MCP(Model Context Protocol)는 AI 에이전트가 외부 도구와 데이터를 사용할 수 있게 해주는 표준 프로토콜입니다. GitHub 이슈를 조회하거나, 사내 API를 호출하거나, 로컬 문서를 검색하거나, 배포 상태를 확인하는 식의 작업을 AI에게 맡길 수 있습니다.이전 글에서는 MCP가 무엇인지, 그리고 간단한 MCP 서버를 어떻게 만들 수 있는지 살펴봤습니다. 그런데 실제 프로젝트에 MCP를 붙이려고 하면 코드 작성보다 먼저 고민해야 할 문제가 생깁니다.AI에게 어떤 도구를 열어줘야 할까?어디까지 실행하게 해도 안전할까?실패했을 때는 어떻게 처리해야 할까?민감한 데이터는 어떻게 막아야 할까?MCP 서버는 단순히 API를 감싸는 코드가 아닙니다. AI 에이전트에게 “무엇을 할 수 있는지”를..

AI 코딩 에이전트를 사용하면 개발 속도는 확실히 빨라집니다. 요구사항을 설명하면 컴포넌트, API 호출 코드, 테스트 코드, 리팩토링까지 빠르게 만들어 줍니다. 특히 반복적인 CRUD, 폼 처리, 타입 정의, 테스트 초안처럼 구조가 어느 정도 정해진 작업에서는 체감 효과가 큽니다.하지만 AI가 만든 코드가 빠르다고 해서 그대로 머지해도 된다는 뜻은 아닙니다. 오히려 AI 코드는 사람이 작성한 코드보다 더 조심해서 봐야 할 때가 많습니다.요구사항을 일부만 반영했을 수 있습니다.기존 프로젝트 규칙과 다른 패턴을 만들 수 있습니다.정상 케이스만 처리하고 예외 케이스를 놓칠 수 있습니다.테스트는 통과하지만 실제 UX가 어색할 수 있습니다.관련 없는 파일을 함께 수정했을 수 있습니다.이전 글에서 Vibe Cod..

최근 AI 코딩 도구들은 단순히 질문에 답하는 수준을 넘어 실제 개발 환경과 연결되는 방향으로 발전하고 있습니다. 파일을 읽고, 코드를 수정하고, 테스트를 실행하고, GitHub 이슈나 문서를 참고하면서 작업하는 식입니다.이때 중요한 개념 중 하나가 MCP(Model Context Protocol) 입니다.MCP는 AI 에이전트가 외부 도구나 데이터에 접근할 수 있도록 해주는 표준화된 연결 방식입니다. 쉽게 말하면 AI에게 “이 도구를 이런 방식으로 사용할 수 있다”고 알려주는 인터페이스입니다.이전 글에서 MCP가 무엇인지 개념을 살펴봤다면, 이번 글에서는 조금 더 실전적인 예제로 들어가보겠습니다. 목표는 간단합니다.AI 에이전트가 GitHub 저장소의 이슈 목록을 조회할 수 있도록 MCP 서버를 만들어..

AI 코딩 도구를 사용하면 기능 구현 속도는 확실히 빨라집니다. Cursor, Claude Code, GitHub Copilot, Codex 같은 도구에게 요구사항을 설명하면 컴포넌트, API 호출 코드, 유틸 함수, 테스트 코드까지 빠르게 생성해 줍니다.하지만 실제 프로젝트에 적용해보면 속도만큼이나 불안한 부분도 생깁니다.요구사항을 일부만 이해하고 구현한다.정상 케이스만 처리하고 예외 케이스를 놓친다.기존 코드 컨벤션과 다른 방식으로 작성한다.동작하는 것처럼 보이지만 실제로는 회귀 버그를 만든다.수정 요청을 했더니 관련 없는 파일까지 바꾼다.그래서 AI 코딩을 실무에 안정적으로 적용하려면 “코드를 먼저 만들고 사람이 확인하는 방식”에서 조금 벗어날 필요가 있습니다. 이때 도움이 되는 접근이 테스트 주도..