텍스트에서 벗어나기
흔히 사용하는 챗봇 기반 ai들은 텍스트 입력과 텍스트 출력을 기반으로 도움을 받는다.
텍스트기반 입출력의 최고 활용도는 훌륭한 검색엔진 역할을 수행하는 것이라고 생각한다.
최근에 MCP Server를 만들어서 AI가 일정을 생성하는 등의 데이터 조작을 할 수 있게 만들 수 있었는데, 코드 생성할때 AI Agent가 가능한 작업에 대해서 궁금해졌다.
Agent Loop
Claude Code 프롬프트에 명령어를 넣는 순간 단계가 시작된다.
반복되는 작업은 다음 3단계
1. Context 수집
2. 작업 수행
3. 결과 검증
단순 QnA는 1번만 컨텍스트 수집만 수행해도 충분
버그 수정은 반복 루프를 많이 돌려야할 가능성이 크고
리펙토링은 결과 검증 비용이 커질 수 있다
Claude Code 역할
언어 모델에게 최고 성능의 작업물을 도출해 낼 수 있게 만드는 역할이다. 모델이 작업에 벗어난 행동을 하지 않도록 에이전트 하네스 역할도 같이 수행한다
1. Tools 제공
- 단순 텍스트 기반 입출력을 넘어선 데이터 조작을 수행할 수 있다
2. 프로젝트 Context 주입
- 세션이 바뀌어도 프로젝트 Context를 유지할 수 있도록 관리한다.
- Context Window가 가득차면 자동 요약 및 압축기능도 제공한다
3. Agent Loop 수행
- 작업 결과물의 성능을 보장하기 위한 반복작업을 수행한다
- 자기 교정(Self-Correction)을 통한 자율적으로 문제를 해결하도록 한다
4. Checkpoint 생성
- 파일 변경 전의 스냅샷을 유지하여 되돌리기가 가능하다
5. Permission 부여
- 읽기전용(Plan), 승인 후 실행, 자동실행 모드를 제공하여 언어모델의 권한을 제어
6. Skills 제공
- 기본 제공 Tools를 제외하고 특정 워크플로우를 위해 사용자가 직접 만든 도구
- 예를들어, 작업 할 때마다 명령어를 생성하는게 아니라 배포 스크립트를 등록해놓고 실행만 하도록 한다
7. MCP 사용
- 서로 다른 서비스(GitHub, Slack, Google Drive, Database 등)가 AI와 대화할 수 있는 프로토콜
8. Hooks
- LLM의 판단과 상관없이, 특정 이벤트(예: 파일 수정 후, 커밋 전)가 발생하면 시스템이 무조건 해당 쉘 스크립트를 실행한다
9. Subagent 관리
- 메인 대화와 분리된 독립적인 Context를 가진 Subagent를 생성
- 복잡한 대규모 작업을 병렬로 처리하고 결과만 보고받는다
세부설명 링크 (추가예정)
1. Tools
2. Skills
3. MCP
4. Hooks
5. Subagents
실행 Context 분석
Claude는 단순히 코드를 읽는 것을 넘어, 프로젝트의 규칙, 과거의 학습 내용, 외부 도구와의 연결성을 결합하여 다각도로 상황을 파악
1. 정적 Project Instructions
세션 시작 시 가장 먼저 로드
Root/ CLAUDE.md- 프로젝트의 기술 스택, 아키텍처, 코딩 표준, 빌드/테스트 명령어 등 핵심 가이드를 담은 파일
Sub Directory/ CLAUDE.md- 특정 디렉터리 하위의 파일을 다룰 때 자동으로 로드
.claude/rules/*.md- 특정 주제나 파일 경로에만 적용되는 세부 규칙
2. 동적 Runtime State
현재 작업 중인 실제 환경의 데이터
파일디렉터리 구조Git Status- 브랜치명, 스테이징 변경사항(diff), 최근 커밋 메시지 히스토리
터미널 세션- 세션 명령어 출력 결과
3. 영구 메모리
세션 독립적으로 유지
MEMORY.md- Claude가 작업을 수행하며 스스로 기록한 노트
- 각 세션 시작 시 상위 200줄 또는 25KB까지만 로드되는 제한 존재
4. 확장 기능
MCP Servers: 외부 서비스에서 실시간으로 가져온 데이터Skills: 프로젝트 전용으로 등록된 커스텀 쉘 스크립트나 워크플로우 설명서Hooks: 특정 시점(예: 커밋 전)에 실행된 스크립트의 결과값이 대화 문맥에 추가Subagents: 복잡한 조사를 위해 별도로 생성된 하위 AI 에이전트가 요약해서 전달해준 정보
5. 설정 값
settings.json: 프로젝트별 권한 설정, 환경 변수, 기본 모델 설정커스텀 System Prompt: --append-system-prompt 옵션 등을 통해 사용자가 직접 주입한 추가 지침
6. 대화 히스토리
현재 세션 전체 기록 or 요약본
실행 환경 분석
Claude Code는 세 가지 환경에서 실행되며, 각각은 코드가 실행되는 위치에 대해 다른 장단점이 있습니다
실행환경
| 환경 | 코드 실행 위치 | 사용 사례 |
|---|---|---|
| 로컬 | 사용자 머신 | 기본값. 파일, 도구, 환경에 대한 전체 접근 |
| 클라우드 | Anthropic 관리 VM | 작업 오프로드, 로컬에 없는 리포지토리에서 작업 |
| 원격 제어 | 사용자 머신 (브라우저 제어) | 웹 UI를 사용하면서 모든 것을 로컬로 유지 |
인터페이스
Claude Code에 접근가능한 방법
- 터미널
- 데스크톱 앱
- IDE 확장
- claude.ai/code
- 원격 제어
로컬 pc에서 수행하던 세션을 휴대폰이나 다른 컴퓨터 브라우저로 접속하여 작업을 계속할 수 있음 - Slack
Slack 워크스페이스에서 @Claude를 언급하여 코딩 작업을 요청할 수 있음 - CI/CD 파이프라인
GitHub Actions에서 @claude 멘션으로 AI가 코드분석하고, PR 생성하고, 기능을 구현하고, 버그를 수정할 수 있음
참고
클로드 코드 docs : https://code.claude.com/docs/ko/how-claude-code-works
