CS146S: The Modern Software Developer

🤖 코딩 에이전트란 무엇인가?

Cursor, Claude Code, GitHub Copilot 같은 도구들은 단순한 자동완성을 넘어자율적으로 작업을 수행하는 에이전트입니다. 에이전트는 다음 능력을 갖춥니다:

• 도구 사용: 파일 읽기/쓰기, 터미널 명령 실행, 웹 검색
• 컨텍스트 관리: 프로젝트 구조 이해, 관련 파일 찾기
• 멀티스텝 계획: 복잡한 작업을 단계별로 분해하여 실행
• 자기 수정: 에러 발생 시 원인 분석 및 수정

🧩 에이전트 아키텍처

전형적인 코딩 에이전트는 다음 컴포넌트로 구성됩니다:

🎨 Context Engineering의 핵심

Context Engineering은 에이전트에게 "무엇을 알려줄지" 결정하는 기술입니다. 10만 줄의 로그를 그대로 넣는 것은 계산 비용이 거의 들지 않지만, 중요한 추론 컨텍스트를 오염시킵니다.

"나쁜 컨텍스트는 싸지만 유독합니다. 가격은 입력 토큰 기반이지만, 품질은 관련성 기반입니다."

좋은 Context Engineering의 원칙:

• 관련성 우선: 현재 작업에 직접 관련된 정보만 포함
• 구조화: 파일 경로, 함수 시그니처 등 명확한 구분
• 최신성: 변경된 파일은 최신 버전으로 업데이트
• 계층화: 요약 → 상세의 계층적 정보 제공

💻 간단한 코딩 에이전트 구현

이 주에는 직접 간단한 코딩 에이전트를 구축합니다:

class CodingAgent:
    def __init__(self, llm):
        self.llm = llm
        self.tools = {
            'read_file': self.read_file,
            'write_file': self.write_file,
            'run_command': self.run_command,
            'search_code': self.search_code
        }
        self.memory = []

    def execute(self, task: str):
        # 1. 작업 분석 및 계획 수립
        plan = self.llm.plan(task, self.get_context())

        # 2. 각 단계 실행
        for step in plan.steps:
            tool_name, args = self.llm.select_tool(step)
            result = self.tools[tool_name](**args)
            self.memory.append((step, result))

            # 3. 결과 평가 및 조정
            if not self.evaluate(result):
                self.adjust_plan(plan, step, result)

        return self.summarize()

🔍 Claude Code 아키텍처 분석

Anthropic의 Claude Code는 다음과 같은 특징적인 아키텍처를 가집니다:

• CLAUDE.md: 프로젝트별 컨텍스트 및 규칙 정의 파일
• Multi-turn Memory: 대화 전체에 걸친 컨텍스트 유지
• Tool Orchestration: 파일, 터미널, 검색 도구의 지능적 조합
• Agentic Loop: 목표 달성까지 자율적으로 반복 실행

🔄 AI-First 개발 워크플로우

프로덕션 피처를 2배 빠르게 배포하는 워크플로우는 5단계로 구성됩니다. 각 단계에서 AI를 전략적으로 활용하면 개발 속도와 품질을 동시에 높일 수 있습니다:

🎯 MCP (Model Context Protocol)

MCP는 Anthropic이 제안한 에이전트-도구 연결 표준입니다. 다양한 도구와 데이터 소스를 표준화된 방식으로 LLM에 연결합니다:

// MCP 서버 예시: GitHub 연동
{
  "name": "github",
  "description": "GitHub API 연동",
  "tools": [
    {
      "name": "create_issue",
      "description": "새 이슈 생성",
      "parameters": {
        "repo": "string",
        "title": "string",
        "body": "string"
      }
    },
    {
      "name": "list_prs",
      "description": "PR 목록 조회",
      "parameters": {
        "repo": "string",
        "state": "open|closed|all"
      }
    }
  ]
}

MCP를 사용하면 Slack, GitHub, Notion, 데이터베이스 등 다양한 서비스를 AI 에이전트에 쉽게 연결할 수 있습니다.

⚠️ AI 에러 잡아내기: 리뷰 프로세스

AI가 생성한 코드에서 주의해야 할 문제들:

• 할루시네이션: 존재하지 않는 API/함수 호출. 항상 import 확인
• Slop (저품질 출력): 과도한 주석, 불필요한 추상화, 장황한 코드
• 보안 취약점: SQL 인젝션, XSS, 하드코딩된 시크릿
• 성능 문제: N+1 쿼리, 메모리 누수, 불필요한 재렌더링
• 컨텍스트 무시: 기존 패턴과 다른 스타일로 코드 생성

"AI를 신뢰하되 검증하라. 100% AI 생성 코드는 존재하지 않습니다 — 항상 인간의 검토가 필요합니다."

🔧 CI/CD에 AI 통합하기

자동화된 파이프라인에 AI 검증 단계를 추가합니다:

# .github/workflows/ai-review.yml
name: AI Code Review

on: [pull_request]

jobs:
  ai-review:
    runs-on: ubuntu-latest
    steps:
      - uses: actions/checkout@v4

      - name: AI Security Scan
        run: |
          npx semgrep --config=auto .

      - name: AI Code Quality Check
        uses: coderabbit-ai/ai-pr-reviewer@latest
        with:
          github-token: ${{ secrets.GITHUB_TOKEN }}

      - name: Detect AI-Generated Code Issues
        run: |
          # 할루시네이션 체크 스크립트
          ./scripts/check-imports.sh

🔒 SAST (Static Application Security Testing)

SAST는 코드를 실행하지 않고 소스 코드를 분석하여 보안 취약점을 찾습니다. AI가 생성한 코드도 예외 없이 보안 검증이 필수입니다:

• SQL Injection: 사용자 입력이 직접 쿼리에 포함되는 경우
• XSS: 검증 없이 사용자 입력을 HTML에 렌더링
• Path Traversal: ../를 이용한 파일 시스템 접근
• Hardcoded Secrets: API 키, 비밀번호가 코드에 포함
• Insecure Dependencies: 알려진 취약점이 있는 라이브러리

🔍 Semgrep 실전 사용법

Semgrep은 패턴 기반 코드 분석 도구입니다:

# 설치
pip install semgrep

# 자동 보안 스캔 (언어 자동 감지)
semgrep --config=auto .

# Python 특화 보안 규칙
semgrep --config=p/python .

# JavaScript/TypeScript 보안 규칙
semgrep --config=p/javascript .

# 특정 취약점 검색 (SQL Injection)
semgrep --config=p/sql-injection .

# CI용 SARIF 포맷 출력
semgrep --config=auto --sarif > results.sarif

⚠️ 에이전트 아키텍처의 새로운 공격 표면

AI 코딩 에이전트는 새로운 보안 위협을 만들어냅니다:

"Prompt Injection으로 의도가 하이재킹되고, 메모리가 오염되고, 계획 체인이 강제될 수 있습니다."

• Direct Prompt Injection: 악의적 프롬프트로 에이전트 행동 변경
• Indirect Prompt Injection: 외부 데이터에 숨겨진 명령어
• Memory Poisoning: 대화 기록에 악성 컨텍스트 삽입
• Tool Abuse: 에이전트의 도구를 악용한 시스템 접근

🛡️ 방어 전략

# 입력 검증 예시
def validate_user_input(input_text: str) -> str:
    # 1. 길이 제한
    if len(input_text) > 10000:
        raise ValueError("Input too long")

    # 2. 프롬프트 인젝션 패턴 탐지
    injection_patterns = [
        "ignore previous instructions",
        "system prompt:",
        "you are now",
    ]
    for pattern in injection_patterns:
        if pattern.lower() in input_text.lower():
            raise SecurityError(f"Potential injection: {pattern}")

    # 3. 특수 문자 이스케이프
    return html.escape(input_text)

🎨 AI UI 생성 도구들

자연어 설명만으로 전체 UI를 생성할 수 있는 시대가 왔습니다:

🔧 v0 실습: UI 생성부터 수정까지

// v0에 입력하는 프롬프트 예시
"대시보드 UI를 만들어줘.
왼쪽 사이드바에 메뉴, 상단에 검색바,
메인 영역에 4개의 통계 카드와 차트 1개.
다크모드 지원, 반응형으로."

// v0 생성 결과: React 컴포넌트
export function Dashboard() {
  return (
    <div className="flex h-screen bg-gray-900">
      <Sidebar />
      <main className="flex-1 p-6">
        <SearchBar />
        <div className="grid grid-cols-4 gap-4 mb-6">
          <StatCard title="Revenue" value="$45,231" />
          <StatCard title="Users" value="2,350" />
          ...
        </div>
        <Chart data={chartData} />
      </main>
    </div>
  )
}

⚠️ Human-Agent Engineering 원칙

생성된 코드를 그대로 사용하면 안 됩니다. Human-Agent Engineering원칙에 따라 반드시 검토하고 수정해야 합니다:

• 접근성 (a11y): ARIA 레이블, 키보드 내비게이션, 색상 대비 확인
• 성능: 불필요한 리렌더링, 이미지 최적화, 번들 사이즈 검토
• 보안: XSS 취약점, 사용자 입력 검증, CSRF 보호
• 유지보수성: 컴포넌트 분리, 타입 정의, 테스트 가능성
• 일관성: 기존 코드베이스 스타일과의 조화

"AI는 첫 번째 초안을 만들고, 인간은 프로덕션 품질로 다듬습니다. 100% AI 코드는 없습니다 — 항상 인간의 판단이 필요합니다."

📋 생성 코드 체크리스트

• □ 하드코딩된 값이 있는가? → 환경변수/설정으로 이동
• □ 에러 처리가 누락되었는가? → try-catch 추가
• □ 로딩/에러 상태가 있는가? → UX 개선
• □ 타입이 정확한가? → TypeScript strict 검증
• □ 테스트가 필요한가? → 유닛 테스트 작성

🤖 Devin: 최초의 AI 소프트웨어 엔지니어

Devin (Cognition Labs)은 세계 최초의 완전 자율 AI 소프트웨어 엔지니어입니다. 코드 작성뿐 아니라 전체 개발 사이클을 자율적으로 수행합니다:

Devin은 SWE-Bench에서 13.86%의 이슈를 end-to-end로 해결했습니다. 이전 최고 기록(GPT-4 + scaffolding)의 1.96% 대비 7배 향상입니다.

🔮 AI 개발 도구의 진화 방향

• Level 1 (현재): 자동완성, 코드 제안 (Copilot)
• Level 2: 대화형 코딩, 멀티파일 편집 (Cursor, Claude Code)
• Level 3: 자율 작업 수행, 한정된 범위 (Devin, Replit Agent)
• Level 4 (미래): 전체 프로젝트 자율 개발
• Level 5 (미래): AI가 AI 개발 도구를 개발

"소프트웨어 엔지니어의 역할이 '코드를 쓰는 사람'에서 'AI를 감독하고 방향을 제시하는 사람'으로 전환되고 있습니다."

👤 개발자의 새로운 역할

AI 시대에 개발자는 어떤 역량을 갖춰야 할까요?

🎤 Guest Speakers

• Russell Kaplan (Cognition Labs) - Devin의 아키텍처와 미래 로드맵
• Martin Casado (a16z) - AI 소프트웨어 엔지니어링 투자 관점과 시장 전망

"5년 후, 모든 소프트웨어 엔지니어는 AI 에이전트와 협업할 것입니다. AI를 도구로 활용하는 능력이 핵심 역량이 됩니다." — Martin Casado