비개발자의 바이브 코딩 경험기: LLM과 AI 에이전트 도구 활용법

비개발자가 바이브 코딩(Vibe Coding)을 통해 업무용 HTML 도구를 직접 제작하고 활용하는 실제 경험을 공유했다. 저자는 필요한 도구를 찾는 것보다 직접 만드는 것이 더 빠르다는 것을 깨닫고, ChatGPT, Claude, Gemini 같은 LLM과 Copilot Agent를 비교하며 사용법을 정리했다.

LLM을 활용한 규칙 기반 도구 제작

LLM은 요청마다 결과가 달라지는 불확실성이 있어, 반복적이고 규칙적인 작업에는 신뢰도가 떨어질 수 있다. 이에 저자는 텍스트 변환이나 형식 수정 같은 단순 반복 작업을 위해 규칙 기반 HTML 도구를 만드는 방식을 채택했다. 예를 들어, 영문으로 잘못 입력된 한글을 복원하는 '키보드 변환기'나 Mermaid 다이어그램을 실시간 편집하는 웹 페이지를 LLM 프롬프트로 생성해 사용했다. 이러한 도구는 입력 형식과 예시 데이터를 첫 화면에 명시하면 재사용성이 높아진다.

AI 에이전트 도구의 활용과 한계

Copilot Agent 같은 에이전트 도구는 한 줄의 프롬프트로도 UX를 고려한 결과물을 생성할 수 있어, 파일 간 이동이나 오류 수정 등 복잡한 작업에서 편리함을 제공한다. 하지만 복잡한 요구사항을 반영할 때는 초기 프롬프트가 명확하지 않으면 기존 기능이 사라지거나 의도와 다른 결과가 나올 수 있다. 따라서 복잡한 프로젝트일수록 초기 프롬프트를 구체적으로 작성하고, LLM에게 프롬프트 초안을 작성하게 한 후 세부 사항을 직접 수정하는 방식이 효과적이었다.

비개발자의 한계와 향후 방향

저자는 AI로 만든 결과물이 '동작하는 무언가'를 만드는 데는 유용하지만, 보안, 성능 관리, 테스트 자동화 등 실제 서비스 운영에 필요한 전문성은 부족하다고 지적했다. 향후에는 Claude Code나 OpenAI Codex CLI 같은 터미널 기반 코딩 에이전트 도입 여부를 고민하며, 개발 지식 학습과 AI 네이티브 방식 중 어떤 경로를 택할지 탐색할 계획이다.