저자는 AI 페어 프로그래머인 Claude를 사용하여 4일 만에 Protocollie라는 소프트웨어를 개발했습니다. 이는 숙련된 프로그래밍 기술이 아닌, 4개의 문서(아키텍처 개요, 기술적 고려 사항, 워크플로우 프로세스, 스토리 분해)를 통해 AI를 안내하여 모호한 아이디어를 작동하는 코드로 변환한 것입니다. '벽에 스파게티를 던지는' 것에 비유되는 이 프로세스는 계획보다 실험을 중시하며, AI 지원 프로그래밍 환경의 변화를 보여줍니다. 이는 프로그래머 역할의 변화와 기술 발전이 전문 지식 축적을 앞서는 이 새로운 시대의 불확실성을 받아들이는 것을 보여줍니다.
더 보기
이 글에서는 MCP(모델 컨텍스트 프로토콜)의 예상치 못한 용도에 대해 설명합니다. 처음에는 AI 어시스턴트를 향상시키기 위해 설계되었지만, "AI 모델을 다양한 데이터 소스 및 도구에 연결하는 표준화된 방법을 제공하는" 기능은 AI 영역을 넘어섭니다. USB-C 포트가 토스터를 모니터에 연결할 수 있는 것처럼 MCP는 범용 플러그인 생태계가 되었습니다. 개발자는 다른 애플리케이션의 내부 작동 방식을 이해할 필요 없이 기능적인 플러그인을 만들 수 있습니다. 이를 통해 애플리케이션의 기능이 크게 향상되고 예상치 못한 애플리케이션이 생성됩니다. 예를 들어 작업 관리 앱은 MCP 서버를 사용하여 맞춤법 검사, 커피 자동 주문 등을 수행할 수 있습니다.
더 보기
AI는 지식 노동의 생산성을 기하급수적으로 향상시키고 있지만, 의사결정 도구와 절차는 과거에 머물러 있습니다. 이로 인해 코드 리뷰부터 로드맵 작성까지 모든 단계에서 병목 현상이 발생합니다. AI는 생산에 뛰어나지만, 결국 인간은 방대한 양의 작업을 평가하고, 승인하고, 수정해야 하는 새로운 병목 현상을 겪게 됩니다. 이는 직무 만족도 저하를 초래할 뿐만 아니라, AI가 생성하는 작업량 증가에 대처할 수 없는 기존 도구라는 문제도 야기합니다. 우리는 생산보다는 고속 의사결정에 초점을 맞춘 워크플로우를 재설계해야 합니다. 그렇지 않으면 AI가 생성하는 무한한 작업에 압도될 것입니다.
더 보기
이 글에서는 여러 대규모 언어 모델(LLM)을 사용한 버그 수정 자동화에 대한 새로운 접근 방식을 설명합니다. Asana, Aider 코딩 에이전트, Sublayer 에이전트를 통합하여 시스템은 세 개의 LLM(GPT-4o, Claude 3.5 Sonnet, Gemini 2.0 Flash)을 자동으로 실행하여 동일한 버그 수정을 시도합니다. 각 시도는 별도의 Git 브랜치에서 실행되며 여러 개의 풀 리퀘스트가 생성됩니다. 이러한 '낭비적인 추론' 방식은 놀랍도록 저렴하고 효율적이며, 중복성과 다양한 솔루션을 제공합니다. 하나의 모델이 실패하더라도 다른 모델이 성공할 수 있으며, 대안적인 접근 방식을 제공합니다. 이 실험은 이러한 멀티 모델, 자동화, 저비용 버그 수정의 잠재력을 보여주며, 미래 개발의 패러다임 전환을 시사합니다.
더 보기
MonkeysPaw는 기존 웹 개발 방식을 뒤엎는 혁신적인 Ruby 웹 프레임워크입니다. HTML, CSS, JavaScript를 작성하는 대신 개발자는 자연어로 페이지 콘텐츠를 설명하고, 프레임워크는 LLM의 의도 해석에 따라 완벽한 웹 페이지를 생성합니다. 이를 통해 개발 속도와 효율성이 높아지지만, 성능과 정확성과 같은 과제도 존재합니다. MonkeysPaw는 AI 중심의 새로운 개발 방식을 제시하며, 콘텐츠를 우선시하고 자연어를 코드로 사용하여 아이디어와 구현 간의 장벽을 낮춥니다.
더 보기