[2026 ABC 프로젝트 멘토링 8기] 프로젝트 1주차

 

ABC 프로젝트 멘토링 0기

프로젝트 1주차 — 사전교육 후기 & 1차 멘토링 

2026.06 지엔소프트(주) × 유클리드소프트

00

들어가며

이번 ABC 프로젝트에 참여하게 되면서 처음 받은 과제가 이미지 라벨링 AI 구축이었다. 임베디드 전공자로서 Vision AI나 멀티모달 모델을 깊게 다뤄본 경험이 없었기에, 솔직히 말하면 첫 과제를 받았을 때 꽤 막막했다.

그런 상황에서 유클리드소프트 측에서 사전직무교육을 별도로 마련해주어 정말 감사했다. 대전지식산업센터에서 이틀간 진행된 이 교육이 프로젝트 전체의 방향을 잡는 데 큰 도움이 됐다.

수업 순서: AI 강연 → Claude 에이전트 강의 → MCP 강의 → Skills 강의 → 바이브코딩 실습

01

AI 강연 — "AI가 개발자를 대체한다?"

강연에서 가장 인상적이었던 내용은 AI 성능의 발전 속도가 단순한 선형 성장이 아니라는 점이었다. 이미 반복적인 데이터 처리, 코드 자동완성, 리포트 생성 같은 업무들은 AI가 인간보다 빠르고 정확하게 수행하고 있고, 이 범위가 전문직 영역으로까지 빠르게 확장되고 있다는 이야기였다.

임베디드 전공자 입장에서는 "설마 펌웨어나 하드웨어까지?"라는 생각을 했는데, 강연자는 저수준 영역도 결코 안전지대가 아니라고 했다. 이미 FPGA 설계 보조 도구나 RTOS 드라이버 코드 생성 도구들이 나오고 있으니까.

결국 강연의 핵심 메시지는 하나였다. AI에게 밀리는 개발자가 될 것인가, AI를 도구로 쓰는 개발자가 될 것인가. 그 차이가 앞으로 실력의 차이가 된다. 이 교육 자체가 그 방향으로의 첫 걸음이라는 생각이 들었다.

02

Claude Max 및 에이전트 강의

강의에서 Claude Max를 처음 써봤는데, 솔직히 충격적이었다. 기존에 써보던 AI 채팅 도구랑은 완전히 다른 느낌이었다. 긴 문서 전체를 읽고 핵심을 추출하거나, 복잡한 아키텍처 설계를 대화로 구체화하는 것이 실제로 실무 수준에서 가능하다는 걸 체감했다.

에이전트 개념 강의에서는 단순 응답 AI가 아니라, 목표를 주면 스스로 계획을 세우고 도구를 호출하며 작업을 완료하는 구조를 배웠다. 지엔소프트 프로젝트에서 다루게 될 자동 라벨링 파이프라인이 결국 에이전트 구조임을 알게 됐고, 막막했던 첫 과제가 조금씩 윤곽이 잡히기 시작했다.

03

MCP (Model Context Protocol)

MCP는 Claude가 외부 도구나 데이터 소스와 연결되는 표준 프로토콜이다. 기존에 알던 방식은 프롬프트에 텍스트 넣고 텍스트 받는 게 전부였는데, MCP를 쓰면 Claude가 파일 시스템을 직접 읽고, Notion 페이지를 열고, 웹 검색을 하고, 결과를 파일로 저장하는 작업을 연속으로 수행할 수 있다.

실습에서 Notion MCP를 연결해서 Claude가 직접 페이지를 작성하는 걸 보고 "이게 에이전트구나"라는 게 확 와닿았다. 단순히 답변을 생성하는 게 아니라 실제 외부 세계에 영향을 주는 작업을 수행하는 것. 이 구조가 향후 프로젝트의 공공데이터 연계나 문서 자동화에도 바로 적용 가능하다는 걸 알게 됐다.

04

Skills — 반복 작업의 템플릿화

Skills는 Claude에게 특정 작업 방식을 저장해두고 재사용하는 기능이다. 예를 들어 "이 형식으로 기능 정의서를 써줘"라는 규칙을 한 번만 설정해두면, 이후 매번 설명하지 않아도 동일한 포맷으로 결과물을 뽑아준다.

팀 단위로 프로젝트를 할 때 특히 유용하다. 팀원마다 프롬프트 스타일이 다르면 산출물 품질이 들쑥날쑥해지는데, Skills로 공통 작업 흐름을 표준화하면 그 문제를 상당 부분 해결할 수 있다. 이번 프로젝트에서 기능 정의서, UI/UX 설계안, 아키텍처 문서 작성에 적극 활용할 계획이다.

05

바이브코딩 실습 — AI 토큰 사용량 비교 웹사이트

마지막 실습에서는 각자 아이디어를 하나 정하고 Claude Code로 직접 프로토타입을 만들었다. 내가 선택한 주제는 AI 서비스별 토큰 사용량 및 비용 비교 웹사이트였다.

Claude, GPT-4o, Gemini, Grok 등 주요 AI 서비스들은 각자 과금 단위도 다르고 크레딧 개념도 달라서, 실제로 어떤 서비스가 더 저렴한지 한눈에 비교하기가 어렵다. 이 불편함을 해결하는 대시보드를 아이디어로 잡았다.

실습에서 진행한 Claude Code 명세 작성 순서:

1. Linux 서버 SSH 연결 로컬이 아닌 서버 환경에서 작업 시작. 실제 배포 환경에 가깝게 세팅.
2. 프로젝트 폴더 및 SPECKIT 선택 /Users/pioneer5/project2605 경로에 프로젝트 초기 구조 세팅.
3. Canvas 작성 프로젝트 전체 구조 초안을 시각적으로 정리. 어떤 화면이 필요하고 어떤 데이터 흐름인지 큰 그림 확보.
4. 시스템 의도 Specify Claude에게 단순 지시가 아니라 "이 시스템이 왜 존재하는지"부터 전달. 의도를 명확히 잡는 게 핵심이었다.
5. Speckit 폴더에 저장 작성한 명세 파일을 Speckit 폴더 구조에 맞게 저장.
6. 로컬 → Linux Claude 서버로 이전 작업 환경 통일. 팀 협업 시 일관된 실행 환경 확보.
7. cw8 --dangerously-skip-permissions 권한 확인 절차 스킵하고 바로 실행. 실습 환경에서 빠른 반복을 위해 사용.
8. Intent-Tasks.md로 명세 구체화 의도(Intent)를 실제 구현 가능한 태스크 단위로 쪼개서 문서화. 이 단계가 결과물 품질에 가장 큰 영향을 줬다.
9. /speckit.specify 'Intent-Tasks.md' 작성한 명세 기반으로 Claude에게 구체화 요청. 이후 프론트엔드, 백엔드 코드가 순차적으로 생성됐다.

결과물로 간단한 토큰 비교 대시보드 프론트엔드가 나왔다. 처음에는 "이게 될까?" 반신반의했는데, UI 구조가 실제로 잡히는 걸 보고 바이브코딩의 속도가 무섭다는 걸 체감했다.

사전교육을 마치며

임베디드 전공자로서 AI 분야는 항상 "나중에 알아봐야지" 하는 영역이었다. 그런데 이번 강연을 통해 더 이상 나중이 없다는 걸 실감했다. AI가 개발자를 대체할 수 있다는 위협을 강연에서 이론으로 듣고, 바이브코딩 실습에서 직접 느꼈다.

프론트엔드, 백엔드를 사실상 한 번의 명세 작성으로 뽑아내는 걸 보면서, 코드를 잘 짜는 것 이상으로 "무엇을 만들지 정확히 정의하는 능력"이 앞으로의 핵심 역량이 되겠다는 생각이 들었다.

남은 8주 동안 지엔소프트 프로젝트를 통해 그 역량을 제대로 키워볼 생각이다.

 

1차 멘토링

 

06

첫 멘토링 — 멘토님과의 첫 만남

사전교육이 끝나고 얼마 지나지 않아 첫 번째 멘토링이 진행됐다. 멘토링 전까지는 프로젝트 방향이 아직 추상적인 수준에 머물러 있었는데, 멘토님을 처음 만나고 나서 많은 것들이 구체화됐다.

멘토님은 나와 같은 학교 출신으로, 현재 IT/임베디드 업계에서 실무를 하고 계신 분이었다. 임베디드 베이스에서 시작해 AI 분야로 영역을 넓혀가며 일하고 계신다는 이야기를 들었을 때, 지금 내가 걷고 있는 길과 겹치는 부분이 많다는 생각이 들었다. 같은 학교 선배이기도 해서 첫 만남임에도 어색함 없이 얘기를 나눌 수 있었다.

멘토링 주요 아젠다: 자기소개 및 팀 현황 공유 → 개발 방향 수립 → AI 구축 전략 논의 → 목표 및 요구사항 재정의

07

개발 방향 수립 — Claude Code 하네스 엔지니어링

멘토님이 제안한 개발 방향의 핵심은 Claude Code를 기반으로 한 하네스 엔지니어링 환경 구축이었다. 하네스 엔지니어링이란 AI가 코드를 생성할 때 테스트, 검증, 실행 환경을 미리 갖춰두어 생성된 결과물이 곧바로 동작 가능한 상태가 되도록 만드는 접근 방식이다.

단순히 "Claude한테 시키면 코드가 나온다"는 수준이 아니라, Claude가 작업하는 환경 자체를 잘 설계해야 원하는 결과가 나온다는 이야기였다. 마치 임베디드에서 하드웨어 회로도를 먼저 정확히 잡아야 펌웨어가 올바르게 동작하듯, AI 개발도 실행 환경과 명세가 먼저 단단히 잡혀야 한다는 논리가 납득됐다.

멘토님은 이 방식이 단기간 프로토타입 제작에서 특히 강력하다고 했다. 8주라는 제한된 기간 안에 동작하는 결과물을 만들어야 하는 우리 팀 상황에 딱 맞는 접근이라는 생각이 들었다.

08

목표 및 요구사항 재정의

멘토링에서 가장 시간을 많이 쓴 부분이 목표와 요구사항을 다시 정리하는 작업이었다. 처음 프로젝트 제안서를 받았을 때는 "멀티모달 AI 서비스 모델 발굴"이라는 꽤 넓은 범위의 목표가 주어져 있었는데, 막상 팀 차원에서 무엇을 만들지 정하려니 방향이 너무 많아서 오히려 막막했다.

멘토님은 먼저 팀의 기술 스택과 관심 분야를 파악한 다음, 8주 안에 실제로 동작하는 형태로 보여줄 수 있는 범위로 목표를 좁히는 작업을 함께 진행했다. "완성도 낮은 큰 것"보다 "완성도 높은 작은 것"이 발표 때 훨씬 강하게 남는다는 조언이 특히 기억에 남는다.

이를 통해 지엔소프트의 기존 Vision AI 데이터 파이프라인에서 실제로 병목이 되는 지점을 타겟으로 잡고, 거기에 멀티모달 AI를 붙여서 속도와 정확도를 높이는 방향으로 범위를 구체화했다. 막연하게 느껴졌던 프로젝트가 처음으로 실체가 생기는 순간이었다.

다음 이미지는 실제로 회의를 진행하여 프로젝트에 대해 정리한 Notion이다.

 

1차 멘토링을 마치며

첫 멘토링이 끝나고 나서 느낀 건, 방향이 없는 상태에서 코드를 짜는 것과 방향이 명확한 상태에서 코드를 짜는 것은 완전히 다른 일이라는 점이었다.

임베디드를 하면서도 똑같이 느꼈던 거다. 요구사항이 불명확하면 아무리 코드를 잘 짜도 결국 다 뒤엎게 된다. AI 개발도 마찬가지였다. 멘토님 덕분에 8주짜리 프로젝트의 방향타를 초반에 제대로 잡을 수 있었다.

다음 주부터는 하네스 환경을 직접 세팅하고 첫 번째 기능 구현에 들어갈 예정이다.

#ABC프로젝트멘토링 #유클리드소프트 #고용노동부 #대한상공회의소 #미래내일일경험사업