도구는 많은데, 선택이 문제다
요즘 팀에서 가장 많이 받는 질문이 이겁니다. "GitHub Copilot 쓰고 있는데, Custom Agent랑 Prompt File이랑 MCP랑... 다 써야 하나요? 뭐가 다른 거예요?" 솔직히 말하면, 저도 처음엔 헷갈렸어요. 기능이 너무 빠르게 늘어나다 보니 각각이 뭘 위한 건지 파악하는 것 자체가 일이 됐거든요.
최근 dev.to에서 나온 GitHub Copilot 기능 비교 가이드를 팀원들이랑 같이 읽었는데, 딱 정리가 됐습니다. 핵심만 짚으면 이렇습니다.
Copilot 기능 지도: 상황별 선택 기준
Custom Instructions는 "항상 적용할 규칙"입니다. 팀 코딩 컨벤션, 보안 기본값, 네이밍 규칙처럼 모든 작업에 공통으로 적용되어야 하는 것들은 .github/copilot-instructions.md에 박아두면 됩니다. 매번 프롬프트에 반복해서 쓸 필요가 없어요.
Prompt Files는 "이 작업 이렇게 실행해"입니다. /security-review, /generate-module처럼 반복되는 단발성 작업을 슬래시 커맨드로 만들어두는 거예요. 팀원 누구나 동일한 방식으로 특정 작업을 실행할 수 있게 되죠.
Custom Agents는 "이 역할로만 움직여"입니다. Security Reviewer 에이전트는 코드를 읽고 린터만 돌리되 파일은 절대 수정 못 하게 제한하는 식으로, 역할과 권한 경계를 명확히 설정할 때 씁니다. Plan → Implement → Review처럼 단계별 핸드오프도 가능해요.
Skills는 "이 복잡한 워크플로우를 패키지로"입니다. 여러 파일과 스크립트가 얽힌 SRE 런북 같은 걸 재사용 가능한 형태로 묶을 때 유용합니다.
MCP Servers는 외부 시스템과의 실시간 연결이 필요할 때, Hooks는 머지 전 강제 정책 게이트가 필요할 때 쓰면 됩니다.
한 줄 요약: Instructions는 항상, Prompts는 명명된 단발성, Skills는 재사용 워크플로우, Agents는 역할 경계, MCP는 외부 컨텍스트, Hooks는 강제 차단.
Claude Code의 모바일 확장: "산책하면서도 플로우 유지"
AI Times 보도에 따르면 Anthropic이 Claude Code에 Remote Control 모드를 추가했습니다. 이제 터미널에서 claude remote-control 명령어 하나로 QR 코드가 생성되고, 스마트폰으로 스캔하면 로컬 CLI 세션을 그대로 모바일에서 제어할 수 있어요.
중요한 건 클라우드로 넘어가는 게 아니라는 점입니다. 코드 실행, 파일 시스템, 환경 변수, MCP 서버는 전부 로컬 머신에 그대로 있어요. 아웃바운드 연결로 암호화된 채팅 메시지와 도구 실행 결과만 전송됩니다.
현재 월 100~200달러의 Claude Max 구독자 대상 리서치 프리뷰로 제공 중이고, 이후 Claude Pro($20/월)까지 확대될 예정입니다.
팀 도입 관점에서 이게 왜 중요하냐면요. AI 코딩 에이전트가 장시간 작업을 처리하는 동안 개발자가 자리를 지켜야 하는 제약이 사라진다는 겁니다. 미팅 중에도, 이동 중에도 세션 상태를 확인하고 방향을 조정할 수 있으니까요. 긴 에이전트 작업을 걸어두고 다른 맥락으로 전환하는 비동기 개발 패턴이 더 자연스러워질 것 같습니다.
바이브 코딩의 함정: AI는 "주니어 개발자"다
dev.to의 한 개발자가 몇 주간 바이브 코딩을 직접 실험한 경험을 공유했는데, 읽으면서 고개를 많이 끄덕였어요.
핵심 관찰은 이겁니다. LLM은 설계 사고를 건너뛴다. 게임을 만들겠다고 하면 곧장 메인 루프 코드를 뱉어내는데, "근데 메인 메뉴는요? 파일 구조는요? 설정 파일은요? 자동화 테스트는요?"를 먼저 물어보는 법이 없어요. 시키는 걸 빠르게 하는 데는 능하지만, 만들어야 할 것의 전체 그림을 스스로 그리지는 않습니다.
그 개발자가 쓴 표현이 인상적이었어요. "Ensloppification" — 엔트로피처럼 코드가 느슨하게 풀어지는 현상. 실제 업무에서 1000줄짜리 Python 모듈을 리팩터링하러 들어갔더니 클래스 3개가 하나의 파일에 뒤섞여 있고, 핵심 로직은 어느 클래스에도 속하지 않고 파일을 그냥 떠다니고 있었다고 합니다. 코드는 돌아가는데, 유지보수는 불가능한 상태.
비용 문제도 있었습니다. 삼각함수 계산 함수 하나를 만드는 데 6번의 이터레이션을 거쳤고, 결국 직접 짜는 게 더 빨랐을 거라는 결론에 도달했어요.
이게 "AI를 쓰지 말라"는 이야기가 아닙니다. AI에게 무엇을 시킬지, 어디까지 맡길지를 사람이 설계해야 한다는 이야기예요. 신입 개발자에게 미션 크리티컬 시스템을 설계 문서 없이 던져주는 사람은 없잖아요. AI도 마찬가지입니다.
IT 서비스 산업의 구조적 위협: FPT 주가가 말해주는 것
베트남판 삼성으로 불리는 FPT Corporation 주가가 3거래일 연속 하락하며 외국인 순매도가 2340억 원을 넘었습니다. 직접적 원인 중 하나로 지목된 건 AI 코딩 에이전트의 급속한 발전이에요.
Anthropuc이 Claude Code가 COBOL 현대화를 지원할 수 있다고 밝힌 뒤 IBM 주가가 급락했다는 소식도 같은 맥락입니다. 과거엔 COBOL 레거시 시스템 현대화에 수많은 컨설팅 인력과 수년의 시간이 필요했는데, 이제 AI가 탐색·분석 단계를 자동화할 수 있다는 거죠.
시트리니 리서치는 "거의 모든 코드 라인을 AI가 작성하는 세상"에서 대기업 계약을 안정적으로 갱신해온 IT 서비스 기업들이 두 가지 압박에 직면할 것이라고 분석합니다. 하나는 "우리가 AI로 직접 만들겠다"는 고객의 협상 레버리지, 다른 하나는 경쟁사가 기존 제품을 AI로 손쉽게 복제하는 차별화 소멸.
팀 리더 입장에서 이 신호를 어떻게 읽어야 할까요. AI 코딩 도구가 단순히 개발 생산성 향상 도구가 아니라, 소프트웨어 산업의 가격 구조와 경쟁 지형 자체를 바꾸고 있다는 겁니다.
팀 도입 시사점: 도구 선택보다 문화 설계가 먼저
이 네 가지 소식을 엮으면 하나의 메시지가 나옵니다.
AI 코딩 도구는 쓰느냐 안 쓰느냐의 문제가 아니라, 어떻게 쓰느냐의 문제입니다.
Copilot 기능 하나하나의 용도를 팀 차원에서 정의하지 않으면 혼란만 늘어납니다. Custom Instructions로 팀 표준을 박아두고, Prompt Files로 반복 작업을 자동화하고, Custom Agents로 역할 경계를 명확히 하는 것—이게 AI-First 워크플로우의 기초예요.
동시에 바이브 코딩의 함정을 팀 문화로 방어해야 합니다. AI가 생성한 코드를 그대로 머지하는 관행은 기술 부채를 폭발적으로 누적시킵니다. AI 생성 + 시니어 검증 + 자동화된 품질 게이트, 이 삼각형이 갖춰져야 해요.
Claude Code의 모바일 확장처럼 에이전트 작업이 장시간화·비동기화되는 흐름도 팀 운영 방식에 반영해야 합니다. 에이전트가 돌아가는 동안 사람이 뭘 해야 하는지, 체크포인트는 어떻게 설정할지를 미리 설계해두지 않으면 오히려 통제권을 잃게 됩니다.
전망: AI는 도구를 넘어 팀 구조를 바꾼다
FPT 사례가 보여주듯, AI 코딩 에이전트의 영향은 개별 팀의 생산성을 넘어 산업 구조까지 건드리고 있습니다. 이 변화 속에서 팀의 가치를 유지하려면 AI가 대체할 수 없는 것에 집중해야 합니다. 요구사항을 정의하고, 설계 결정을 내리고, 생성된 결과물의 품질과 방향성을 판단하는 일—이건 여전히 사람의 영역입니다.
"AI는 도구일 뿐 아니라 동료다"라고 자주 말하는데, 정확히는 이렇습니다. AI는 실행력이 뛰어난 주니어 동료입니다. 방향을 잘 잡아주면 엄청난 속도로 움직이고, 방향을 잘못 잡아주면 엄청난 속도로 엉뚱한 곳으로 갑니다. 팀이 AI를 잘 쓴다는 건, AI에게 무엇을 시킬지를 잘 설계한다는 것이에요.
지금 당장 팀에서 할 수 있는 가장 작은 실천: .github/copilot-instructions.md 파일 하나 만들어서 팀 코딩 표준 다섯 줄 써넣는 것부터 시작해보세요. 거기서부터 AI-First 문화가 시작됩니다.