AI 개발 지형 — 모델·하네스·외부 도구의 책임 나누기
모델의 추론, 코딩 에이전트의 실행 환경, MCP 외부 연결, API 애플리케이션의 책임을 나누고 목적에 맞는 비교·사용 경험·설계 글로 연결한다.
AI 개발 도구를 익힐 때 서로 다른 질문을 한 줄에 놓기 쉽다. “어떤 모델을 쓸까”, “어떤 코딩 도구를 쓸까”, “DB를 어떻게 연결할까”, “내 앱에서 모델을 호출할까”는 다음 단계가 아니라 서로 다른 선택 축이다.
이 문서는 모델 학습부터 에이전트 개발까지 포괄하는 AI 전체 로드맵이 아니다. 개발 작업에서 자주 만나는 모델·실행 환경·외부 연결의 책임 지도이며, 필요한 글로 들어가는 인덱스다. 화살표는 호출·결과 전달을, 가지는 그 책임에 포함되는 요소를 뜻한다.
1
2
3
4
5
6
7
8
9
10
11
12
사용자 요청
│
▼
실행 환경: 완성된 코딩 Agent 또는 직접 만든 Application
├─ 지침·세션·컨텍스트 관리
├─ 모델 호출 ───────────────→ Model Provider / 추론 모델
│ │
│ 답변·판단·Tool call 제안
│ │
└─ 권한 검사·도구 실행 ←────────────────┘
├─ 내장 파일·Shell·코드 탐색
└─ MCP Client → MCP Server → 외부 File·DB·API
모델이 도구를 제안해도 실제 실행·승인·결과 보존은 실행 환경의 책임이다. 코딩 도구를 쓰면 이 루프를 제품으로 받아들이고, API 앱을 만들면 직접 구현할 책임이 늘어난다.
1. 무엇을 선택하는지 먼저 나눈다
| 선택 축 | 답하는 질문 | 혼동하지 않을 것 |
|---|---|---|
| 모델·추론 강도 | 어떤 엔진에 얼마나 깊이 생각하게 할까? | 모델 변경과 같은 모델의 effort 조정은 다름 |
| 하네스·제품 | 컨텍스트·도구·권한·작업 루프를 누가 관리할까? | 같은 모델이어도 실행 환경은 다를 수 있음 |
| 외부 도구 | 필요한 파일·DB·서비스를 어떻게 연결할까? | MCP는 모델 인증이나 모델 자체가 아님 |
| API 앱 | 내 소프트웨어가 어느 책임을 직접 구현할까? | Claude API를 배워야 Claude Code를 쓰는 것은 아님 |
| 사용자 표면 | 터미널·에디터·웹 중 어디에서 작업할까? | 웹은 CLI의 초급판이 아니라 다른 실행 환경 |
서로 다른 축이 실제 시스템에서 조합된다. API 앱이 MCP Client를 구현할 수도 있고, 완성된 코딩 Agent가 MCP Server를 사용할 수도 있다. MCP 없이 모델 API의 Tool Use만으로 작업 루프를 만들 수도 있다.
2. 코딩 도구 선택과 하네스 운영
코드를 읽고 고치는 Coding Agent와 여러 세션을 관찰·전환하는 Agent Workspace는 다른 역할이다. 터미널·멀티플렉서·워크스페이스의 관계는 Devkit 도구 지도에서 확인한다.
| 글 | 독자가 얻는 것 |
|---|---|
| AI 코딩 도구 지형도 | 터미널·에디터·플러그인·클라우드, 모델·인증·과금·권한의 비교축 |
| AI 코딩 하네스를 얇게 만든 기록 | Claude Code·Codex에서 OpenCode·Pi로 옮기며 필요한 기능을 고른 개인 경험 |
| OpenCode Plugin의 입력·기록·표시 경계 | 화면 편의를 위한 확장이 모델 입력과 기록에 영향을 주는 사례 |
| OMP와 Pi의 차이 | 통합 하네스와 직접 조립하는 하네스, 플러그인 이식 경계 |
기능 수가 많다고 항상 우위이거나, core가 얇다고 항상 빠른 것은 아니다. 사용할 기능·유지할 설정·검증할 확장이 얼마나 필요한지 비교한다. 체감 성능은 같은 저장소·요청·모델·추론 강도로 대표 작업을 실행해 본다.
3. Claude Code의 작업·지침·협업
Claude Code 관련 글은 명령을 외우는 순서가 아니라 어떤 정보를 어디에 둘지로 나눈다.
| 글 | 독립된 질문 |
|---|---|
| Claude Code 작업 설계 | 계획·Skill·Subagent·Hook·검증·공개 승인을 어떻게 조합할까? |
| 지침·메모리와 클라우드 배포 | 지속 지침과 학습을 어디에 두고 로컬·웹에서 어떻게 공유할까? |
| 병렬 세션의 코드·상태·분석 분리 | 별도 worktree에서 일하는 세션끼리 무엇을 어떤 채널로 전달할까? |
1
2
3
4
5
계속 적용할 계약·사실 → 지침·Memory
필요할 때 실행할 절차 → Skill
도구 이벤트 자동화 → Hook
독립 조사·검토 → Subagent
별도 세션의 협업 → 작업 경계·상태 전달·명시적 통합
명령·키·설정 파일의 빠른 참조는 devkit Claude Code 치트시트에서 관리한다. 블로그에는 선택 이유·작업 경계·적용 경험을 남긴다.
4. 외부 연결 — MCP
MCP의 질문은 AI Client가 외부 Tool·Resource를 어떤 공통 계약으로 발견하고 호출할지다. 코딩 Agent 사용의 필수 다음 단계가 아니다.
| 글 | 독자가 얻는 것 |
|---|---|
| MCP 개념 | Client·Server, Tool·Resource·Prompt, 전송·인가 경계 |
| Serena의 클라이언트 연결 경계 | 심볼 탐색 서버의 실행 파일·프로젝트·context·세션 분리 |
| MCP 서버 선택과 권한 | 내장 도구와의 중복, 등록 Scope·실행 위치·신뢰의 판단 |
이미 내장 검색이나 LSP로 충분하다면 MCP를 더 붙이지 않아도 된다. 연결이 늘수록 자격 증명과 실행 범위, 외부 데이터의 신뢰 경계도 늘어난다.
5. 모델 API와 구조화된 판단
API를 쓰는 앱에서는 요청·응답 계약, 세션 상태, Tool Loop, 실패·재시도·관측을 설계한다. 코딩 도구를 직접 만드는 경우가 아니어도 분류·추출·답변 서비스에 같은 문제가 생긴다.
| 글 | 독자가 얻는 것 |
|---|---|
| Claude API의 모델·추론·Tool Loop·캐시 | 모델 선택과 effort, 메시지·도구 실행·캐시의 책임 구분 |
| Jev: 생성과 판단의 분업 | 작은 선택·확률을 정책 코드에서 소비하는 구조와 검증 기준 |
1
2
3
자유로운 답변·코드가 필요 → 생성 모델
범위가 정해진 판단이 반복 → 구조화된 출력·판단 모델 검토
결정적으로 검사할 조건 → 권한 코드·스키마·실제 테스트
생성 모델도 분류할 수 있다. 판단 모델은 다른 기능을 추가한다기보다, 반복 판단의 출력 계약·확률 품질·비용을 별도로 다루는 선택이다. 높은 confidence나 큰 effort가 실제 검증을 대체하지 않는다.
추론 단계의 이름도 공급자·모델·하네스마다 다르다. auto 정책과 모델의 Adaptive Thinking, Thinking을 화면에서 감추는 옵션을 같다고 보지 않는다. OMP의 조작법은 추론 강도 치트시트를 참조한다.
6. 제품 표면과 운영 경험
| 글 | 별도로 남길 이유 |
|---|---|
| claude.ai 웹 지형 | Projects·Artifacts·Connectors·Code 같은 화면의 역할을 관찰한 시점 기록 |
| Codex 사용량 리셋 | 주기·추가 리셋·남은 한도 표시를 구분하는 운영 관점 |
| 자동 생성 테스트 검토 | 생성된 테스트가 실제 결함을 잡는지 판단하는 도구 독립적 코드 품질 기준 |
화면·모델명·가격·사용량 정책은 빠르게 변한다. 당시 관찰과 현재 공식 계약을 구분하고, 숫자·순위보다 확인할 질문을 남긴다.
터미널 에이전트를 오래 쓰는 경우 셸·세션 환경도 생산성에 영향을 준다. 이 부분은 셸 로드맵과 tmux 로드맵의 책임이다.
AI 관련 글은 하나의 필수 학습 사다리가 아니다. 어떤 모델인가, 어떤 실행 환경인가, 무엇을 연결하고 무엇을 직접 책임질 것인가를 구분한 뒤 필요한 부분으로 들어간다.