AI 코딩 도구 비교 리뷰

Devon 소개 및 우려:

• Devon: 완전 자동화 주니어 엔지니어 AI, 코드 작성, 테스트, 배포 가능.
• 인간 엔지니어의 74.2% 성능 상회 주장.
• 월 $500 사용료, 기존 엔지니어 비용의 1/100 수준.
• 과장 광고일 가능성 제기.

최근 AI 업계 동향:

• OpenAI Sora: 생성형 비디오 모델 출시 후 계정 생성 중단.
• Character AI: 자폐 청소년 자녀에게 부모 제거 지시로 소송.
• Google Gemini 2.0: 브라우저 제어(Mariner), 코드 작성 및 배포(Jewels) 기능. Devon과 유사한 기능 제공.

Devon 출시 후 상황:

• 초기 Vim 에러 발생.
• 심각한 보안 사고 발생: VS Code Live Share URL 노출. Devon 자체 수정 기능으로 빠르게 해결.

Devon 사용 경험 및 가격:

• 월 $500 사용료, 시간당 $8로 환산.
• 성능 벤치마크, 과학적 근거 부족.
• Cognition Labs: $175M 투자 유치, $2B 가치 평가. 수익 없이 경쟁 심한 분야에서의 압박.
• OpenAI의 Codex보다 성능 우수 주장 (자체 벤치마크 기반).

Devon 기능 및 특징:

• Slack 기반 인터페이스: 비개발자 대상, 기업용 Slack 사용자 편의성 고려.
• Slack 명령어를 통해 코드 작성, 실행, 테스트, GitHub Pull Request 제출.
• 단계별 진행 과정 확인 가능.
• ‘지식 항목’ 생성: 팀 작업 맥락 제공.
• 오픈소스 이미지 생성기 실행 및 결과 Slack으로 전달 성공 사례.
• 기존 앱에 새로운 기능 추가 성공, 일부 AI 특유의 단점 존재 (불필요한 패키지 등).
• GitHub Pull Request에 대한 코멘트 반영 및 버그 수정 기능. 하지만 버그 수정 과정에서 예상치 못한 변경 발생 및 설명 부족.
• 특정 기술 (ReactJS)에는 우수한 성능, 덜 알려진 기술 (Spel)에는 부족한 성능.

총평 및 결론:

• Slack 기반 워크플로우: 개발자에게는 불편할 수 있음.
• 1년 전에는 존재하지 않았던 수준의 인상적인 기술.
• AI 기반 개발의 미래에 대한 기대감과 우려 동시 제시.

PGI (TimescaleDB) 소개:

• TimescaleDB: PostgreSQL 기반 타임 시리즈 데이터베이스.
• 빠른 쿼리, 적은 컴퓨팅 자원 소모.
• PGI Vectorizer: 비정형 텍스트를 의미론적 임베딩으로 변환. 수동 동기화나 사용자 지정 파이프라인 불필요. RAG나 추천 엔진 개발에 용이. 데이터베이스 레벨에서 AI 시스템 구축 가능.

데이터 버튼 소개: 세계 최초 AI 기반 풀스택 앱 개발 도구. 몇 주 안에 제품 구축 및 출시 가능. 협업 파트너 역할 수행, 코딩 및 문제 해결 지원. AI 애플리케이션 전문. React와 Python(FastAPI) 기반 풀스택 앱 생성. 대화형 에이전트 구축 지원. 맞춤형 Python 백엔드 지원, 모든 Python 패키지 사용 가능. 원클릭 배포, 간편한 확장 및 인프라 관리. 직관적인 탐색 및 엔지니어 지원 제공.

데이터 버튼 vs. 버트뉴: 데이터 버튼은 풀스택 SaaS 애플리케이션 구축 및 배포에 중점. 엔드투엔드 애플리케이션 구축. 버트뉴는 빠른 프로토타이핑 및 간단한 앱 구축에 초점. 전문적인 SaaS급 앱, 고급 맞춤 설정, 강력한 백엔드 기능 및 확장 가능한 배포를 원한다면 데이터 버튼 선택.

데이터 버튼 사용 방법:

• 계정 생성 (Google, GitHub, 이메일).
• 대시보드에서 “새 앱” 클릭.
• 앱 이름, 아이디어(한 문장), 설명, 대상 고객, UI 라이브러리(Shanten, Tailwind), 화면 크기(데스크톱, 모바일, 태블릿), 기본 테마(밝음, 어둠, 시스템 기반), 디자인 가이드라인 지정.
• “생성 시작” 클릭: AI가 앱 초기화, 디자인 가이드라인 추출, 계획 생성, 코드 작성.
• 빌더에서 코드 생성: 다양한 에이전트 활용.
• 왼쪽 패널: 앱 상태(페이지, UI 구성 요소, 파일, 백엔드, 미디어, 저장소) 관리.
• 오른쪽 패널: AI와 채팅하여 디자인 및 반복 작업.
• 설정 변경, 에이전트 추가, 팀원 초대, 확장 기능(Firebase 인증 등) 추가 가능.
• 터미널: 명령어 실행 확인, 오류 해결 기능 제공.

Tasky AI 앱 생성 및 기능:

• Tasky AI (AI 기반 작업 관리 앱) 생성 예시.
• AI가 자동으로 백엔드(API, 내부 저장소) 및 프론트엔드(작업 목록 페이지, 추가 양식) 구성.
• 작업 추가, 우선순위 설정 기능 구현.
• 모바일, 태블릿, 데스크톱 미리보기 가능.
• 코드 직접 편집 가능.
• 배포: 사용자 이름 지정 후 도메인에 배포.

결론: 데이터 버튼은 전문적인 SaaS급 앱을 쉽게 구축할 수 있는 강력한 도구. 고급 맞춤 설정, 강력한 백엔드 기능, 확장 가능한 배포 제공. 사용자는 AI의 도움을 받아 효율적으로 앱을 개발 가능.

Windsurf 소개 및 비교: 데이비드 안드레는 Windsurf라는 새로운 소프트웨어 개발 방식을 소개. Codium(GitHub Copilot 대안)에서 개발, 여러 AI 에이전트와 협업. Cursor와 비교, Flows 기능(AI 에이전트와 코파일럿 결합) 차별점 강조. 미래의 업무 방식 예측.

AI 활용의 위험성: AI 과의존, 속도보다 정확성 우선, 지속적인 학습의 중요성 강조. Vectal AI 개발 경험 바탕, 실수 예시 제시.

AI 발전 속도: Windsurf, Copilot Pro 모드, Devon AI 에이전트 출시 사례 언급. 빠른 발전 속도에 대한 주의 촉구.

Windsurf 기능 설명:

• Flows: AI 에이전트와 코파일럿의 결합. 사용자 프롬프트에 따라 자동 작업 수행, 사용자 편집에 대한 반응적 작업. 실시간 협업 강조.
• Cascade: Chat 2.0, 코드베이스 전체에 대한 문맥 인식. 터미널 명령어 제안 및 실행 기능. 작업 재개 기능. 다중 파일 편집 기능.

Windsurf 가격 및 무료 플랜: 유료 플랜($15/월)과 무료 플랜 비교. Cursor 무료 플랜보다 Windsurf 무료 플랜이 더 나은 성능 제공.

Windsurf 설치 및 사용: 다운로드 및 설치 과정 설명. 다른 IDE에서의 설정 임포트 기능 설명. 어두운 테마 사용 권장.

Windsurf 인터페이스: Cascade(작성 모드, 채팅 모드), 모델 선택(CLA 3.5 Sonnet 추천), 키보드 단축키 설명. 파일 탐색기 위치 설명(사용자 설정에 따라 다름).

Windsurf 데모: 간단한 프롬프트(“간단한 웹 앱 생성, 이미지 참조”)를 사용한 웹 앱 생성 과정 시연. Flows 기능 활용. 여러 파일 생성 및 코드 작성.

웹 앱 개선: 추가 프롬프트를 통해 웹 앱의 배경색 변경, 버튼 추가, 차트 개선. Cascade의 실시간 반응 및 코드 변경에 대한 반영.

결론: Windsurf는 초보 프로그래머에게 적합한 AI 도구. Bolt.new와 Cursor 사이의 중간 단계 위치. 프롬프트 엔지니어링 중요성 언급. Vectal AI 출시 예고.

Claude Engineer V3 소개: Anthropic API 및 e2b API 키 필요. CLI 및 웹 인터페이스 제공. 자체 도구 생성 및 관리 기능. 대화를 통한 지속적 기능 확장.

웹 인터페이스 특징: 세련된 UI, 실시간 토큰 사용량 시각화, 이미지 업로드 및 분석, 마크다운 렌더링(구문 강조 포함), 반응형 디자인, 도구 사용량 표시기. 터미널 인터페이스도 여전히 지원.

기본 제공 도구: 도구 생성 도구, UV 패키지 매니저, 코드 실행기, 린팅 도구, 기본 파일 시스템 도구, 웹 도구, 유틸리티 도구 포함.

설치 및 실행: UV(Python 패키지 매니저) 설치, 레포 클론, 가상 환경 생성, API 키 환경 변수 설정, 웹 인터페이스 또는 CLI 실행. 이전 버전과 달리 단일 파일이 아니므로 이식성 저하.

성능 테스트: 마인스위퍼 게임 생성 성공. 하지만 생성 과정의 실시간 스트리밍 없음. 생성된 파일 구조 부족. 주식 가격 가져오기 도구는 실패(웹 스크래퍼 사용). MD5 암호화 도구 생성 및 정상 작동 확인.

평가: 이전 버전과 달리 코딩 엔지니어링 도구라기보다는 자체 도구를 생성하는 AI 에이전트에 가까움. Baby AGI와 유사한 기능. 기능은 좋지만 실제 사용성 측면에서는 다른 유사한 AI 에이전트보다 뛰어나지 않음. 개선 필요성 제기.

추가 정보: Ninjachat 스폰서 언급 (다양한 AI 모델 및 도구 제공). 채널 기부 및 멤버십 안내.

Lovable 소개 및 Bolt와의 비교: Lovable 플랫폼을 2달간 사용한 경험을 바탕으로, Bolt보다 완전한 앱 개발에 용이하다고 평가. 특히 Stripe 통합의 용이성을 강조. 비기술적인 사용자에게 적합하다고 언급.

Lovable 주요 기능 시연:

• 프로젝트 목록 및 커뮤니티 프로젝트 확인 기능 소개.
• AI 기반 앱 아이디어 생성 기능 시연: “일상 업무 자동화를 위한 앱 아이디어 생성기” 프롬프트 입력 후, 단계별 디자인 및 코드 생성 과정 보여줌.
• UI 디자인 복제 기능: 기존 UI 디자인 이미지를 입력하여 유사한 UI 생성.
• 에러 수정 기능: 코드 에러 발생 시 자동 수정 기능 시연.

백엔드 통합 및 Superbase 연동:

• Superbase 연동을 통한 사용자 인증 추가 과정 설명. Bolt와 비교하여 Lovable의 편의성 강조.
• Superbase 프로젝트 생성 및 Lovable과의 연결 과정 상세히 보여줌.
• 데이터베이스 테이블 생성(사용자 정보, 저장된 앱 아이디어) 및 SQL 명령어 자동 생성 과정 설명.
• 사용자 인증 페이지 생성 및 에러 발생 및 수정 과정. 이메일 인증 비활성화 설정 과정 포함.
• 로그인/로그아웃 기능 테스트 및 저장된 아이디어 확인.

AI 통합 및 Claude API 연동:

• Claude API를 이용한 AI 기반 앱 아이디어 생성 기능 추가. API 키 입력 및 설정 과정 포함.
• 에러 발생 및 수정 과정: Superbase 내부 설정 변경을 통해 에러 해결.
• AI 생성 앱 아이디어 확인 및 Superbase 데이터베이스에 저장 확인.

앱 배포 및 Stripe 통합 예고:

• Lovable 플랫폼을 통한 앱 배포 과정 간략하게 시연. Bolt와 비교하여 배포의 용이성 강조.
• 다음 영상에서 Stripe 통합 기능을 소개할 것을 예고. Bolt에서는 복잡한 과정이 필요하지만, Lovable에서는 간편하게 Stripe 통합이 가능하다고 언급.

데본 AI 코딩 에이전트 사용 후기: 월 $500 비용. 슬랙 기반 워크플로우. 원격 서버 VS 코드 편집 인터페이스, 플래너 제공.

• 이미지 생성 모델 웹 UI 구현 요청: 리포지토리 복제, 실행, 이미지 생성 성공. 추가 이미지 요청도 성공.
• 실시간 대화형 앱 추가 요청: 코드 생성, 업데이트 전달, 메모 및 지식 항목 생성. 버그 수정 및 코드 테스트 진행. 피드백 반영 시도. 배포 문제 해결 실패. 로컬 실행 방법 제공(하지만 유효하지 않은 코드).
• 날씨 앱 기능 추가 및 iOS 스타일 적용 요청: 풀 리퀘스트 생성. 스타일 적용, 코드 품질 양호. 하지만 불필요한 콘솔 로그 및 패키지 존재. 피드백 반영, 배포 미리보기 URL 제공(리포지토리 설정 없이). 피드백 반영 실패.
• 웹사이트 버그 수정 요청: 풀 리퀘스트 생성. 예상치 못한 추가 수정 사항 포함. 설명 요청에 대한 답변 제공(하지만 부정확한 설명).
• 그래프QL 백엔드 기능 추가 요청: 풀 리퀘스트 생성. 적절한 코드 생성. 하지만 불필요한 패키지 추가 및 필드 추가 시 스키마 확인 없음.

데본 장단점: 계획, 코드 작성, 버그 수정, 테스트, 피드백 반영 등 기능 우수. 하지만 비동기적 워크플로우로 인한 지연 및 기다림 발생. 개발자 선호 워크플로우와 불일치.

커서 에이전트 비교: 로컬 환경에서 실시간 업데이트 가능. 파일 추가 없이 코드베이스 스캔. 직접적인 제어 및 실시간 피드백 가능. 데본보다 더 빠르고 쉬운 워크플로우. 데본과 유사한 그래프QL 작업 수행.

• 커서 에이전트의 클라이언트 사이드 라우팅 버그 수정: 변수 수정 및 삭제. 즉각적인 업데이트 확인. 풀 리퀘스트 제어.
• 이미지 생성 모델 작업 시도: GPU 필요. CPU 사용으로 컴퓨터 정지.

결론: 데본은 기능적으로 인상적이나, 비동기적 워크플로우와 높은 가격($500/월)으로 인해 커서 에이전트보다 실용성이 떨어짐. 커서의 점진적인 접근 방식이 더 선호됨. 데본은 향후 LLM 및 에이전트 기술 발전에 따라 개선될 가능성 있음. 커서 에이전트는 개발자의 기존 워크플로우를 크게 변경하지 않음. 빌더와 같은 디자인 코드 변환 도구와의 협업 가능성 언급.

Gemini 2 출시: 놀라운 성능, Gemini 1.5 Pro2 능가, 실시간 다중 모드 지원(비디오, 오디오, 이미지 생성). Google AI Studio 및 API를 통해 무료 사용 가능(현재 유료화 미정).

성능 비교: Claude 3.5, Haiku보다 우수, Sonet과 동등한 수준.

사용 제한: 분당 10회 요청, 분당 4백만 토큰, 일일 1500회 요청. 2백만 토큰 컨텍스트 창 지원.

AI 코딩 설정:

• Ader 사용법: Google AI Studio에서 API 키 발급 후 터미널에서 AER 설치/업데이트, API 키 설정(환경변수 또는 .env 파일 이용). ader --model gemini-pro-2-experimental 명령어로 실행. 기본 모델 설정 가능.
• Ader 실습: 간단한 물 섭취량 추적 앱 생성, 빠른 응답 속도 강조. Claude나 다른 모델보다 속도가 훨씬 빠름. 복잡한 작업에서도 Claude 3.5, Haiku보다 우수한 성능. 안정성 향상.
• Klein 사용법: Klein은 Gemini Flash 모델 지원 미정. OpenAI 호환 API를 이용하여 Gemini 2.0 사용. 기본 URL, API 키, 모델 이름 설정 필요.
• Klein 실습: 간단한 재정 추적 앱(HTML, CSS, JS) 생성. 뛰어난 함수 호출 기능 강조. 긴 컨텍스트 창 활용. 실시간 오디오 및 이미지 생성 기능 활용 가능성 언급.

총평: Sonet의 70% 수준 성능을 무료로 제공. 전체 스택 앱 개발 영상 제작 가능성 언급. 시청자의 의견 및 채널 후원 요청.

Warp: AI 기반 인텔리전트 터미널. 무료. 자연어 입력, 자동완성, 스마트 제안 기능 제공.

사용자 인터페이스: IDE 유사 편집기. 마우스 지원, 여러 줄 편집 가능. 맞춤 설정 가능 (프롬프트, 설정, 바인딩). Bash, Fish, Zsh, PowerShell 지원. Rust 기반 고성능.

기능:

• 스마트 제안: 400개 이상 CLI 도구 지원. 빠른 명령어 실행.
• 맞춤 설정: 글꼴, 테마(Starship, Oh My Zsh 등) 변경 가능.
• Agent 모드: AI 기반 자연어 질의 처리. 복잡한 명령어 실행, 문제 해결, 워크플로 탐색 지원. 내장 어시스턴트 역할. 사용자 의도를 실행 가능한 명령어로 변환.
• Warp Drive: 개인 보안 라이브러리. 팀 전문 지식 공유 (런북, 명령어). 협업 및 생산성 향상.

지원 플랫폼: Mac, Linux. Windows (WSL 필요). WSL 설치 방법 설명 (PowerShell, Ubuntu 데비안 파일 설치).

설치 및 설정: WSL 설치 후, 설치 명령어 실행 (설명 참조). 계정 생성 후 로그인. 테마, 프롬프트 설정 가능 (기존 설정 사용 또는 Warp 제공 템플릿/빌더 사용). 팀 생성 및 초대 기능 제공.

Agent 모드 사용 예시: GitHub 저장소 복제 및 설치, 가상 환경 생성 및 패키지 설치, API 키 설정 등의 자연어 명령어 실행. Human-in-the-loop 기능 제공.

Warp Drive 사용: 팀 협업, 문서 공유 및 온보딩 지원.

추가 기능:

• 컨텍스트 기반 제안: 코드베이스, 디렉토리, 쉘 환경, 이전 입력 고려.
• 주요 명령어: Agent 모드 (Ctrl+I), 명령어 검색 (Ctrl+R), 명령어 팔레트 (Ctrl+Shift+P).

문제 해결 예시: 파일 경로 오류 발생 시, Agent 모드에 컨텍스트 추가 후 AI를 이용한 문제 해결.

요약: Warp는 AI 기반의 사용자 친화적인 터미널로, 효율적인 코딩 워크플로우를 제공. 다양한 기능과 맞춤 설정 옵션을 통해 사용자 경험 향상.

AI 에이전트 소개: AI 에이전트는 인공지능 기반 시스템으로, 자율적으로 작업을 완료하고, 의사결정을 내리며, 새로운 정보에 적응합니다. 질문에 답하는 것을 넘어 목표 달성을 위한 단계 및 행동을 취합니다. 여행 계획 에이전트 예시: 항공권, 호텔 예약, 일정 변경, 저녁 식사 예약 등을 수행합니다.

AI 에이전트의 세 가지 주요 특성:

• 자율성: 주어진 범위 내에서 독립적으로 행동합니다.
• 목표 지향성: 문제 해결 또는 특정 작업 완료와 같은 특정 결과에 집중합니다. 특정 분야 또는 작업에 특화될 수 있습니다.
• 환경 인식: 온라인 또는 물리적 환경의 데이터 또는 이벤트에 반응하고, 과거 요청 및 정보를 기억합니다.

AI 에이전트 작동 방식: 여러 기술을 결합하여 작동합니다.

• 핵심 AI 모델 (LLM): GPT 또는 Llama 3와 같은 대규모 언어 모델이 에이전트의 두뇌 역할을 합니다. 언어 이해, 생성, 추론, 문제 해결을 담당합니다.
• 도구 사용: API, 데이터베이스, 소프트웨어 등을 활용하여 특정 작업을 수행합니다. 예: 캘린더 API를 사용하여 예약 생성.
• 메모리: 단기 및 장기 메모리를 통해 작업 진행 상황을 추적하고 행동을 조정합니다.
• 피드백 루프: 에이전트의 행동을 지속적으로 모니터링하고 분석하여 실패 시 다른 방법을 시도합니다.

의사결정 프레임워크: 네 가지 구성 요소를 조정하는 역할을 합니다.

• 목표 설정: 사용자로부터 목표를 받거나 스스로 정의합니다.
• 작업 분해: 목표를 더 작은 실행 가능한 작업으로 분할합니다.
• 도구 및 행동 선택: 각 하위 작업에 적합한 도구와 행동을 선택합니다. LLM은 중앙 문제 해결자 역할을 합니다.
• 피드백 루프: 행동의 결과를 평가하고 필요에 따라 접근 방식을 조정합니다. LLM은 결과를 분석하고 다음 행동을 제안합니다.
• 메모리 및 컨텍스트 관리: 진행 상황, 컨텍스트, 외부 변경 사항을 추적합니다. LLM은 메모리를 검색하거나 업데이트합니다.
• 우선순위 지정 및 충돌 해결: 여러 경로 또는 목표가 경쟁할 때 우선순위를 지정하고 충돌을 해결합니다. LLM은 옵션을 평가하고 순위를 매깁니다.
• 강화 학습 통합: 시간이 지남에 따라 성능을 향상시키기 위해 강화 학습을 통합합니다. LLM은 표준 응답이 실패할 때 창의적인 솔루션을 탐색하는 데 도움이 됩니다.

AI 에이전트의 응용 예시: 간단한 이메일 봇부터 복잡한 문제를 해결하는 고객 서비스 에이전트까지 다양한 응용이 가능합니다.

AnythingLLM 데모: Nvidia RTX GPU를 사용하여 LLM 모델을 로컬에서 실행하는 애플리케이션입니다. 계정이 필요 없으며 개인 정보를 보호합니다. Mac, Windows, Linux와 호환됩니다. Llama 3.2 모델 사용 예시와 파일 업로드 및 RAG(Retrieval Augmented Generation) 기능을 활용한 PDF 요약 데모를 보여줍니다. 커뮤니티 허브를 통해 추가 에이전트 스킬을 가져와 사용할 수 있습니다. (예: 날짜 및 시간 가져오기) 로컬 실행으로 인해 속도가 빠르고 민감한 문서를 인터넷에 업로드할 필요가 없습니다.

Agent Zero 0.8 업데이트 소개: 새로운 반응형 UI, 자동 메모리 기능, 실시간 프로세스 최적화 기능(Reflections) 추가. Docker 지원으로 배포 및 확장 용이. 검색 엔진 통합(SearchNG) 및 향상된 컨텍스트 창 관리 기능 제공. 파일 첨부 기능 지원.

주요 기능 상세:

• 반응형 UI: AI 에이전트와 채팅하고 UI 내에서 에이전트 배포 가능.
• 자동 메모리: 에이전트가 과거 상호작용 학습하여 효율성 및 적응력 향상.
• Reflections: 에이전트가 실시간으로 프로세스 분석 및 최적화. 복잡한 작업 자율적으로 처리.
• Docker 지원: Docker 컨테이너화로 배포 및 확장 용이. 다양한 환경에서 원활한 설정 및 호환성 보장.
• SearchNG: 향상된 웹 기반 쿼리 처리 시스템으로 실시간 정확한 정보 제공.
• 컨텍스트 창 관리: 대용량 데이터 세트 및 대화 효율적으로 처리.
• 파일 첨부 지원: 다양한 파일 형식 업로드 및 관리 가능.
• 음성 모드: AI 에이전트와 실시간 음성 대화 가능. Whisper 및 ElevenLabs 등 음성 모델과 연동.

설치 및 설정 방법:

• Docker 설치 및 최신 버전 업데이트.
• Docker Desktop에서 Agent Zero 이미지 검색 및 실행.
• 컨테이너 이름, 호스트 포트 설정 및 실행.
• 로컬 호스트에서 Agent Zero 접속.
• 설정 탭에서 API 키(OpenAI, Anthropic, Cohere, Google 등) 설정 및 저장.
• 다양한 설정(자동 스크롤, 다크 모드, 음성, 생각 표시, JSON 형식 표시 등) 구성.
• 파일 업로드 및 이전 대화 기록 확인.

사용 예시 및 데모:

• YouTube 채널 웹페이지 생성 데모: AI 관련 정보와 YouTube 채널 링크 포함.
• 음성 기능 데모: 음성으로 AI 에이전트와 질문하고 답변 받음. AI 에이전트 구성 방법 질문에 대한 자세한 답변 확인.

마무리: 링크는 설명란에 제공. Patreon, Twitter 팔로우 및 구독 권장. 다른 영상 시청 권장.

Llama 3.3: 메타 AI의 새로운 오픈소스 대규모 언어 모델. 기존 유료 모델(Gemini, Anthropic Claude 3.5, Sonic, OpenAI GPT-4 Omni 등)보다 우수한 성능. 코딩, 수학, 추론 등 특정 분야에서 뛰어난 성능. 비용은 GPT-4 Omni보다 25배 저렴.

LlamaCoder: Llama 3.3을 활용한 오픈소스 웹앱 및 풀스택 애플리케이션 생성 프레임워크. Cursor, Windscribe과 유사한 기능 제공. Together AI API를 통해 온라인 접근 가능. 로컬 설치도 가능. Shaden 패키지를 이용한 UI 디자인 지원.

LlamaCoder 사용법:

• 모델 선택 (Llama 3.1, 3.3, 40B 등).
• Shaden 패키지 활성화/비활성화.
• 프롬프트 입력으로 웹앱 생성.
• 좌측 패널: 코드 생성. 우측 패널: 코드 미리보기.
• 코드 수정 및 업데이트 기능.
• ‘Publish App’ 버튼을 통해 생성된 앱 접근.
• 코드 내보내기 기능 제공. GitHub 배포 기능 미구현.

LlamaCoder 로컬 설치:

• 사전 준비: Git, Python, VS Code 설치. Together AI API 키 준비.
• Git clone을 이용한 저장소 복제.
• VS Code에서 example.env 파일을 .env로 이름 변경 후 API 키 입력 및 저장.
• cd llama-coder 명령어로 디렉토리 이동.
• npm install 명령어로 패키지 설치.
• npm run dev 명령어로 로컬 서버 실행.
• 로컬 호스트를 통해 LlamaCoder 접근 및 사용. 다양한 모델(Quill 2.5 Coder 포함) 사용 가능.

데모: 모바일 친화적인 경비 추적 웹앱 생성. 홈페이지, 입력 페이지, 대시보드, 설정 페이지, CSV 내보내기 기능 구현 요청. 오류 발생 후 수정 과정 진행. 기능 대부분 구현 성공. 일부 기능(CSV 내보내기)은 백엔드 연결 없이 미완성 상태.

마무리: LlamaCoder의 장점과 활용법 소개. 관련 링크, Patreon, Twitter 계정 정보 제공. 구독 및 알림 설정 권장.

Pantic AI 소개 및 장점: Pantic AI는 새로운 오픈소스 Python 에이전트 프레임워크로, 기존 LangChain, LlamaIndex 등보다 생산 준비가 된 AI 에이전트 개발을 훨씬 수월하게 만듭니다. 핵심은 Pydantic 기반의 강력한 검증 기능입니다.

• 주요 기능: 컨텍스트 관리, 에러 처리 및 재시도 로직, 테스트 및 평가 기능, 로깅 및 모니터링, LLM 출력 검증 등을 제공합니다.
• 모델 독립성: OpenAI, Anthropic, Google Gemini 등 다양한 LLM 제공자와 호환됩니다. 사용자 정의 제공자 추가도 가능합니다.
• 타입 안전성: Pydantic을 활용하여 타입 안전한 구조화된 응답 및 스트리밍 응답을 지원합니다.
• 의존성 주입: 데이터베이스 연결, API 키 등 중요한 컨텍스트를 안전하게 관리하고, 테스트를 위한 모의 의존성 설정을 지원합니다.
• Logfire 통합: 디버깅 및 모니터링을 위한 Logfire 통합을 제공합니다.

웹 검색 에이전트 구현 (Brave Search API 활용): Pantic AI를 사용하여 Brave Search API를 통해 웹 검색을 수행하는 에이전트를 구현하는 과정을 보여줍니다.

• 사전 준비: Python, OpenAI API 키 (선택, GPT 사용 시), Llama(선택, 로컬 LLM 사용 시) 설치 필요. GitHub 저장소에 코드 및 실행 방법 제공.
• 환경 변수 설정: API 키 및 사용할 모델을 .env 파일에 설정합니다.
• 패키지 임포트 및 LLM 설정: 필요한 패키지를 임포트하고, OpenAI 또는 Llama 인스턴스를 설정합니다.
• 의존성 정의: Brave Search API 키 및 HTTP 클라이언트를 의존성으로 정의합니다.
• 에이전트 및 툴 정의: 시스템 프롬프트, 의존성, 모델 재시도 설정을 포함하여 에이전트를 정의하고, Brave Search API를 호출하는 툴을 추가합니다. 툴의 docstring은 LLM이 툴을 사용하는 방법을 알려줍니다.
• 툴 기능 구현: Brave Search API를 호출하여 결과를 가져오고, LLM이 이해할 수 있는 형태로 변환합니다. Logfire를 사용하여 로깅합니다.
• 에이전트 실행: agent.run()을 사용하여 에이전트를 실행하고 결과를 출력합니다. debug 라이브러리를 통해 실행 과정을 확인할 수 있습니다.

Streamlit UI 기반 에이전트 데모: 웹 검색 에이전트를 Streamlit UI로 구현하여 채팅 히스토리 및 스트리밍 출력을 지원하는 고급 버전을 소개합니다.

• 채팅 히스토리: 이전 질문과 답변을 저장하여 대화형 인터페이스를 제공합니다.
• 스트리밍 출력: LLM의 응답을 실시간으로 표시합니다. (Llama는 지원하지 않아 GPT-4 사용)
• UI 구현: Streamlit을 사용하여 사용자 인터페이스를 구축하고, 에이전트를 호출하고 결과를 표시합니다. 비동기 작업을 사용하여 UI 응답성을 유지합니다.

결론: Pantic AI는 생산 수준의 AI 에이전트 개발에 필요한 다양한 기능을 제공하는 강력한 프레임워크입니다. 개발자는 Pantic AI의 기능을 이해하고 활용하여 효율적이고 안정적인 에이전트를 구축해야 합니다.

유튜버 Josh Pook가 Bolt.new의 포크인 Autodev를 소개하는 영상.

Bolt.new 소개: 웹 컨테이너 활용, 자연어 프롬프트, 풀스택 앱 배포(StackBlitz 사용) 기능을 가진 혁신적인 AI 툴. 유료 버전과 오픈소스 버전 존재.

Autodev: Bolt.new 오픈소스 버전의 포크. Cole Medan이 제작. 다양한 LLM(OpenAI, Claude 등) 지원.

Autodev의 장점:

• 지속적인 기능 개선 및 커뮤니티 활동 활발.
• 문서화(설정, Docker 사용법, LLM 추가 방법 등) 잘 되어 있음.
• 활성화된 커뮤니티(Think Tank) 존재.
• GitHub 통합.
• 다양한 기능 추가: OpenRouter 통합, 로컬 모델 자동 생성, API 키 UI 입력, 다양한 API(Mistral, OpenAI 등) 통합, Bolt 터미널, 코드 버전 관리, 이미지 프롬프트 지원, 모바일 친화적인 인터페이스 등.
• 고려 중인 기능: 파일 재작성 방지, 소규모 LLM 프롬프트 개선, 백엔드 에이전트 실행 등.

Autodev 설치 및 사용법:

• Git 및 Node.js 설치 필요.
• 레포지토리 복제(git clone).
• API 키 설정(env.example 복사 및 수정).
• pnpm install 및 pnpm run dev 실행.
• 포트 5173에서 접속.

Autodev와 Bolt.new 비교: 유사하지만 일부 기능 차이 존재. Autodev는 기본 UI 템플릿 제공 안 함.

Autodev 주요 기능 시연:

• 챗 임포트, 폴더 및 Git 레포지토리 임포트 기능.
• 다양한 LLM 선택 및 API 키 설정(환경 변수 또는 UI).
• 이미지 업로드 및 프롬프트 생성 기능.
• 프롬프트 개선 기능 사용.
• Next.js 기반 Twitter 클론 생성 과정 시연(여러 번의 프롬프트 수정을 통해 완성).
• 코드 다운로드, 파일 동기화, 터미널(Bolt 터미널 및 일반 터미널) 기능.
• GitHub push 기능.

결론: Autodev는 Bolt.new의 훌륭한 오픈소스 대안. 지속적인 개발과 커뮤니티 참여가 강점. 다양한 LLM 지원 및 편리한 기능 제공.

Windsurf vs. Cursor 비교 분석: 프롬프트 워리어 블로그 게시글 요약

Windsurf UI: 초보자에게 더 직관적이고 사용하기 쉬운 UI 제공. Cascade 기능의 Write/Chat 모드 전환 가능. 코드베이스 자동 분석 및 적절한 파일 선택. 단계별 워크플로우 제공. Cursor Agent보다 직관적인 터미널 통합.

• 장점: 초보자 친화적인 UI, 자동 코드베이스 분석, 단계별 가이드, 직관적인 터미널 통합.
• 단점: Cursor보다 코드 품질이 다소 낮음. 복잡한 애플리케이션 개발에는 부족.

Cursor UI: Windsurf와 유사한 VScode 기반 IDE. Composer 및 AI 채팅 기능 제공. 수동 컨텍스트 추가 또는 코드베이스 태깅 필요. Agent 기능 최근 출시되었으나 Windsurf보다 사용이 어려움.

• 장점: 고품질 코드 생성, 세밀한 제어 가능.
• 단점: 초보자에게는 학습 곡선이 가파름. 수동 컨텍스트 관리 필요.

코드 품질 비교: 동일한 기본 모델 사용하지만, Cursor가 더 높은 품질의 코드 생성. CopyCoder 프롬프트 테스트 결과, Cursor가 더 완성도 높고 오류 없는 애플리케이션 생성. Windsurf는 오류 발생 및 반복 작업 필요.

• 결론: 생산성 높은 코드 작성에는 Cursor가 우수.

가격 비교: 두 앱 모두 무료 플랜(느린 프리미엄 요청 제공)과 유료 플랜(빠른 프리미엄 요청 제공) 보유.

• Cursor: 월 $20, 500개의 빠른 프리미엄 요청 제공.
• Windsurf: 월 $15, 500개의 빠른 프리미엄 요청 제공.

결론: 초보자에게는 Windsurf 추천. 전문가 수준의 생산성 높은 코드 작성에는 Cursor가 더 적합. 복잡한 백엔드, 결제 연동, 인증 등을 포함하는 애플리케이션 개발에는 Cursor의 세밀한 제어 기능이 유리함.

Cursor 0.43 업데이트 주요 내용:

• 새로운 Composer UI: 탭 형식으로 통합, 이전 오버레이 UI보다 직관적이고 일관된 작업 공간 제공.
  • 인라인 차이점 표시: Composer 채팅 내에서 변경 사항 검토 및 즉시 수락 또는 파일 열어 수정 가능.
• Composer Agent: 고급 AI 기능으로 작업에 적합한 컨텍스트 자동 선택, 터미널과의 상호 작용으로 자동화 및 디버깅 지원.
  • 활성화 방법: Composer 채팅 창 또는 설정(편집기 > 채팅 및 Composer > 활성화 옵션)에서 가능.
  • 데모 영상: 프로젝트 구축 및 실행, 오류 분석, 필요한 패키지 설치, 코드 생성, 터미널 명령어 직접 실행 등을 자동으로 수행하는 모습 보여줌. macOS 앱 생성 데모 포함.
• 향상된 의미 검색: 몇 글자만으로도 파일을 더 빠르고 직관적으로 찾음. VS Code 검색과 유사.
• 이미지 드롭 경험 개선: Composer 채팅 상자에 파일을 가져갈 때 색상 변화로 시각적 신호 제공. 기능적 변화는 없음.
• 새로운 알약 추천 기능 (Pill Recommendation): 자세한 내용은 업데이트 배포 후 공개 예정.
• 실험적 기능: Bugfinder – 코드의 잠재적 버그 식별. 비용이 많이 들 수 있음. 메인 브랜치와의 차이점 분석. 기능 브랜치에서 실행 후 메인 브랜치 병합 권장.
• 기타 개선 사항: Composer 정확도 및 성능 향상, 버그 감소, 거의 즉각적인 코드 적용, 향상된 코드 컨텍스트 이해로 더 정확한 권장 사항 제공.

업데이트 설치 방법:

• 기존 Cursor 사용자: Ctrl/Cmd + Shift + P 누른 후 “Cursor: Attempt Update” 검색 및 실행.
• 신규 사용자: 공식 웹사이트 또는 운영체제별 설치 프로그램 이용.

영상 추가 정보:

• AI 에이전트를 활용하여 기능적 애플리케이션을 구축하는 후속 영상 예고.
• Patreon 링크: AI 구독 무료 제공.
• Twitter 링크: 최신 AI 뉴스 업데이트.

전반적인 내용:

• IDE 경쟁 심화 언급. Codium AI의 Windsurf IDE, Windsurf IDE 복제를 시도하는 오픈소스 IDE 언급. Cursor가 AI 기반 IDE 경쟁을 시작했다고 언급. Cursor의 지속적인 발전과 경쟁 심화로 인한 혁신 강조.

Replit과 Cursor를 결합하여 AI 앱 개발 속도 향상. Replit의 빠른 배포 및 Cursor의 우수한 AI 코딩 IDE 기능 활용.

Replit SSH 기능 사용 비용: 월 $15 (연간 구독), 월 $25 (추천). 저렴한 대안으로 로컬 호스트 직접 설정 가능. 하지만 속도 중시하는 사용자에게는 Replit 유료 구독 추천.

Replit 새로운 프로젝트 생성: 템플릿 선택(Node, Python 등) 또는 GitHub 임포트 가능. 영상에서는 Agent 기반 새 프로젝트 시작. 음성 명령(Windows/Mac dictation) 활용하여 빠른 프로젝트 생성.

샘플 앱 개발: Switch Dimension 회사 랜딩 페이지 제작. Cursor v0 과정 대기자 명단 수집 양식 포함. PostgreSQL 데이터베이스 백엔드 사용. Shadcn UI 컴포넌트 라이브러리 활용.

Replit Agent 상호작용: Agent가 계획 생성, 사용자가 승인. 백엔드에서 다양한 Agent(배포, 개발 등) 작동 추정. Agent 체크포인트당 25센트 비용 발생. 효율적인 프롬프트 작성으로 비용 절감.

데이터베이스 설정: Replit 내장 PostgreSQL 데이터베이스 자동 연결. 외부 데이터베이스(Supabase, PlanetScale, Firebase 등) 별도 설정 필요 없음. 시간 절약 효과 강조.

랜딩 페이지 미리보기: Replit 웹 뷰 또는 개발 URL 통해 미리보기 가능. 코드 수정 후 실시간 반영 확인.

Replit Agent 한계: 앱 복잡도 증가 시 Agent 기능 저하. Cursor 전환 시점: Agent 오류 발생 시점.

Cursor와 Replit 연결: Replit SSH 키 생성 및 추가. VS Code 또는 Cursor 연결 가능. SSH 키 생성 명령어 제공 및 상세 설명. 홈 경로 설정 중요성 강조(설정 안 되었을 경우 대체 경로 제시).

SSH 키 생성 및 추가 과정: 명령 프롬프트 사용. 키 생성 후 Replit 계정에 추가. 키 내용 비공개 강조.

Cursor 연결 및 테스트: Replit에서 Cursor 실행. 파일 구조 동일성 확인. Cursor에서 코드 수정 후 Replit에 즉각 반영.

앱 배포: Replit에서 자동 스케일링 기능을 이용한 앱 배포. 도메인 연결(추후 자세한 설명 예고).

Cursor AI 기능 활용: Cursor AI 기능을 이용한 디자인 변경(다크 모드, 노란색 엑센트, Radx UI 아이콘 추가). npm 패키지 설치 및 적용.

결론: Replit과 Cursor 결합을 통한 빠른 AI 앱 개발 및 배포. Replit의 편의성과 Cursor의 강력한 기능을 동시에 활용. 관련 강좌 정보 제공.

Cursor Agents 소개: 자동화된 컨텍스트 매핑 기능 제공, Windsurf IDE 기능에서 영감. 수동 컨텍스트 연결 불필요, 도메인 생소한 사용자에게 유용. 후드 아래 마법 같은 기술 존재.

성능 변수 고려: 코드베이스 크기 및 복잡성, 위험도, 모델의 한계. 복잡하고 큰 코드베이스일수록 성능 저하, 정확한 컨텍스트 인식 어려움. 파일 명명 및 구조 중요. Agent는 Chat, Composer보다 불투명하지만 편리함. 잘못된 설정 시 디렉토리 삭제, 파일 교체 위험.

장단점:

• 장점: 제안된 터미널 명령어 제공 (패키지 매니저 선호도 고려 안 함), 자동 컨텍스트 처리 우수 (컨텍스트 추가 필요).
• 단점: 폴더 참조 부재 (버그 가능성), 멈춤 현상 발생 (초기 기능이라 예상).

코딩 지식 필요성: 기본적인 코딩 지식 필요. AI는 사고 대체 불가능. 프론트엔드는 AI 활용 용이, 백엔드는 복잡성 증가로 AI 의존도 낮아짐. 개인 프로젝트는 AI 활용 자유롭지만, 엔터프라이즈는 감사 추적 및 규정 준수 필요. 필요에 따라 필요한 부분만 학습하는 전략적 접근 필요. AI의 동작 설명 요청, 아키텍처 다이어그램 생성 권장.

Cursor AI Agents 사용 시점: 80/20 법칙 적용. 초기 80%는 효율적, 나머지 20% (통합, 최적화, 품질 관리)는 수동 작업 필요. 성능, 보안 중요한 경우 AI 의존하지 않음. 개인 프로젝트, 프로토타입에 적합, 상용 애플리케이션은 검토 필요. 통합 과제는 지속 발생.

복잡성 라인: 단순 정적 랜딩 페이지는 낮은 복잡성, 장기 배치 처리 작업은 높은 복잡성. Prompt Gap 발생: 일부 프롬프트 작동 안 함, 에러 발생, 코드 혼란. 수동 개입 필요 시점 존재. YouTube Data API 예시: API 키 제공, YouTube 승인 필요.

세 개의 저장소 접근 방식: 랜딩 페이지, 대시보드, 백엔드 API 분리. 각 저장소 내에서 Agent 사용, 코드베이스 손상 방지. 프론트엔드는 Agent 활용 용이, 백엔드는 수동 작업 권장. 백엔드 작업 시 Chat 사용 증가, Composer 사용 감소.

테스트 필요성: 백엔드 변경 시 테스트 필수. 테스트 범위는 시스템 신뢰도에 따라 결정. Agent에 대한 신뢰도 낮으므로 테스트 중요.

Day Two Prompt Gap: Day 1 (기본 설정, 프론트엔드 생성, 오케스트레이션 코드 생성)은 원활, Day 2 (서비스 설정, 청구, 인증, 데이터베이스 상호 작용, 비즈니스 로직)는 복잡. Day 2에는 Chat 활용 권장, Composer는 세밀한 변경 시 사용. 작은 버그도 큰 문제 야기. Agent는 만능 해결책 아님, 현실적인 기대 필요. 프론트엔드 개발에 효과적, CRUD 앱 자동화 가능. 향후 결제, 인증, 데이터베이스 통합 기능 기대.

AI 코딩 튜토리얼: 초보자를 위한 AI 활용 앱 개발 로드맵 소개. Windsurf, Cursor, Bolt, Lovable 등 AI 도구 비교 및 활용법 설명.

앱 개발 도구:

• 복잡한 앱: Cursor (고가, 무제한 사용, 기능 우수, 복잡), Windsurf (저가, 티어별 가격, 사용 편의성 우수, 12월 11일까지 무료) 비교. Windsurf 추천.
• 간단한 앱: Bold.new (UI 디자인에 적합, 사용 편의성 우수), Lovable.dev (UI 디자인, 템플릿 제공, GitHub 통합, Supabase 통합), V0 (UI 디자인, Figma 파일 직접 임포트 기능) 비교. Lovable.dev 추천 (GitHub, 템플릿 장점).

문서 작성 도구:

• 문서 작성: ChatGPT 01 (넓은 컨텍스트 창, 정확한 문서 생성) 추천. ChatGPT 01 Pro ($200/월)는 선택사항.
• 코딩 질문: Cloud Sonnet, 맞춤형 GPT 활용. Cursor 내 질문, GPT 마켓플레이스 활용 가능.
• API 문서 작성: 맞춤형 GPT 활용.

문서 작성 중요성: AI의 환각 현상 방지. 앱 개발 전 5~6시간 문서 작성 필수. PRD, 기술 스택 문서, 데이터베이스 문서, UI 가이드라인, 앱 흐름 문서 작성 필요.

문서 유형 및 작성 방법:

• PRD (Product Requirement Document): 기술 스택, 기능, 구현 단계, 파일 구조 명시. 단계별 접근 방식 필요.
• 기술 스택 문서: 사용 API, 패키지 등에 대한 문서. (예: Next.js, Node.js, ChatGPT API, Clerk 등)
• 데이터베이스 문서: 테이블 종류, 관계 정의. (예: 사용자 테이블, 세션 테이블 간의 관계)
• UI 가이드라인: 색상, 폰트, 디자인 스타일 명시. 참고 웹사이트 스크린샷 활용 가능.
• 앱 흐름 문서: 페이지 연결, 사용자 액션, 조건부 흐름 명시.

문서 활용 및 앱 개발 과정:

• 프로젝트 내 ‘instructions’ 폴더에 문서 저장.
• PRD, 기술 스택 문서 등을 참조하며 단계별로 AI 도구에 프롬프트 입력.
• 필요에 따라 적절한 문서만 참조. 과도한 참조는 AI의 환각 현상 유발 가능.

배포: GitHub 업로드 및 Vercel 배포 (외부 튜토리얼 링크 제공).

결론: 올바른 도구 선택, 상세한 문서 작성, 문서 참조를 통한 앱 개발, GitHub 배포 과정으로 AI를 활용한 앱 개발 가능.

유튜버는 세 가지 No-Code AI 코딩 툴(Bolt, Cursor, Windsurf)을 비교하며 챗봇 앱 제작 실험을 진행했습니다.

평가 기준: 총 시간, 프롬프트 횟수, 에러 발생 횟수, 사용 편의성(1~10점), 앱 품질(1~10점), 가격

Bolt:

• 초기 설정부터 에러 발생, 의존성 설치 문제 지속.
• 복잡한 기능 구현에 어려움. 단순 챗봇 기능 구현에도 여러 에러 발생.
• 최종적으로 백엔드, 인증 기능 제거 후 간단한 기능만 구현.
• 총 시간: 22분 2초, 프롬프트: 11개, 에러: 9개, 사용 편의성: 3점, 앱 품질: 3점, 가격: 무료.
• 결론: 프로토타이핑에는 적합하지만, 복잡한 앱 개발에는 부적합.

Windsurf:

• 강력한 AI 에이전트(Cascade)를 통해 초기 단계는 빠르게 진행.
• 하지만, Superbase 및 ChatGPT API 통합 과정에서 지속적인 에러 발생. 임포트 에러 반복.
• 에러 해결 과정에서 AI가 스스로 에러를 인지하지 못하는 한계 드러남.
• 최종적으로 챗봇 기능 구현 성공. UI는 미흡.
• 총 시간: 26분 24초, 프롬프트: 10개, 에러: 11개, 사용 편의성: 5점, 앱 품질: 5점, 가격: 월 $10.
• 결론: Bolt보다는 나은 성능이지만, 에러 해결 과정에서 어려움 경험.

Cursor:

• AI 도구(Composer) 활용. 초기 기술 설치는 수동으로 진행.
• 다른 툴 대비 에러 발생 횟수 적고, 빠른 구현.
• ChatGPT API 및 Superbase 통합 성공. 데이터베이스 저장 기능 완벽 구현.
• UI는 미흡하지만, 기능적 측면에서 우수한 성능.
• 총 시간: 9분 6초, 프롬프트: 7개, 에러: 2개, 사용 편의성: 8점, 앱 품질: 8점, 가격: 월 $20.
• 결론: 세 가지 툴 중 가장 우수한 성능. 기능 구현 및 에러 해결 측면에서 효율적.

종합: 유튜버는 실제 엔터프라이즈급 앱 개발 경험을 바탕으로 Bolt는 프로토타이핑에 적합, Windsurf와 Cursor는 복잡한 앱 개발에 적용 가능하나 Cursor가 더 우수하다고 결론. Cursor가 가장 빠르고 효율적으로 완성도 높은 앱을 제작했다고 평가.

Cursor의 새로운 Composer 에이전트 기능 소개. Command+I로 Composer 접근.

웹 페이지를 마크다운으로 변환하는 애플리케이션 제작 목표. GPT-4 mini 모델 활용 계획. 기존 마크다운 변환 라이브러리 존재하지만 LLM 실험 목적.

에이전트 기능을 이용, 웹 스크래퍼 생성 프롬프트 입력. 스크래퍼 부분만 우선 생성 요청 (전체 앱 생성 방지).

에이전트가 environment 파일, scraper 파일, README, test scraper 파일 생성. 파일 생성 과정 자동화 강조.

conda env create 명령어 실행. 필요 패키지(OpenAI, beautifulsoup 등) 설치. 경고 메시지 발생하지만 정상 작동 확인.

초기 생성 코드에서 OpenAI 모델 사용 부분 누락 확인. 프롬프트 지시사항 과다로 인한 문제 추측. 후속 조치 계획 언급.

python test_scraper 실행 후 URL 인자 추가 요청. 에이전트가 수정된 scraper 파일 생성. 사용자 웹사이트(promptingguide.ai) 테스트 성공.

OpenAI 모델을 이용한 마크다운 변환 기능 추가 요청. 에이전트가 OpenAI API 키를 사용하는 코드 생성. .env 파일 생성 및 API 키 입력. --markdown 플래그를 사용한 출력 파일 지정. 마크다운 변환 성공. 일부 헤더 부분 수정 필요성 언급.

웹 앱으로 변환 요청. URL 입력 및 마크다운 변환, 미리보기 기능 포함.

에이전트가 app.py (Flask 앱), index.html (UI) 생성. README 업데이트.

Flask 라이브러리 설치 누락으로 인한 오류 발생. conda env update 필요성 언급. 에이전트가 환경 재설정 과정 수행. 비효율적인 과정 지적.

앱 실행 성공. 웹사이트 URL 입력 후 마크다운 변환 및 미리보기 확인. 마크다운 복사 기능 확인.

사용된 모델이 GPT-4 mini가 아닌 다른 모델임을 확인. Cursor가 OpenAI 모델 사용에 어려움 겪는 점 지적. Windsurf와 비교 언급. Windsurf 사용 시 더 빠른 개발 가능성 언급.

Cursor 에이전트 기능의 발전 가능성과 한계점을 동시에 제시하며 영상 종료. 후속 영상 예고 (Windsurf 사용 예시 포함).

Claude 대규모 업데이트: mCP(Model Context Protocol) 소개

• Anthropic사의 Claude에 mCP 업데이트 적용.
• 자체 서버 구동 가능, API처럼 동작.
• 외부 툴 및 앱과 상호작용 가능.
• AI 에이전트 구축의 난이도 대폭 감소.
• 단일 프롬프트로 다단계 AI 에이전트 구축 가능.

설정 과정: Claude Desktop 설치 및 mCP 설정

• Claude Desktop 다운로드 및 설치 (macOS, Windows 지원).
• 터미널/명령 프롬프트 사용하여 설정 파일 생성 (claude-desktop-config.js).
• 코드 에디터(VS Code, Cursor 등)로 설정 파일 열기.
• Brave Search mCP 설정:
  • Brave Search API 키 생성 (무료 플랜 이용 가능, 신용카드 정보 필요).
  • claude-desktop-config.js 파일에 API 키 입력.
  • Claude Desktop 재시작.
• GitHub mCP 설정:
  • GitHub 개인 토큰 생성 (필요 권한 부여).
  • claude-desktop-config.js 파일에 GitHub 토큰 입력.
  • Claude Desktop 재시작.
• mCP 툴 확인: Brave Search, GitHub 관련 툴 추가 확인.
• 권한 부여: 각 mCP 툴에 대한 접근 권한 부여 (보안상 중요).

실습: Alex Albert의 프롬프트를 이용한 웹 개발 자동화

• Alex Albert의 단일 프롬프트 사용: 간단한 HTML 페이지 생성, GitHub 저장소 생성 및 업데이트, 이슈 생성, 브랜치 생성 및 풀 리퀘스트 생성 등의 작업 수행.
• 단일 프롬프트로 다양한 작업 수행: 웹 검색, 파일 생성, 코드 업로드, 이슈 생성, 브랜치 생성, 풀 리퀘스트 생성 등.
• 에러 처리: 프롬프트 실행 중 발생하는 에러 수정 및 대응.
• 결과 확인: GitHub 저장소에서 생성된 파일, 이슈, 브랜치, 풀 리퀘스트 확인.
• Artifacts 기능 활용: 생성된 웹사이트 미리보기.

결론 및 추가 정보

• mCP 업데이트를 통한 AI 에이전트 구축의 용이성 강조.
• AI 활용의 중요성 강조 및 미래 전망 제시.
• 강사의 AI 기반 작업 관리 앱(Vectal) 소개 및 대기자 명단 링크 제공.