AI한테 일을 던지려면, 던질 판부터 깔아야 해요 — Codex·옵시디언·앤드류 응까지
🔚 결론부터: 도구가 아니라 판을 깔아야 합니다
오늘 읽은 네 편은 출처가 다 다른데, 이상하게 한 방향을 가리킵니다. 코드를 대신 짜주는 도구가 좋아질수록, 사람이 할 일은 “타이핑”에서 “판 깔기”로 옮겨간다는 것이죠.
판이라는 게 뭐냐면 이런 거예요. 규칙을 적어둔 파일(AGENTS.md, CLAUDE.md), 반복 절차를 묶어둔 스킬, 며칠 뒤에 돌아와도 5분이면 복귀되는 노트, 그리고 “이 구현이 지연시간이랑 비용 중에 뭘 포기한 건지” 알아볼 수 있는 기본기.
이 판이 없으면 어떻게 되냐면요. 에이전트는 잘 돌아가는 것처럼 보이다가, 사용자가 늘어나는 순간 무너집니다.
1. 에이전트는 이제 ’짝꿍’이 아니라 ’팀원’이에요
원문 보기 — OpenAI에서 직접 알려주는 Codex 사용법 (채널톡 기술블로그)
🎯 자동완성 → 짝꿍 → 이제는 팀장
AI 코딩은 세 단계를 거쳐 왔습니다. 타이핑 중에 뒷말을 채워주는 자동완성, 옆에 앉아 같이 짜주는 페어 프로그래밍, 그리고 일을 통째로 맡기고 결과만 확인하는 에이전틱 프로그래밍이죠.
단계가 올라갈수록 사람이 손대는 지점이 위로 올라가요. 코드 한 줄이 아니라 “이 일 해줘” 수준에서 개입하게 되는 겁니다.
Codex는 이 흐름을 네 박자로 정리했습니다.
| 단계 | 하는 일 |
|---|---|
| 위임 | 오래 걸리는 작업 여러 개를 백그라운드에 동시에 던지기 |
| 관찰 | 작업 브랜치·실행 로그·코드 변경분·브라우저 화면을 한곳에서 보기 |
| 개입 | 진행 중인 일에 조건을 붙이거나 방향 틀기 |
| 검토 | 변경사항과 테스트 결과 확인 후 승인 |
🛠 팀 규칙을 아예 파일로 박아둡니다
AGENTS.md는 “우리 팀은 이렇게 일해요”를 적어두는 파일이에요. 저장소 규칙과 검증 방법을 여기 정리해두면 에이전트가 매번 같은 방식으로 움직입니다. /init 명령으로 초안 생성도 되고요.
반복 절차(PR 작성, 이슈 분석, 테스트 실행)는 Skills로 묶어서 공유합니다. 작업 방식의 일관성이 여기서 나오네요.
제일 신기했던 건 Record and Replay입니다. 말로 설명하기 애매한 절차는 화면을 녹화해서 보여주면, 에이전트가 그걸 이해하고 스스로 skill을 써줘요. 유튜브 업로드나 CRM 작업처럼 정형화 안 된 일도 자동화 대상이 되는 거죠. 단, 조건이 붙습니다 — 절차가 고정돼 있고 결과를 검증할 수 있어야 해요.
💭 그래서 저는 이걸 하기로 했어요
프롬프트, AGENTS, config, skills, plugins, MCP 같은 걸 그때그때 즉흥으로 만들지 말고 아예 관리 대상으로 잡아야겠다는 생각이 들었습니다. 매번 새로 짜는 건 결국 판을 안 까는 거니까요.
그리고 이 글에서 클로드 코드 안에서 Codex를 호출하는 법을 배웠어요. 지금 클로드를 메인으로 쓰고 있으니, 아예 갈아타는 게 아니라 둘을 같이 굴리는 환경을 만들면 되겠더라고요.
2. Claude Code에서 Codex 불러오기 — 실제 세팅 방법
1번 글을 읽고 바로 찾아본 내용입니다. 공식 문서 기준으로 정리했어요.
⚡ 마이그레이션 안 해도 됩니다
“이미 클로드 코드 쓰고 있는데 새로 세팅해야 하나?” 싶었는데, 두 가지 경로가 있더라고요.
- 방법 A — 클로드 코드를 떠나지 않고 플러그인으로 Codex를 호출하기
- 방법 B — Codex CLI에서
/import로 기존 설정을 통째로 가져오기
부담 없이 시작하려면 A가 맞습니다. 익숙한 UI를 유지한 채 결과만 비교해볼 수 있으니까요.
🔧 방법 A — 플러그인으로 호출하기
먼저 요구사항부터요. ChatGPT 구독(Free 티어 포함) 또는 OpenAI API 키, 그리고 Node.js 18.18 이상이 필요합니다.
Codex 본체를 깔고 로그인합니다.
npm install -g @openai/codex
codex login그다음 클로드 코드 세션 안에서 네 줄을 순서대로 칩니다.
/plugin marketplace add openai/codex-plugin-cc
/plugin install codex@openai-codex
/reload-plugins
/codex:setup/codex:setup이 설치 상태와 인증을 검증해줘요. 여기서 통과해야 나머지가 동작합니다.
설치가 끝나면 이런 명령들이 생깁니다.
| 커맨드 | 기능 |
|---|---|
/codex:review |
현재 작업에 대한 일반 코드 리뷰 |
/codex:adversarial-review |
설계 결정과 가정을 공격적으로 되묻는 리뷰 |
/codex:rescue |
버그 조사·수정 같은 작업을 Codex에 위임 |
/codex:transfer |
현재 세션을 Codex 스레드로 변환 |
/codex:status · /codex:result · /codex:cancel |
백그라운드 작업 상태·결과·취소 |
모델이나 추론 강도는 프로젝트 루트의 .codex/config.toml에서 조정합니다.
model = "gpt-5.4-mini"
model_reasoning_effort = "high"설정 우선순위는 사용자 레벨(~/.codex/config.toml) → 프로젝트 레벨(.codex/config.toml) 순이에요.
📦 방법 B — /import로 설정 가져오기
Codex 세션에서 /import를 실행하면 ~/.codex/config.toml이 채워지고 AGENTS.md 초안이 생성됩니다. 건너뛴 항목과 충돌 목록도 리포트로 나와요.
| Claude Code | Codex |
|---|---|
CLAUDE.md |
AGENTS.md (이름 변경 + 문법 조정) |
~/.claude/config.json |
~/.codex/config.toml |
.claude/settings.json |
.codex/config.toml (프로젝트 레벨) |
| skills / slash commands | .agents/skills/ 폴더 기반 패키지 |
| MCP 서버 설정 | config.toml의 [mcp_servers.*] 섹션 |
주의할 게 하나 있습니다. Codex는 CLAUDE.md를 읽지 않아요. AGENTS.md를 읽습니다. 지침 파일이 두 개가 되니까 동기화 규칙을 먼저 정해야 하는데, 한쪽을 원본으로 두고 다른 쪽을 생성물로 취급하는 편이 관리하기 쉽습니다.
그리고 /import는 자동 변환이라, 승인정책이나 샌드박스 설정처럼 안전에 직결되는 항목은 꼭 직접 확인하세요.
📌 방법 A의 설치 명령·커맨드 목록·config는 codex-plugin-cc 공식 README와 OpenAI Developers 문서 기준입니다. 방법 B의
/import세부 동작은 커뮤니티 정리 글을 참고했고, 버전에 따라 달라질 수 있어 리포트로 확인이 필요합니다.
🔀 그럼 AGENTS.md 하나로 둘 다 먹일 수 있나요?
여기서 한 번 막힙니다. Claude Code는 AGENTS.md를 읽지 않아요. CLAUDE.md만 읽습니다. 반대로 Codex는 AGENTS.md만 읽고요. 그래서 그냥 두면 지침 파일이 두 개로 쪼개집니다.
다행히 우회로가 있어요. 지침 본문은 AGENTS.md 한 곳에만 두고, CLAUDE.md는 그걸 가리키게만 만드는 겁니다.
<!-- CLAUDE.md -->
@AGENTS.mdClaude Code의 @경로 import 문법이라, 이 한 줄이면 AGENTS.md 내용을 그대로 끌어옵니다. 심볼릭 링크(ln -s AGENTS.md CLAUDE.md)를 쓰는 방법도 있는데, 윈도우에서는 개발자 모드나 관리자 권한이 필요해서 저는 import 쪽이 편하더라고요.
이렇게 하면 원본은 AGENTS.md 하나, CLAUDE.md는 포인터가 됩니다. 규칙을 두 군데 복붙하다 어긋나는 사고를 막을 수 있어요.
📌 Claude Code의
AGENTS.md미지원은 Anthropic 문서 기준이며 관련 이슈가 올라와 있습니다. 나중에 네이티브 지원이 붙으면 이 우회는 필요 없어질 수도 있어요.
✅ 오늘 바로 해볼 수 있는 것
-
npm install -g @openai/codex하고codex login까지 끝내기 - 클로드 코드에서 플러그인 4줄 설치하고
/codex:setup통과시키기 - 작은 실제 과제 하나를 골라 두 시스템에서 각각 돌려보고 결과 비교하기
- 지침 파일 원본을
AGENTS.md로 옮기고CLAUDE.md는@AGENTS.md한 줄로 만들기
3. 며칠 뒤에 돌아와도 5분이면 복귀되는 이유
원문 보기 — Ch.14 할일 앱을 다시 열었다 (『바이브코딩은 왜 실패하는가』)
📓 기록이 없으면 복귀에 30분이 날아갑니다
주말 지나고 월요일에 앱을 다시 열면 파일이 몇 개였는지, 뭘 하려고 했는지 다 흐릿하죠.
그런데 옵시디언에 프로젝트 개요, 체크리스트, 아키텍처, 세션 로그를 남겨뒀다면 얘기가 달라집니다. 세션 로그 하나만 열어도 “여기까지 했고 이게 남았구나”가 3분이면 복원돼요.
기록이 없으면요? 터미널 열고 코드 훑으면서 “이게 뭐였지”를 반복하다 30분을 날린다는 게 저자의 주장입니다.
🎼 지휘자와 현장 책임자를 구분해서 씁니다
저자는 역할을 셋으로 나눕니다. 나는 뭘 만들지 정하는 의사결정권자, Claude Desktop은 전체 그림 보고 설계하는 지휘자, Claude Code는 설계 받아서 실제로 코드를 치는 현장 책임자예요.
“마감일 기능 추가하고 싶어”를 똑같이 던져도 반응이 갈립니다.
- 지휘자 → “날짜를 Date로 저장할지 ISO 문자열로 할지, 기존 컴포넌트를 고칠지 새로 팔지 먼저 정합시다”
- 현장 책임자 → “네, dueDate 필드 추가할게요” 하고 바로 코드를 건드림
지휘자는 생각을 하고, 현장 책임자는 실행을 해요. 둘 다 필요한데 순서가 중요하다는 게 핵심입니다. 특히 새로 만드는 게 아니라 기존 프로젝트를 확장할 때 더 그래요. 기존 코드랑 새 기능이 맞물려야 하니까요.
💭 이건 제가 이미 굴리고 있는 방식이에요
이 챕터는 『바이브코딩은 왜 실패하는가』를 완독하고 남기는 기록입니다. 책의 방법론을 이미 쓰고 있던 옵시디언 + Claude Code 환경 위에 추가로 얹어서 빌드업했어요. 그대로 따라 하진 않았고, 폴더랑 구조는 제 스타일대로 다시 짰습니다!
실제로 INPUT → OUTPUT으로 전환한 성공적인 사례예요. 👍 개인적으로 올해 가장 만족스러운 성취지 않을까 싶습니다. 노션에서부터 옵시디언까지 오게 된 구축기도 따로 업데이트 예정이에요 😃
4. 채용 시장은 “배웠다”가 아니라 “만들었다”를 봅니다
원문 보기 — AX 인재가 되는 법: 기업이 검증하는 AI 활용 역량 5단계 로드맵
📈 학위 대신 ’증거’를 봐요
올해 1~5월 ‘AI’ 키워드 채용 공고가 약 1만 5천 건으로 전년 대비 70% 늘었습니다. 전체 공고 증가율이 10%였으니 일곱 배 속도네요.
더 중요한 건 기업이 보는 증거가 달라졌다는 점이에요. 최우선 역량으로 꼽힌 건 학위나 수료증이 아니라 실무 프로젝트·현장 적용 경험(32.9%) 이었습니다. SK하이닉스가 신입 채용에서 학력 요건을 없애고, 채용 해커톤이 서류 심사 없이 결과물만으로 본선을 뽑는 것도 같은 흐름이고요.
🪜 5단계 로드맵
- 습관화 (2~4주) — 챗봇 하나를 골라 매일 씁니다. 요약·초안·검토 세 용도면 충분해요. 목표는 실력이 아니라 빈도입니다.
- 프롬프트 설계 (2~4주) — 역할 지정, 맥락 제공, 형식 지정, 반복 개선. ’좋은 프롬프트 100선’을 외우는 것보다 내 업무 하나로 지시문을 세 번 고쳐보는 쪽이 빨라요.
- 업무 자동화 (1~3개월) — 여기서 격차가 벌어집니다. 챗봇에 묻는 수준을 넘어 반복 업무 자체를 AI가 수행하는 구조로 바꿔요. 자동화 전후 소요 시간을 숫자로 남기는 게 포인트입니다.
- 도메인 결합 (3개월~) — 기업이 말하는 AX 인재의 실체가 여기예요. AI를 아는 사람은 많아졌지만, 자기 직무의 문제를 AI로 풀 수 있는 형태로 정의하는 사람은 여전히 드뭅니다.
- 증명 (상시) — 역량이 있어도 보이지 않으면 없는 것과 같아요. ‘문제 → 접근 → 사용 도구 → 결과 수치 → 한계’ 구조로 정리해서 GitHub·블로그에 공개합니다.
⚠️ 흔히 빠지는 함정 세 가지
- ❌ 도구 수집가 되기 — 새 툴 구경만 하는 건 역량이 아니에요. 2~3개를 깊게 쓰는 사람이 10개를 얕게 아는 사람보다 항상 강합니다.
- ❌ 검증 없이 제출하기 — 지어낸 근거가 섞인 결과물을 그대로 내면 AI를 안 쓴 것보다 나쁜 평가를 받아요.
- ❌ 기밀·개인정보 투입 — 조직의 AI 사용 정책을 먼저 확인하는 것 자체가 AX 역량의 일부입니다.
5. 에이전트는 코드를 쓰고, 사람은 트레이드오프를 고릅니다
원문 보기 — 앤드류 응이 짚은 ‘바이브 코딩이 놓치는 7가지 트레이드오프’
⚖️ 낡아가는 것과 더 비싸지는 것
앤드류 응은 먼저 인정하고 시작합니다. 코딩 지식의 일부, 특히 문법을 외우는 일은 쓸모가 줄고 있다고요.
그런데 다음 문장이 핵심입니다. 소프트웨어가 어떻게 작동하는지 깊이 이해하는 개발자는, 이해 없이 바이브 코딩하는 사람을 “압도적으로” 앞선다는 거예요.
왜냐면 기본기 없이도 단순한 앱은 만들어집니다. 문제는 그 과정에서 에이전트가 지연시간·가용성·일관성·신뢰성·유지보수성·단순성·비용 일곱 축 어딘가에서 나쁜 선택을 하는데, 맡긴 사람이 그걸 못 알아챈다는 점이죠.
나쁜 선택들의 공통점이 뭔지 아세요? “동작은 한다” 입니다.
| 축 | 조용히 고르기 쉬운 나쁜 선택 |
|---|---|
| 지연시간 | 목록 화면에서 항목마다 DB를 따로 조회 (N+1 쿼리) |
| 가용성 | 외부 API 하나가 죽으면 서비스 전체가 멈춤 |
| 일관성 | 동시 요청이 같은 재고를 두 번 차감 |
| 단순성 | 사용자 10명짜리 서비스에 마이크로서비스 8개 |
| 비용 | 요청마다 전체 테이블을 읽어 클라우드 요금 폭증 |
데모는 다 통과합니다. 사용자가 늘거나 트래픽이 몰릴 때 터지는 거예요.
🧱 다섯 가지 기본기
- 풀스택 앱 구축 — 에이전트 덕에 한 영역 전문가도 범위를 넓힐 수 있게 됐어요. 단, 세션을 쿠키에 둘지 서버에 둘지 같은 결정을 읽고 평가할 수 있어야 합니다.
- 데이터 관리 — 응이 따로 힘을 준 항목입니다. 코드는 하루 만에 갈아엎을 수 있지만 잘못 설계된 데이터 모델 위에 쌓인 데이터는 그렇게 안 돼요. 게다가 AI 시스템은 여러분의 데이터 소스에서 자기 입력 컨텍스트를 가져갑니다. 데이터 설계가 곧 AI 출력의 품질 상한이 되는 셈이죠.
- 시스템 아키텍처 설계 — 올바른 아키텍처는 프로젝트 단계에 따라 움직이는 표적입니다. “확장 가능하게 만들어줘”라고 하면 사용자 10명짜리에 과잉 설계를 얹고, 아무 말 안 하면 프로토타입 구조가 프로덕션까지 그대로 가요.
- 보안·신뢰성 — 테스트 전략, 우아한 성능 저하(graceful degradation), 장애의 폭발 반경 최소화. AI가 취약점 스캔을 도와주지만, 경고 50개 중 뭐가 진짜인지 가리는 건 여전히 사람 몫입니다.
- 프로덕션 스케일링·운영 — CI/CD, 관측성, 인시던트 관리. 제일 고전적으로 보이는데 오히려 비중이 커져요. 코드 생산 속도가 몇 배로 뛰면 배포·관측·대응이 병목이 되니까요.
✅ 오늘 바로 해볼 수 있는 것
- 최근 에이전트가 만든 기능 하나를 골라 “이 구현의 지연시간·비용·일관성 트레이드오프를 설명해봐” 라고 시켜보기. 답을 채점 못 하는 축이 곧 내 빈칸이에요
-
AGENTS.md에 “현재 단계: 프로토타입/첫 프로덕션”, “동시 사용자 예상치”, “쓰지 말 것”을 세 줄이라도 적어두기. ’움직이는 표적’을 에이전트에게 알려주는 가장 값싼 방법입니다 - 외부 API가 속도 제한(429)에 걸리는 상황을 흉내 내는 테스트 하나 추가해서, 지금 시스템이 어떻게 무너지는지 확인해보기
💡 정리하며
두 번째 TIR 글입니다. 요즘 AI Native한 저만의 개발환경을 구축하는 데 관심이 많아서 이것저것 테스트해보고 있어요.
그러면서 배우는 것도 많아지고 AI 트렌드에도 더 가까이 다가가는 것 같은데요! 그 취지로 블로그도 만들고 TIR 카테고리도 만들게 되었습니다. 이 파도가 처음엔 무서웠지만, 이젠 참 즐겁고 흥미롭습니다.
다음 목표는 명확해요. Codex ↔ Claude Code 병행 환경 구축! 세팅이 끝나면 그 과정도 따로 정리해서 올릴게요 😊
혹시 궁금한 거 있으시면 물어봐주세요! 아는 범위에서 도와드릴게요. 같이 알아가봐요!