[매경x앤트로픽 AI 해커톤] 8편 - 서비스 구현하기

지금까지 열심히 무엇을 할지를 결정하고, 어떻게 할지를 결정하고, 그게 맞는 길인지 확인해봤습니다.

이렇다면 이제 남은 것은 구현입니다.

이 모든 것들이 정해지면 구현은 쉽게 진행됩니다.

2026.03.24 - (자격증 및 대외활동) - (매경x앤트로픽 AI 해커톤) 1편 - 해커톤 공고 분석

2026.03.25 - (자격증 및 대외활동) - (매경x앤트로픽 AI 해커톤) 2편 - 아이디어 기준 정하기

2026.03.25 - (자격증 및 대외활동) - (매경x앤트로픽 AI 해커톤) 3편 - 추가적인 제약사항 찾기

2026.03.25 - (자격증 및 대외활동) - (매경x앤트로픽 AI 해커톤) 4편 - 아이디어 도출(첫번째 아이디어)

2026.03.25 - (자격증 및 대외활동) - (매경x앤트로픽 AI 해커톤) 5편 - 아이디어 도출(두번째 아이디어)

2026.03.26 - (자격증 및 대외활동) - (매경x앤트로픽 AI 해커톤) 6편 - 제품 계획서 작성

2026.03.26 - (자격증 및 대외활동) - (매경x앤트로픽 AI 해커톤) 7편 - 데이터 분석 및 가설 검증

예전에는 구현이 문제였지만, 이제는 다양한 AI 툴이 나오면서 구현의 중요성이 많이 낮아진것 같습니다.

AI 를 활용해도 코드를 손봐야하는 경우가 많았지만,

최근에는 AI 와의 대화를 통해서만으로 완전히 구현 가능한 것 같습니다.

(물론 내가 원하는걸 AI 에게 제대로 전달하는게 힘들어서, 여러번 대화를 해야하지만요)

엔트로픽 결제

이번에 해커톤을 참가하면서 가장 잘한 일이 바로 클로드 코드를 결제하고 사용해본 것이었습니다.

참가 당시 앤트로픽은 AI 분야에서 1등을 달리고 있었습니다.

왜 이 기업이 1등이고, 사람들이 클로드 코드를 사용할까?

클로드 코드 공식문서

성급하게 클로드코드로 구현을 바로 시작하지 않고,

앤트로픽의 공식 문서를 읽어보며 앤트로픽이 AI 를 제어하는 기술적 본질을 이해하는데 많은 시간을 할애했습니다.

읽으면서 느낀것은 "컨텍스트(Context)를 얼마나 깔끔하게 유지하고 효율적으로 소비하느냐가 중요하다." 였습니다.

이전에 AI 를 그냥 활용했을 때는, 특정 Context 에 구속되는 경우가 많았습니다.

개인적으로 방향을 잘못 잡았을 때 그 틀을 벗어나 교정하는 것이 무척 어려웠습니다.

이를 제대로 이해하고 시작했기 때문에, 프로젝트 전반의 효율을 압도적으로 높일 수 있었습니다.

인스타 릴스

중간중간 헷갈리는 내용들은 영상으로 만들어보기도 했습니다.

• 참고로 사실 이렇게 공부해도 처음에는 감잡기가 어렵습니다.

정말 어떻게 해야할지 모르겠다 싶은 분들은

클로드 코드 마켓플레이스에 올라온 프롬프트만 활용해도 높은 완성도의 결과물을 만들 수 있습니다.

클로드 코드 마켓플레이스

사실 가장 빠르게 배울려면 써보는 수 밖에 없습니다.

그래서 여러가지 서비스를 먼저 만들어봤습니다.

AI 테스트 서비스 개발

그리고 앞선 내용들이 결정되었다해도,

큰 틀일 뿐 세부적인 사항은 계속해서 정해가야합니다.

수 많은 논의들

이제 이정도까지 했다면 개발에 들어갑니다.

툴을 사용할 줄도 알게되었고, 어느정도 세부적인 내용까지 나왔습니다.

세션을 잃으면 PR 이나 커밋 작성이 어려워졌었기 때문에 세션의 컨텍스트를 체크하면서 진행했습니다.

전체적인 프로젝트의 흐름을 볼려면 PR 이나 커밋이 잘 작성되어있어야합니다.

그리고 AI 로 짠 코드가 제대로 작성했는지 장담하기 어렵습니다.

기능이 동작하지 않아도, 동작하고 있다고 말하기도 합니다.

페이지에 걸쳐있는 데이터가 수정되었지만 특정 페이지에서는 반영이 안되어있기도 합니다.

테스트 UI

그래서 AI 가 짠 코드를 테스트하기 위해 테스트 코드를 작성하거나,

테스트용 UI 를 따로 개발하여 중간중간 확인했습니다.

AI 를 많이 활용하다보니,

마지막엔 터미널 5,6 개를 도잇에 제어하면서 에이전트를 10개 이상 한번에 컨트롤하며 개발하기도 했습니다.

여러개의 터미널로 AI 제어

마지막까지 오니 설계했던 것보다 많은 것이 만들어졌고,

수백개의 PR 과 커밋을 가진 Github 레포가 만들어지면 구현이 끝났습니다.

몇 달을 몇 명이 붙어서 해야할 일을 1~2주만에 완성한 것이 정말 충격적이었습니다.

이번엔 실제로 코드를 직접 손대서 수정하지 않았고,

에러조차 거의 분석하지 않았습니다.

하지만 AI 를 통해 개발하면서 겪었던 문제들도 있었습니다.

사용자가 어떻게 사용하느냐에 따라 생산성과 효율성의 차이가 많이 난다는 것도 느꼈습니다.

또한, 개발 속도가 너무 빠르다보니 팀장이 PR 을 전부 검토할 수 없었습니다.

그러다보니, AI 가 중간에 기존의 기능을 삭제했을 때 이를 놓치는 경우도 존재했습니다.

그리고 기존에 자신이 해놓은 설계를 벗어나려고 하지 않았기 때문에,

데이터베이스 수정시에, 테이블 수정대신 JSONB 열을 만들어 데이터를 추가했습니다.

(데이터베이스 수정은 간단한 일이 아니기 때문이겠지만,

모든 것을 그대로 AI 에게 맡기다가는 유지보수에 문제가 생기는 코드가 생길것같다는 생각을 했습니다)

티스토리 원문