/](https://openai.com/index/introducing-upgrades-to-codex/) 에서 자세한 내용을 확인할 수 있습니다.
- OpenAI 공식 발표: Codex가 일반 사용자에게 출시되었습니다.
- OpenAI 공식 가이드: Codex 안전하게 실행하기
Codex는 OpenAI의 최첨단 언어 모델로, 자연어 프롬프트로부터 코드를 생성합니다. Codex를 안전하게 실행하기 위한 지침을 제공합니다.
**Codex를 안전하게 실행하기 위한 주요 고려 사항**
* 출력 검토: Codex가 생성한 코드는 반드시 사람이 검토해야 합니다. Codex는 완벽하지 않으며, 때로는 오류가 있거나 예상치 못한 동작을 하는 코드를 생성할 수 있습니다.
* 샌드박스 환경: Codex를 프로덕션 환경에서 사용하기 전에 샌드박스 환경에서 테스트하는 것이 좋습니다. 샌드박스 환경은 실제 시스템에 영향을 미치지 않고 Codex의 동작을 테스트할 수 있는 안전한 공간을 제공합니다.
* 입력 제한: Codex는 특정 유형의 입력에만 작동합니다. Codex가 이해할 수 있는 형식으로 프롬프트를 작성해야 합니다.
* 출력 제한: Codex는 특정 길이의 코드만 생성할 수 있습니다. Codex가 생성한 코드가 필요한 길이에 있는지 확인해야 합니다.
* 보안: Codex는 악의적인 목적으로 사용될 수 있습니다. Codex를 사용하여 생성된 코드를 신중하게 검토하고, 보안 취약점이 있는지 확인해야 합니다.
**Codex 안전 실행을 위한 추가 팁**
* 명확하고 구체적인 프롬프트 사용: Codex가 생성하는 코드의 품질을 향상시키기 위해 명확하고 구체적인 프롬프트를 사용하십시오.
* 제한된 범위의 작업에 Codex 사용: Codex는 특정 유형의 작업에 가장 적합합니다. Codex를 사용하여 수행할 수 있는 작업의 범위를 이해하고, 해당 범위 내에서만 사용하십시오.
* Codex의 한계 이해: Codex는 완벽하지 않으며, 때로는 오류가 있거나 예상치 못한 동작을 하는 코드를 생성할 수 있습니다. Codex의 한계를 이해하고, Codex가 생성한 코드를 신중하게 검토하십시오.
* 정기적인 업데이트: OpenAI는 Codex를 지속적으로 개선하고 있습니다. Codex의 최신 업데이트를 확인하고, 새로운 기능과 개선 사항을 활용하십시오.
**참고:** Codex는 OpenAI의 연구 프로젝트이며, 아직 개발 중입니다. Codex의 성능은 시간이 지남에 따라 향상될 것입니다.
**문의:** Codex에 대해 궁금한 점이 있으면 OpenAI에 문의하십시오. [https://openai.com/](https://openai.com/)
출처: note 원문
번역: Gemma 3(.44) 초벌 + 교정 86청크
원문 보기 | 출처: note.com