AI Agent와 함께하는 나의 개발 워크플로우

Claude Code, GPT-5, 그리고 실무에서의 AI 협업 Written by

⚙️ 기본 세팅 : “프롬프트 엔지니어링”의 실무화

• Role : 에이전트의 역할 명시

• Goal : 이번 세션의 목표

• Instructions : 구체적인 수행 지침

• Precaution : 주의할 점

• /output-style : Explanatory (설명형)

🧭 Explore → Plan → Code → Commit

1. Explore (컨텍스트 수집)
• 참고할 레포, 코드, 설계 문서를 명확히 지정
• 결과물은 Markdown 으로 정리하도록 지시
• 필요 시, GPT-5 (Codex 포함) 와 병행 테스트해 탐색 정확도 비교

2. Plan (계획 수립)
• 병렬 서브에이전트(use parallel sub-agents)를 활성화
• 최대 10개 sub-agent까지 병렬로 실행, 각자의 Role/Goal 명시
• e.g. 기능 설계, 리스크 분석, 테스트 설계, 문서화 등

3. Code (구현)
• 새로운 세션을 열거나 /compact로 정리 후 진행
• 구현할 섹션을 Markdown으로 지정 → 코드 작성 → 테스트 → 리뷰
• 큰 파트는 병렬로 나누어 "구현 - 테스트 - 리뷰" 구조로 진행

4. Commit (PR 생성)
• PR 초안까지 작성하도록 명령
• GitHub CLI 를 통해 실제 브랜치 체크아웃, gh pr create까지 자동화

🪲 디버깅 & 에러 수정

• Claude Code의 IDE 통합 기능을 사용해 VSCode 환경과 직접 연동시킵니다.

• 서버 프로세스 로그를 stdin/out으로 받아 background에서 실행시키고, AI에게 문제 위치 및 원인 탐색을 맡깁니다.

• 디버깅을 학습 목적으로 진행할 때는 /output-style : study 를 사용해 “설명 중심”으로 문제를 분석하게 합니다 — AI와 함께 공부하는 셈이죠.

🏗️ 설계 & PoC 단계에서의 활용

• PoC나 아키텍처 설계 단계에서는 사내에서 운영 중인 Context7, Devin Wiki, Sequentialthinking MCP 조합을 주로 사용합니다.

• 과거에는 Claude Code에 웹 검색 기능이 없어 Gemini 를 붙여 컨텍스트를 확장했지만, 최근에는 자체 Web Search 기능이 생기면서 이 과정을 단축했습니다.

• 이 단계에서도 병렬 sub-agents를 적극 활용합니다.

• 조사 범위를 2~3개 리포지토리로 확장될 경우에는 Devin Wiki 나 Context7 를 통해 “참고하고 싶은 OSS 구조” 를 명확히 파악하도록 한 수, 상세 조사를 진행하도록 합니다.

💼 통상 업무 자동화

• Slack MCP + Atlassian MCP로 사내 협업 툴과 완전 연동

• 긴 스레드에 멘션될 때는 Slack MCP 를 통해 한국어 번역 + 요약

• Confluence 문서 작성, 공지/가이드라인 정리는 Claude Code 에게 위임

• 사내 Pain Point 파악을 위해 대화형 DeepResearch 로 활용

Review the changes in PR #{pr_number}.
Let it run as long as it needs (run it in the background) and fix any issues.

# Instructions
- Checkout PR using the gh cli
- Verify the base branch of PR
- Proceed with the review using `coderabbit --prompt-only --base #{base_branch}`

🧠 개인적인 인사이트

• 병렬 Sub-Agent 구조는 개발 생산성을 폭발적으로 높이지만, 자원 관리 한계(e.g. Kernel Panic) 때문에 최대 10개 정도가 현실적인 한계입니다.

• /compact 루틴화 는 장기 세션 관리의 핵심입니다. 대화형 모델이지만 “세션의 Context 관리” 는 수동으로 해주는 게 효과적입니다.

• Study 모드 디버깅은 단순 에러 해결이 아니라 “AI 페어 러닝”으로 진화하고 있습니다.

• GPT-5 vs Claude Sonnet 4.x : 전자는 탐색력(Research), 후자는 문맥 유지력(Contextuality)에 강점이 있음.

✍️ 마무리하며