React Compiler 도입 전 체크리스트: useMemo와 useCallback을 지우기 전에 볼 것들

React 프로젝트에서 성능 최적화를 하다 보면 useMemo, useCallback, React.memo가 자연스럽게 늘어납니다. 처음에는 느린 계산을 줄이기 위한 선택이었는데, 어느 순간부터는 “혹시 모르니 감싸두자”에 가까운 코드가 됩니다. 리뷰에서도 실제 병목보다 dependency array가 맞는지, 콜백 참조가 바뀌는지 같은 이야기로 시간이 많이 쓰입니다.React Compiler는 이 흐름을 바꿀 수 있는 도구입니다. React가 컴포넌트와 훅의 코드를 분석해 안전하다고 판단되는 부분을 자동으로 메모이제이션해 주기 때문입니다. 공식 문서에서도 React Compiler는 수동 useMemo, useCallback, React.memo 사용을 줄이는 방향의 자동 최적화 도구로 설명됩니다.하지..

원격 MCP 서버 보안 체크리스트: OAuth 2.1 권한 설계를 실무 기준으로 보기

MCP(Model Context Protocol)를 처음 접할 때는 보통 로컬 개발 환경에서 시작합니다. AI 에이전트가 파일을 읽고, GitHub 이슈를 보고, 사내 문서를 검색하고, 테스트를 실행하는 식입니다. 이 단계에서는 “어떤 도구를 제공할 것인가”가 가장 먼저 보입니다.하지만 MCP 서버가 로컬을 넘어 원격 서비스가 되는 순간 질문이 바뀝니다. 이제 중요한 것은 도구 목록만이 아닙니다. 누가 이 서버에 접근할 수 있는지, 어떤 사용자의 권한으로 실행되는지, 토큰이 어디까지 허용되는지, AI 에이전트가 실수했을 때 어디서 멈출 수 있는지가 더 중요해집니다.특히 HTTP 기반 원격 MCP 서버를 운영한다면 인증과 권한 부여를 단순 API Key 수준으로 생각하기 어렵습니다. MCP 공식 Autho..

AI 코딩 도구는 프론트엔드 개발에서 꽤 강력합니다. React 컴포넌트를 만들고, TypeScript 타입을 붙이고, CSS를 작성하고, 테스트 초안까지 만들어 줍니다. 특히 반복적인 UI 작업이나 기존 패턴을 따라가는 작업에서는 생산성이 확실히 좋아집니다.하지만 AI가 만든 코드를 그대로 머지해도 되는지는 다른 문제입니다. 겉으로는 동작하는 것처럼 보여도 요구사항을 일부 놓치거나, 상태 관리를 복잡하게 만들거나, 접근성과 테스트가 빠져 있는 경우가 많습니다.이번 글에서는 AI가 만든 프론트엔드 코드를 리뷰할 때 확인하면 좋은 기준을 정리해보겠습니다. React와 TypeScript 프로젝트를 기준으로 설명하지만, Vue나 다른 프레임워크에서도 대부분 비슷하게 적용할 수 있습니다.1. 요구사항을 제대로..

AI 코딩 도구를 쓰다 보면 처음에는 꽤 놀랍습니다. 요구사항을 말하면 컴포넌트도 만들고, 테스트도 작성하고, 리팩터링 방향도 제안합니다. 그런데 실무 프로젝트에 조금만 깊게 들어가면 곧 이런 문제가 생깁니다.우리 팀의 폴더 구조를 자꾸 무시한다.테스트 실행 방법을 매번 다시 알려줘야 한다.사용하지 않는 라이브러리나 패턴을 제안한다.작은 수정인데도 너무 넓은 범위를 바꾼다.PR에서 리뷰어가 싫어하는 스타일을 반복한다.이 문제는 AI 성능만의 문제가 아닙니다. AI에게 프로젝트의 기준과 맥락을 전달하는 방식이 아직 정리되지 않았기 때문에 생기는 문제에 가깝습니다. 최근 글에서 다룬 Spec-Driven Development가 “무엇을 만들지”를 명확히 하는 접근이라면, Agents.md는 “이 프로젝트에서..

AI 코딩 에이전트를 쓰다 보면 처음에는 자연스럽게 큰 요청을 하게 됩니다.관리자 페이지의 회원 관리 기능을 만들어줘.말로 보면 간단하지만, 실제로는 API 타입 정의, 목록 화면, 검색, 페이지네이션, 권한 처리, 에러 처리, 테스트, 스타일 정리까지 여러 작업이 섞여 있습니다. 사람 개발자라면 중간중간 판단하면서 쪼개서 진행하지만, AI에게 한 번에 맡기면 그 판단을 AI가 대신하게 됩니다.문제는 여기서 시작됩니다. 결과물은 빠르게 나오지만 요구사항 일부가 빠지거나, 기존 패턴과 다른 구조가 생기거나, 리뷰해야 할 파일이 너무 많아집니다. 이전 글에서 AGENTS.md, Spec-Driven Development, 테스트 주도 흐름, AI 코드 리뷰 체크리스트를 다뤘다면 이번 글에서는 그보다 더 작은..

AI 코딩 에이전트를 쓰다 보면 가장 먼저 체감하는 장점은 속도입니다. “로그인 기능 만들어줘”, “관리자 페이지 붙여줘”, “이 버그 고쳐줘”처럼 요청하면 코드 초안이 빠르게 나옵니다.하지만 실무 프로젝트에서는 빠른 생성보다 중요한 것이 있습니다. 바로 수정 범위를 통제하는 것입니다.AI가 한 번에 너무 큰 작업을 맡으면 다음 문제가 자주 생깁니다.요구하지 않은 파일까지 수정한다.기존 프로젝트 구조와 다른 패턴을 만든다.핵심 기능은 만들었지만 예외 처리가 빠진다.리뷰해야 할 변경량이 너무 커진다.실패했을 때 어디서부터 되돌려야 할지 애매해진다.그래서 AI 코딩 에이전트를 실무에 잘 쓰려면 “큰 기능을 한 번에 맡기는 능력”보다 작고 검증 가능한 작업으로 쪼개는 능력이 더 중요합니다.이 글에서는 AI 에..