코딩을 할 줄 몰라도 '바이브 코딩'이 가능한가요?

우리는 개발자이자 엔지니어로서 소프트웨어 개발 프로세스를 간소화하는 데 사용되는 다양한 툴을 보아 왔습니다. 저는 학창 시절에 Scratch를 사용하여 if-this-then-that 시나리오에서 작동하는 블록 파이프라인을 구축했습니다. 당시에 훌륭한 아이디어를 갖고 있지만 기술적인 경험은 별로 없는 사용자가 애플리케이션을 개발할 수 있도록 도와주는 노 코드 툴이 여럿 있었습니다. 애플리케이션 개발 간소화를 위한 최신 혁신 기술은 자연어 커맨드(예: '주식 티커를 표시하는 React 프론트엔드로 Quarkus 애플리케이션을 구축해줘')를 해석하여 프로젝트 설정, 코드 생성, 테스트 실행과 같은 태스크를 자동화하는 언어 모델에서 시작됩니다. 이러한 추세는 '바이브 코딩(vibe coding)'으로 알려져 있으며, 에이전틱 AI를 기반으로 합니다. 바이브 코딩은 이미 오늘날의 개발 환경에 통합되어 있습니다. 그렇다면 바이브 코딩은 무엇을 의미할까요? 그리고 득보다 실이 더 많을까요?

코드 지원의 진화

바이브 코딩은 독립적으로 코딩할 수 있는 기술적 지식이 없는 경우에도 종종 AI 프롬프트와 상호작용하여 사용 가능한 코드를 생성하는 행위입니다. 최근 코드 편집기 분야에 중요한 몇 가지 변화가 있었습니다. 예를 들어 GitHub CoPilot은 공개 GPT 스타일의 언어 모델 서비스가 등장하기도 전인 2021년 10월에 출시되어 빠르고 광범위하게 코드 자동 완성 툴로 채택되었습니다. 가령 System.out.print를 입력하면 GitHub CoPilot에서 그것을 (“Hello World!”)로 자동 완성할 수 있습니다. 하지만 이 경우에도 CoPilot을 통해 무엇인가를 완성하는 데 충분할 정도의 코드를 작성하는 방법을 알고 있어야 합니다.

AI 기반의 통합 개발 환경(IDE, Integrated Development Environment)인 Cursor가 출시되면서 코딩에 대한 진입 장벽이 낮아지자 바이브 코딩에 대한 논의가 주목받게 되었습니다. OpenAI의 창립 멤버인 Andrej Karpathy와 같은 업계 리더들이 이 논의에 참여하고 이 새로운 코딩 방식에 '바이브 코딩'이라는 이름을 붙였습니다.

널리 사용되는 Visual Studio Code IDE를 기반으로 구축된 Cursor는 겉보기에는 다른 많은 코드 편집기와 유사합니다. 그러나 Karpathy가 설명한 바이브 코딩을 사용하면 원하는 프로젝트 결과 또는 코드 변경 사항을 자연어로 설명할 수 있습니다. 그러면 모델 백엔드가 변경 사항을 제안하거나 자율적으로 변경합니다. 이는 에이전틱 AI의 가장 일반적인 활용 사례일 것입니다. 모델은 자율적으로 행동하거나 기능을 확장할 수 있는 툴에 액세스할 수 있습니다. 이러한 AI 기반 코딩 툴의 경우 여기에는 파일 읽기 및 쓰기, 도큐멘테이션 및 웹 페이지에 대한 온라인 액세스, 테스트 실행을 위한 터미널 액세스 등이 포함될 수 있습니다. 

그러나 이 기능에서 중요한 것은 언어 모델을 위한 확장된 컨텍스트 창입니다. 이는 한 번에 수백 개의 토큰에서 수백만 개의 토큰으로 확장되어 바이브 코딩에서 전체 코드베이스를 언어 모델의 컨텍스트로 사용할 수 있도록 합니다. 예를 들어 Llama 2는 4,096개의 토큰 컨텍스트 창을 지원했고 Llama 3는 처음에 8,192개의 토큰 창을 제공했으며, Llama 4는 기본적으로 컨텍스트 내에서 최대 1천만 개의 토큰을 처리합니다. 컨텍스트가 클수록 바이브 코딩에 관심이 있는 개발자와 사용자가 모델을 활용할 수 있는 범위가 늘어납니다.

바이브 코딩을 하기 전에 알아야 할 사항 

모든 사람들이 숙련된 개발자는 아닙니다. 그러나 많은 사람들이 구문이나 세미콜론과 같은 핵심 기술에는 별 관심이 없지만 기술과 아이디어를 실현하는 것에는 매우 큰 관심을 갖고 있습니다. Cursor와 같은 툴을 사용하면 유용한 애플리케이션을 개발할 수 있습니다. 바이브 코딩에 도전하는 사용자의 일반적인 경험을 살펴보면서 이 코딩 방식의 성공적인 사용 사례와 그렇지 못한 사례를 깊이 있게 검토하고 이 기술을 사용하여 워크플로를 개선할 수 있는 방법을 알아보겠습니다. 

Linux, Mac, Windows용으로 사전 컴파일된 설치 프로그램이 있는 Cursor 웹사이트에서 Cursor를 다운로드했습니다. 어떻게 시작하는 것이 가장 좋은지 알 수 없었기 때문에 Cursor 시작 화면의 스크린샷을 AI 어시스턴트에 업로드하고 시작 방법을 안내해 달라고 요청했습니다. 어시스턴트의 안내에 따라 모든 프로젝트 파일을 저장할 폴더를 생성한 다음 프로젝트 열기 버튼을 사용하여 폴더를 열었습니다.  

Cursor 인터페이스는 오른쪽에 채팅 창이 있다는 점을 제외하고 VS Code와 유사합니다. 이 인터페이스는 작업 환경과 활성 파일을 왼쪽에, 채팅 창을 오른쪽에 배치하여 워크플로우를 간소화합니다. 따라서 AI 시스템과 채팅하기 위해 Alt+Tab 키를 눌러 창과 창 사이를 전환할 필요가 없으며 코드 편집기 자체에 통합되어 있어 편리합니다.

Red Hat은 컨테이너, 쿠버네티스, GitOps에 대한 Red Hat 교육 및 자격증 과정을 이수하거나 오픈소스 프로젝트에 참여하는 것과 같은 방식을 통해 지속적인 교육을 장려하고 지원합니다. 여기에서 영감을 얻어 로컬에서 실행되는 암기 툴을 개발한 다음 이를 호스팅하고 다른 사람들과 공유하기로 했습니다. 

첫 번째 프롬프트는 다음과 같습니다. '브라우저에서 실행할 수 있는 플래시카드 애플리케이션을 개발해줘. 카드를 뒤집고 '즐겨찾기에 추가'하고 싶어.'

제 요청이 클라우드 기반 모델에서 처리된 후에 Cursor가 다음 3개 파일로 코드를 생성했습니다. 

• index.html: 기본 페이지 구조
• Style.css: 스타일 지정 및 레이아웃
• script.js: 기능 

이 과정에서 대부분의 작업은 각 파일과 코드 제안에 대해 아무 생각 없이 수락을 누르는 것이었습니다. 

그런 다음 플래시카드 애플리케이션으로 연결되는 링크가 표시되었습니다. 하지만 링크가 아직 제대로 작동하지 않았습니다. 

채팅 창에서 이 문제를 설명하는 데 머리를 약간 써야 했습니다. Cursor를 비롯한 많은 최신 모델은 텍스트뿐만 아니라 이미지도 처리할 수 있기 때문에 문제가 발생한 부분을 자연어로 설명하고 스크린샷을 추가했습니다. 몇 번 반복한 끝에 문제가 해결되었습니다. 

Cursor는 편집 가능한 카드, 원활한 뒤집기 애니메이션,이전 및 다음 버튼, 퍼시스턴트 스토리지를 갖춘 완벽한 애플리케이션을 생성했습니다. index.html을 열어서 방금 파일이 실행되었습니다. 백엔드가 없고 여러 기기에서 동기화할 수도 없고 확장하려면 더 많은 지식이 필요하기에 완벽하지는 않지만, 프롬프트만으로 개발했다는 점을 생각하면 마치 마법처럼 느껴졌습니다.

코드를 한 번도 작성해 본 적이 없는 사용자가 제대로 기능하는 애플리케이션을 개발하려면 Cursor 또는 이와 유사한 플랫폼을 사용하는 것만으로는 부족합니다. 개념에 대한 이해가 없는 AI 코드는 불안정합니다. 프로덕션 환경에서 코드를 배포하거나 인프라를 관리하거나 문제를 해결하려고 하는 경우 수많은 문제에 부딪히게 됩니다. 기본적인 지식이 없으면 실제 환경에서 애플리케이션을 확장, 보호 또는 유지 관리할 때 장애물을 만나게 될 가능성이 높습니다.

하지만 경험 수준에 관계없이 그 자체만으로도 시도해 볼 만한 가치가 있다고 생각합니다. 다양한 경로로 태스크를 완료할 수 있기 때문에 초보자에게는 어려울 수 있으며, 기본적인 터미널 동작(예: 컴퓨터 암호를 볼 수 없는 상태에서 컴퓨터 암호를 입력하거나 Y를 눌러 확인하기)에 대해 잘 모르는 경우 실수하기 쉽습니다. 초보자에게 하고 싶은 조언은, 어떻게 막히게 되었는지 잘 설명할 수 없는 경우 Cursor에 스크린샷을 올린 다음 다른 챗봇을 사용하여 Cursor가 사용자가 이미 알고 있다고 가정하는 내용에 대해 설명하고 무엇을 질문할지 알려달라고 하는 것입니다. 이 방식은 AI에게 질문할 내용을 파악하는 기술 또는 원하는 결과를 얻기 위해 모델에 할 질문이나 요청을 효과적으로 구성하는 방법을 파악하는 기술을 의미하는 프롬프트 엔지니어링이라는 용어가 생길 정도로 보편화되고 있습니다. 

바이브 코딩의 실제

AI 코딩 툴과 바이브 코딩 기술은 계속해서 코딩에 대한 접근성을 높일 것입니다. 학습이 필요한 다른 기술이나 직업, 전문 분야와 마찬가지로 코딩에서도 시행착오를 통해 배우는 것이 매우 중요합니다. 많은 개발자가 디버깅 세션, Python 또는 Java 버전 및 SDK 관련 문제 또는 단계 실행에 대해 생생한 기억을 갖고 있습니다. 코드를 생성하는 것과 우수한 코드를 생성하는 것은 별개의 문제입니다. 현재 언어 모델이 학습되는 방식으로 인해 데이터세트의 일부에 부정확한 응답이나 잘못되거나 오래된 코드가 포함될 수 있으며, 일반 사용자가 직접 모델을 다시 학습시키기는 어렵습니다.

답은 여러분 자신에게 투자하라는 것입니다. Red Hat은 AI는 물론 Linux, 쿠버네티스와 같은 기본 기술에 대한 핸즈온 교육을 제공합니다. AI의 세계에는 바이브 코딩과 AI 기능 보강, 그리고 전통적인 프로그래밍의 조합이 그리는 밝은 미래가 펼쳐져 있습니다. 이는 개발자가 문제나 의도를 고무 오리 장난감에게 말로 설명하여 그들이 스스로 생각해서 문제를 객관적으로 분석하도록 하는 일반적인 기술인 '러버덕 디버깅(rubber duck debugging, 문제를 설명하면서 해결책을 찾는 기법)'과 비슷하지만, 차이점은 AI라는 오리 장난감이 말을 할 수 있다는 것입니다!