바이브 코딩 이후, AI 네이티브 엔지니어링의 다섯 가지 구성요소

Thoughtworks "에이전트·모델·방법론·스펙·컨텍스트를 함께 오케스트레이션하라" — AI 시대 SW 아키텍처, AI SW 아키텍처, 아키텍처설계, SW Reengineering, SW공학, AI-Native 애플리케이션, AI-native applications

채팅창에 프롬프트를 던지고 그럴듯한 결과를 기대하는 '바이브 코딩'은 기업용 소프트웨어 개발에서 더는 통하지 않는다. Thoughtworks의 수닛 파레크는 블로그 기고에서 프로덕션 수준의 소프트웨어를 만들려면 AI를 하나의 엔지니어링 스택으로 다뤄야 한다며, 에이전트, 모델, 방법론, 스펙, 컨텍스트 다섯 가지 구성요소를 의도적으로 조합하라고 주장했다. 이 글은 저자 개인의 의견이며 Thoughtworks의 공식 입장과 다를 수 있다고 원문은 밝히고 있다.

1. 에이전트: 실행을 맡는 자율 계층

에이전트는 단순한 반응형 어시스턴트를 넘어 개발 워크플로에 능동적으로 참여한다. 파일 시스템을 탐색해 구성요소 간 의존성을 분석하고, 터미널에서 의존성 설치와 빌드, 깃 관리, 진단 명령을 실행한다. 단위·통합 테스트를 돌려 결과를 반복 피드백으로 쓰고 여러 파일에 걸친 자율 편집과 리팩터링도 한다. 다만 결과물은 풀 리퀘스트 등을 거쳐 개발자가 검토하고 최종 승인하는 '감독된 자율성' 아래에 둔다. 원문은 Claude Code, 오픈소스 터미널 도구 OpenCode, 도구 호출과 파일 권한을 세밀하게 제어하는 VS Code용 Cline, 에이전트를 일급 시민으로 다루는 Antigravity·Cursor·Windsurf 등을 예로 들었다.

2. 모델: 지식을 저장하고 처리하는 두뇌

에이전트가 실행을 맡는다면 모델은 지식의 저장과 처리를 맡는다. 시장이 범용 대형 모델 하나에서 특정 인지 작업에 최적화된 전문 모델로 나뉘었다는 것이 저자의 진단이다. 코드 생성, 아키텍처 추론, 테스트·QA, 문서화, 보안 취약점 분석(OWASP Top 10 점검은 커밋 전 훅으로 운영되기도 한다)이 대표적이다. 에이전트는 작업 상황에 맞는 모델을 골라 호출할 수 있어야 한다고 봤다.

모델(원문 표기)

강점

주요 용도

Claude 4.6 Sonnet

적응형 사고

복잡한 에이전트 계획, 대규모 코드 마이그레이션

Gemini 3.1 Pro

컨텍스트 윈도우, 코드 추론

대규모 코드베이스 분석, 리팩터링(200만 토큰 이상)

GPT 5.3 Codex

원시 추론력, 멀티모달 이해

어려운 알고리즘, 원샷 버그 수정, UI·UX 목업 구현

GLM 5

비용 효율

오픈소스, 대량 보일러플레이트와 단위 테스트 생성

3. 방법론: 에이전트 쓰래싱을 막는 규율

저자는 AI가 자기 수정 루프에 갇혀 한 오류를 고치면 새 오류가 생기는 '에이전트 쓰래싱'을 문제로 짚었다. 컴퓨트와 시간이 낭비되기 때문이다. 해법은 대화형 프로그래밍에서 벗어나 엔지니어링 규율에 기반한 고무결성 흐름을 세우는 것이다. 원문이 제시한 다섯 가지 실천 원칙은 다음과 같다.

구조화된 프롬프트와 컨텍스트(AI는 엔지니어) : 범위, 기대 산출물, 아키텍처 제약, 품질 지표를 명시한다.

CI/CD 통합(AI는 커미터) : 테스트, 린팅, 보안 스캔, 코드 리뷰를 즉시 거친다.

테스트 주도 AI(AI는 QA) : 테스트 커버리지를 코드 생성의 전제 조건으로 삼는다.

버전 관리와 감사 추적(AI는 문서 작성자) : 모든 AI 기여를 명확한 커밋 메시지로 남겨 추적과 롤백을 가능하게 한다.

인간의 감독과 검증(인간은 아키텍트·리뷰어) : 중요한 부분에는 필수 인간 리뷰 게이트를 둔다.

사례로는 BMAD Method와 Thoughtworks AI/works가 소개됐다. BMAD는 계획, 분석, 설계, 아키텍트, 개발, 테스트 페르소나로 다중 역할 팀을 흉내 내고, 구현 전에 에이전트 간 합의를 요구해 '환각 드리프트'를 줄인다. AI/works는 레거시 현대화를 지원하며 3일 안에 컨셉, 3주 안에 기능 프로토타입, 3개월 안에 프로덕션 준비 MVP를 내놓는 '3/3/3 모델'을 제시한다.

4. 스펙: 병목은 코딩에서 요구사항 기술로

저자는 병목이 코드를 쓰는 일에서 요구사항을 정밀하게 기술하는 일로 옮겨갔다고 본다. 에이전트 결과물의 품질이 입력 스펙의 품질에 비례하므로 '스펙에서 코드로' 가는 파이프라인을 익히는 것이 핵심 역량이라는 주장이다. 원문이 소개한 도구는 세 가지다.

SpecKit(GitHub, 오픈소스 CLI) : 원칙 수립, 명세, 계획, 작업 분해, 구현의 5단계 파이프라인.

OpenSpec(Fission-AI, 오픈소스) : 마크다운과 슬래시 명령 기반의 제안, 적용, 보관 3단계. 기존 프로젝트를 수정하는 경우에 강점이 있다.

BMAD Quick Flow : 빠른 명세, 빠른 개발, 선택적 코드 리뷰의 3단계로 빠른 기능 제공과 프로토타이핑에 적합하다.

5. 컨텍스트: 조직의 '어떻게'를 주입

컨텍스트 엔지니어링은 조직의 지식과 설계 원칙을 AI에 주입해 생성된 코드가 기능적일 뿐 아니라 안전하고 확장 가능하며 조직 아키텍처에 맞도록 제약을 거는 일이다. 도메인과 아키텍처 지식을 담은 에이전트 스킬, AGENTS.md 나 .cursorrules 같은 규칙 파일(예: '항상 Tailwind CSS를 쓸 것'), 취약점과 비밀 정보 유출, 안전하지 않은 의존성을 막는 보안 가드레일, 브랜드와 시스템 설계에 맞는 디자인 시스템이 구성요소로 꼽혔다. Thoughtworks AI/works는 기업 코드베이스에서 컨텍스트를 자동 수집해 복잡한 시스템 의존성과 도메인 로직을 이해시킨다고 소개했다.

결론: '신중한 오케스트레이션'

저자는 소프트웨어 개발이 바이브 코딩에서 신중한 오케스트레이션으로 옮겨가야 한다고 결론 내렸다. 적합한 에이전트, 알맞은 모델, 검증된 방법론, 정밀한 스펙, 잘 정의된 컨텍스트를 의도적으로 조합하는 것이 AI 시대에 효과적인 소프트웨어를 만드는 열쇠라는 것이다.

[출처 및 기사원문 : https://www.thoughtworks.com/en-us/insights/blog/generative-ai/beyond-vibe-coding-the-five-building-blocks-of-aI-native-engineering ]

관련 태그: #AI 시대 SW 아키텍처 #AI SW 아키텍처 #아키텍처설계 #SW Reengineering #SW공학 #AI-Native 애플리케이션 #AI-native applications #AI 네이티브 앱 아키텍처

본 콘텐츠는 글로벌 IT 아키텍처 컨설팅 회사 CHRISCOMPANY의 기술 인사이트를 바탕으로 제공됩니다. 발행: 크리스미디어 (CHRISMEDIA)