AI 코딩 에이전트를 10명으로 늘리는 법: CLAUDE.md부터 MCP까지 세팅 가이드

2026년 10월 업데이트: 2026년 3월에 5편으로 나눠 발행한 AI 코딩 에이전트 세팅 시리즈를 이 글 한 편으로 합쳤습니다. CLAUDE.md, Skills, MCP 서버, 에이전트 위임, 매주 30분 루틴, AI 뉴스 FOMO까지 이 글에서 모두 읽을 수 있습니다.

TLDR

• 비개발자가 AI 코딩 에이전트를 포기하는 원인은 AI의 능력 부족이 아니라, 세팅 없이 사용하기 때문입니다
• CLAUDE.md는 AI에게 나를 소개하는 온보딩 문서입니다. 4가지만 적으면 되고, 30분이면 작성할 수 있습니다
• Skills는 반복 업무를 자동화하는 워크플로우입니다. "블로그 써줘" 한 마디가 9단계 자동 파이프라인이 됩니다
• MCP 서버는 AI 코딩 에이전트에게 외부 도구를 직접 쓸 수 있는 권한을 부여합니다
• Meta Ads 데이터 조회, 네이버 키워드 리서치, 이메일 발송까지 AI가 직접 실행합니다
• 에이전트 위임 구조를 쓰면 5-10개 에이전트가 동시에 작업합니다
• 혼자 일하는 AI에서 팀으로 일하는 AI로 전환하는 것이 핵심입니다
• 매주 30분 루틴과 2번 규칙(같은 지시를 두 번 하면, 그때 자동화)으로 세팅이 복리처럼 쌓입니다
• AI 뉴스는 매일 보지 말고 주기를 정하세요. 시작하면 FOMO는 사라집니다

AI 코딩 에이전트가 코드를 짜주고, 기획서를 써주고, 데이터를 분석해준다는 이야기가 넘쳐납니다. 비개발자도 이제 앱을 만들 수 있다고요.

맞는 말입니다. 기술적으로는요.

문제는 대부분의 CEO와 창업자가 AI 코딩 에이전트를 '써보다가' 포기한다는 것입니다. 잘 안 돼서가 아닙니다. 쓰는 방식이 잘못돼서입니다.

저도 똑같았습니다. 스타트업 그로스 컨설팅을 하면서 AI를 업무에 쓰려고 했고, 3주 만에 포기했습니다. 그리고 한 가지를 바꾼 뒤 다시 시작했더니, 지금은 AI 에이전트 10개가 동시에 일하는 시스템을 운영하고 있습니다.

바꾼 건 코딩 실력이 아니었습니다. 세팅이었습니다.

이 글은 AI 코딩 에이전트 1명을 10명으로 늘리는 세팅을 처음부터 끝까지 다룹니다. CLAUDE.md로 AI의 머리를, Skills로 몸을, MCP 서버와 에이전트 위임으로 팔과 다리를 세팅합니다.

이 글의 구성

AI 코딩 에이전트를 포기하게 만드는 3가지 패턴

AI 코딩 에이전트를 포기하는 사람들은 대부분 같은 패턴을 겪습니다.

패턴 1: 매번 처음부터 설명하는 AI

Claude Code(클로드 코드)든 ChatGPT든, 새 대화를 시작할 때마다 이런 설명을 반복하게 됩니다.

"우리 회사는 스타트업 그로스 컨설팅 회사고, Meta Ads랑 Braze(브레이즈)를 주로 쓰는데, 클라이언트 보고서를 쓸 때는..."

매일 아침 출근한 팀원에게 "저희 회사가 뭘 하는 곳이냐면요..."부터 설명한다고 상상해 보세요. 일주일이면 지칩니다.

AI도 마찬가지입니다. 맥락이 없으니 매번 제로에서 시작합니다. 이전에 한 작업도 기억하지 못합니다. 같은 실수를 반복합니다.

패턴 2: 10분짜리 일에 30분 프롬프트

두 번째는 더 답답합니다.

블로그 글 하나를 쓰려면 프롬프트에 30분, 수정 지시에 20분, 결과물 검수에 15분. 합치면 1시간이 넘습니다.

직접 쓰면 40분이면 끝나는 글이었습니다.

"AI가 생산성을 높여준다"는 약속이 거짓말처럼 느껴지는 순간입니다. 투입 시간 대비 산출물의 ROI가 마이너스니까요.

패턴 3: 한 번에 하나, 그것도 불확실하게

세 번째는 확장성입니다.

캠페인 분석을 시키면 분석만 합니다. 보고서를 쓰라고 하면 분석은 빠집니다. 블로그를 쓰라고 하면 SEO 최적화는 빼먹습니다.

하나를 시키면 하나만 하고, 그것도 옆에서 감시해야 하는 AI. 이건 팀이 아닙니다.

발견: 코드가 아니라 세팅이 전부였다

포기 직전에 깨달은 것이 있습니다.

AI에게 코드를 시키기 전에, AI를 세팅해야 한다는 것.

생각해 보면 당연한 이야기입니다. 팀원을 채용하면 첫 주는 온보딩에 씁니다. 회사가 뭘 하는지, 어떤 도구를 쓰는지, 커뮤니케이션 스타일은 어떤지. 이 투자가 이후 6개월의 생산성을 결정합니다.

그런데 AI에게는요? 아무 맥락 없이 "이거 해줘"부터 시작했습니다.

해결책은 놀랄 만큼 단순했습니다.

CLAUDE.md: AI에게 나를 알려주는 한 장짜리 문서

CLAUDE.md는 AI 에이전트가 대화를 시작할 때 자동으로 읽는 설정 문서입니다. Claude Code를 열 때마다 자동으로 로딩되므로, 한 번 작성하면 모든 대화에 자동 적용됩니다.

적어야 할 것은 딱 4가지입니다.

1단계: 나는 누구인지

AI가 가장 먼저 알아야 할 것은 대화 상대의 정체성입니다.

개발자인지 비개발자인지에 따라 AI의 설명 수준이 달라집니다. 어떤 사업을 하는지에 따라 예시와 맥락이 달라집니다.

실제 예시입니다:

- User: CEO, Retention Inc. (스타트업 그로스 컨설팅)
- Dev Level: 비개발자. JSON, API, 기본 아키텍처는 이해하지만 코드는 쓰지 않음
- Expertise: 퍼포먼스 마케팅, 애널리틱스, 프로덕트 매니지먼트

세 줄입니다. 이 세 줄만으로 AI는 기술 용어를 비즈니스 임팩트로 번역해서 말해주기 시작합니다.

2단계: 어떻게 일하는지

여기서 핵심은 역할 분담입니다.

- 기술적 결정은 AI가 한다. 사업적 결정은 내가 한다.
- 코드를 직접 짜라고 시키지 말 것. AI가 직접 실행하고 결과만 보고할 것.
- 비즈니스 임팩트 먼저, 기술 디테일은 그다음.

이 규칙이 없으면 AI는 "이 코드를 복사해서 터미널에 붙여넣으세요"라고 말합니다. 비개발자에게는 의미 없는 지시입니다. 규칙이 있으면 AI가 직접 실행하고 "완료. 블로그가 발행됐습니다"라고 보고합니다.

3단계: 자주 쓰는 도구와 맥락

AI가 알아야 할 업무 환경입니다.

- 주요 도구: Meta Ads, Braze(브레이즈), Amplitude(앰플리튜드)
- 블로그: Ghost CMS (retn.kr)
- 클라이언트 데이터: 반드시 익명화. 실제 회사명 사용 금지.
- 글쓰기: 한국어 존댓말 필수

이것을 적어두면 "캠페인 분석해줘"라고 할 때 AI가 Meta Ads 데이터를 먼저 확인합니다. "블로그 써줘"라고 하면 Ghost CMS 발행까지 자동으로 진행합니다.

4단계: 절대 하지 말아야 할 것

이 부분이 의외로 중요합니다. AI가 잘못된 방향으로 가는 것을 방지합니다.

- 코드를 수정하라고 시키지 말 것
- 터미널 명령어를 실행하라고 하지 말 것
- 여러 옵션을 나열하며 "어떤 걸 선택하시겠어요?"라고 묻지 말 것
  → 추천안을 제시하고, 반대 없으면 진행할 것

한 번 써두면 끝입니다. 다시 설명할 필요가 없습니다.

AI 코딩 에이전트, 세팅 전과 후

효과는 즉각적이었습니다.

CLAUDE.md를 작성하는 데 걸린 시간은 30분이었습니다. 그 뒤로 대화마다 맥락을 다시 설명하지 않습니다.

AI 코딩 에이전트의 Skills: 한 마디가 파이프라인이 되는 순간

CLAUDE.md가 AI에게 "나"를 알려주는 문서라면, Skills는 AI에게 "일하는 방법"을 알려주는 문서입니다.

스킬이란

스킬은 특정 업무의 전체 워크플로우를 정의한 문서입니다.

예를 들어 블로그 하나를 쓰려면 이런 과정이 필요합니다:

1. 목적과 독자 확인
2. SEO 키워드 리서치
3. 권위 있는 출처 검색
4. 글 작성 (스타일 가이드 적용)
5. 마크다운 문법 검수
6. SEO 체크리스트 검증
7. 외부 링크 유효성 확인
8. Ghost CMS 발행
9. 뉴스레터 발송

이 9단계를 매번 프롬프트로 지시하면 30분이 걸립니다. 스킬로 정의해두면 "블로그 써줘" 한 마디로 전부 자동 실행됩니다.

실전: blog-writer 스킬

실제로 이 글의 CLAUDE.md·Skills 부분도 처음 발행할 때 blog-writer 스킬로 작성했습니다. 제가 한 것은:

1. "블로그 써줘"라고 입력
2. AI가 묻는 3가지 질문에 답변 (목적, 독자, 뉴스레터 여부)
3. 헤드라인 3개 중 하나 선택
4. 완성된 글 확인

나머지는 AI가 했습니다. 키워드 리서치, 출처 검색, 글 작성, SEO 검증, 링크 확인, Ghost 발행, 뉴스레터 스케줄링까지.

실전: business-call-processor 스킬

두 번째 예시는 더 인상적입니다.

클라이언트 미팅 녹음 파일 하나를 넣으면:

• 미팅 내용 전체 분석
• 비즈니스 기회 식별 및 스코어링
• 제안서 초안 자동 생성
• 후속 이메일 3종 (즉시/1주 후/2주 후)
• CRM 업데이트 노트

미팅 직후 30분 이내에 이 모든 산출물이 나옵니다. 수동으로 하면 반나절 걸리는 작업입니다.

스킬이 쌓일수록 AI 코딩 에이전트가 빨라지는 이유

스킬의 핵심은 축적입니다.

blog-writer 스킬을 만들면, 이후 모든 블로그는 "블로그 써줘"로 끝납니다. business-call-processor를 추가하면, 모든 미팅 후속 작업이 자동화됩니다. weekly-client-report를 추가하면, 주간 보고서가 한 마디로 생성됩니다.

각 스킬은 한 번만 만들면 됩니다. 그리고 쓸 때마다 시간이 절약됩니다. 절약 시간이 몇 달에 걸쳐 어떻게 쌓이는지는 아래 복리 구조에서 다룹니다.

AI 코딩 에이전트의 팔을 늘려주는 MCP 서버

CLAUDE.md가 AI의 "머리"를 세팅하는 것이라면, MCP 서버는 AI의 "팔"을 늘려주는 것입니다.

MCP(Model Context Protocol)는 AI 코딩 에이전트가 외부 서비스를 직접 조작할 수 있게 해주는 표준입니다. 쉽게 말해, AI에게 도구를 쥐여주는 것입니다.

MCP 서버 없이는 이런 대화가 반복됩니다:

"Meta Ads에서 지난 30일 캠페인 데이터를 다운로드해서 CSV로 정리해 주세요" → AI: "저는 Meta Ads에 직접 접근할 수 없습니다. 데이터를 복사해서 붙여넣어 주시면..."

MCP 서버가 있으면:

"지난 30일 캠페인 분석해줘" → AI가 Meta Ads API를 직접 호출하고, 데이터를 분석하고, 보고서를 생성합니다.

실전: Meta Ads MCP로 캠페인 분석

실제 운영 중인 Meta Ads MCP 서버는 29개 도구를 제공합니다.

"캠페인 분석해줘"라고 하면 AI가 이 도구들을 조합해서 크리에이티브 피로도 예측, 예산 재배분 안, ROAS 최적화 시나리오까지 만들어 줍니다.

실전: Naver SearchAd MCP로 SEO 키워드 리서치

블로그를 쓸 때 가장 번거로운 작업 중 하나가 키워드 리서치입니다.

네이버 검색광고 MCP 서버를 연결하면 AI가 직접 한국 시장 검색량 데이터를 조회합니다. "브레이즈"의 월간 검색량이 1,120회이고 "Braze"가 620회라는 데이터를 AI가 직접 가져와서, 제목에는 한글을 쓰고 본문 첫 등장에만 병기하는 판단을 자동으로 합니다.

💡 AI 코딩 에이전트로 마케팅 자동화를 구축하고 싶다면, 30분 무료 상담에서 MCP 서버 설계부터 시작합니다.

AI 코딩 에이전트, 한 명에서 팀으로

MCP 서버가 AI의 팔을 늘려준다면, 에이전트 위임은 AI의 수를 늘려줍니다.

오케스트레이터와 전문가

일반적인 AI 사용법은 하나의 에이전트에게 하나의 작업을 시키는 것입니다. 하지만 복잡한 업무는 여러 전문가가 동시에 작업해야 효율적입니다.

실제 운영하는 시스템의 구조입니다:

"OMX 시스템 전체를 문서화해줘"라고 하면, 오케스트레이터가 5개 탐색 에이전트를 동시에 보냅니다. 하나는 스킬 목록을, 하나는 설정 구조를, 하나는 MCP 서버를, 하나는 워크플로우를, 하나는 훅 시스템을 조사합니다. 5개가 동시에 돌아가니 5배 빠릅니다.

실전: 블로그 시리즈 작성의 뒷이야기

이 글은 처음에 5편짜리 블로그 시리즈로 발행했습니다. 그 시리즈를 만드는 과정 자체가 에이전트 위임의 예시입니다.

1. 오케스트레이터가 시리즈 구조를 설계
2. 리서처가 SEO 키워드와 권위 소스를 병렬 검색
3. 작성 에이전트가 각 파트를 작성
4. 검증 에이전트가 마크다운 린트 + SEO 체크
5. 발행 에이전트가 Ghost CMS에 스케줄링

코드 한 줄 못 짜는 CEO가 지시한 것은 "블로그 시리즈 써줘"뿐입니다.

10명의 AI 코딩 에이전트가 동시에 일하는 시스템

정리하면, 비개발자 CEO의 AI 시스템은 세 층으로 구성됩니다.

1층: CLAUDE.md (머리)

AI가 나를 이해합니다. 매번 설명할 필요 없습니다.

2층: Skills (몸)

반복 업무가 자동화됩니다. 한 마디로 6-10단계 워크플로우가 실행됩니다.

3층: MCP + 에이전트 위임 (팔과 다리)

AI가 외부 도구를 직접 사용하고, 여러 에이전트가 동시에 작업합니다.

이 세 층이 합쳐지면 한 사람이 10명분의 작업을 처리할 수 있습니다. 코딩 없이, AI 세팅만으로.

AI 코딩 에이전트 세팅은 왜 복리인가

은행 이자를 생각해 보세요. 원금에 이자가 붙고, 그 이자에 또 이자가 붙습니다. AI 세팅도 같은 구조입니다.

1개월 차: CLAUDE.md를 작성합니다. 매번 5-10분씩 반복하던 맥락 설명이 0분이 됩니다. 월 절약: 10시간.

2개월 차: blog-writer와 business-call-processor 스킬을 추가합니다. 블로그 작성 2시간이 20분으로, 콜 분석 3시간이 30분으로 줄어듭니다. 월 절약: 25시간.

3개월 차: Meta Ads MCP와 campaign-analysis 스킬을 추가합니다. 캠페인 분석 보고서가 자동으로 나옵니다. 월 절약: 40시간.

6개월 차: 스킬 10개, MCP 서버 4개가 돌아갑니다. AI가 블로그를 쓰고, 미팅을 분석하고, 캠페인을 최적화하고, 주간 보고서를 만들고, 리드를 발굴합니다. 월 절약: 60시간 이상.

한 번 세팅한 것은 사라지지 않습니다. 쓸수록 쌓이고, 쌓일수록 빨라집니다.

AI 코딩 에이전트를 진화시키는 매주 30분 루틴

세팅은 한 번으로 끝나지만, 진화는 계속됩니다.

매주 30분만 투자하면 AI 시스템이 점점 더 똑똑해집니다. 방법은 단순합니다.

2번 규칙

같은 지시를 두 번 하면, 그때 스킬로 만드세요.

처음 하는 작업은 프롬프트로 직접 지시합니다. 그런데 같은 작업을 또 시키게 되면, 그건 반복 업무입니다. 그때 스킬로 정의합니다.

이 규칙이 강력한 이유는, 진짜 필요한 것만 자동화하게 되기 때문입니다. 미리 예측해서 만드는 게 아니라, 실제 반복이 발생했을 때 만듭니다.

매주 금요일 30분

구체적인 루틴입니다:

첫 10분: 이번 주 AI 사용 리뷰

• 이번 주에 AI에게 무엇을 시켰는가?
• 같은 지시를 두 번 이상 한 것이 있는가?
• AI가 잘못 이해한 것이 있었는가?

다음 10분: CLAUDE.md 업데이트

• AI가 잘못 이해한 부분이 있으면 규칙을 추가합니다
• 새로운 도구나 맥락이 생겼으면 반영합니다
• 더 이상 쓰지 않는 규칙은 삭제합니다

마지막 10분: 스킬 추가 또는 개선

• 2번 규칙에 해당하는 작업이 있으면 스킬로 만듭니다
• 기존 스킬에서 빠진 단계가 있으면 보완합니다

이 30분이 다음 주의 생산성을 높이고, 그 생산성이 다시 다음 주를 높입니다.

학습이 쌓이는 compound-learning 시스템

복리를 만드는 또 하나는 AI가 스스로 배우는 구조입니다.

일을 하다 보면 패턴이 발견됩니다. "Meta Ads에서 이 설정을 바꾸니 ROAS가 올랐다", "클라이언트 미팅에서 이 질문을 하면 기회를 더 잘 발견한다" 같은 인사이트가 쌓입니다.

이런 인사이트를 카테고리별로 기록하는 시스템을 만들었습니다:

AI에게 "이번 주에 배운 것 기록해줘"라고 하면, AI가 대화 맥락에서 인사이트를 추출하고, 적절한 카테고리에 저장합니다.

다음에 비슷한 상황이 오면, AI가 이 기록을 참조합니다. 같은 실수를 반복하지 않고, 같은 성공을 재현할 수 있습니다.

이것이 진짜 복리입니다. 시간만 절약되는 게 아니라, 지식이 쌓입니다.

시작하면 FOMO는 사라집니다

기술 이야기는 잠시 내려놓겠습니다. 이 모든 것을 시작하기 전에 느끼는, 그 불안에 대해 이야기하려 합니다.

매일 쏟아지는 AI 뉴스, 불안하셨죠

LinkedIn을 열면 누군가는 AI로 앱을 만들었고, 누군가는 에이전트 10개를 돌리고 있고, 누군가는 MCP로 업무를 자동화했습니다.

"나만 뒤처지는 건 아닐까?"

이 불안감은 자연스러운 겁니다. 기술이 빠르게 변하는 시대에, 변화를 인지하고 있다는 것 자체가 이미 한 발 앞서 있다는 뜻입니다.

문제는 이 불안이 행동으로 이어지지 않을 때입니다.

저도 같았습니다. 한때 매일 LinkedIn을 스크롤하면서 "이것도 해야 하나, 저것도 알아야 하나"를 반복했습니다. 정작 아무것도 시작하지 못하면서요.

도구는 바뀌어도, 원칙은 같습니다

저는 매일 SSH로 서버에 접속하고, GCP CLI로 클라우드를 관리하고, Google Workspace를 수동으로 조작합니다. 이런 작업들이 요즘은 MCP 서버와 AI 에이전트로 넘어가는 추세입니다.

SSH 터미널에서 수동으로 하던 배포가, 이제는 AI에게 "배포해줘"라고 하면 됩니다. GCP 콘솔에서 클릭하던 작업이, MCP 서버를 통해 자동화됩니다. Google Workspace에서 하나씩 열어보던 문서 관리가, AI 에이전트 한 마디로 정리됩니다.

하지만 핵심은 이겁니다. 도구가 바뀌었을 뿐, 원칙은 같습니다.

10년 전에는 셸 스크립트를 짰습니다. 5년 전에는 Python 자동화를 만들었습니다. 지금은 AI에게 자연어로 지시합니다. 도구만 바뀌었을 뿐, "반복을 줄이고 구조를 만든다"는 원칙은 그대로입니다.

그래서 지금 어떤 도구를 쓰고 있든 상관없습니다. 원칙을 이해하면, 도구가 바뀌어도 적응할 수 있습니다. 이번에 MCP를 배우면 다음에 뭐가 나와도 같은 패턴으로 익힐 수 있습니다.

시작하는 순간, 불안이 자신감으로 바뀝니다

AI를 구경하는 단계에서는 모든 것이 복잡해 보입니다. Claude Code, MCP, 에이전트, 스킬... 용어만 봐도 압도당합니다.

그런데 CLAUDE.md 한 장을 써보는 순간, 뭔가가 바뀝니다.

"아, 이건 그냥 AI에게 나를 소개하는 문서구나."

CLAUDE.md 작성법에서 다룬 그 30분. 자기소개를 쓰는 것뿐인데, 그 뒤로 AI가 완전히 다르게 동작합니다. 매번 반복하던 설명이 사라집니다. AI가 맥락을 기억합니다.

이 경험이 중요합니다. 나도 할 수 있다는 감각이 생기기 때문입니다.

FOMO는 "남들은 하는데 나는 못 하고 있다"는 감정입니다. 하지만 시작하면 "나도 하고 있다"로 바뀝니다.

완벽하지 않아도 괜찮습니다. 시작한 사람과 아직 시작하지 않은 사람의 차이는, 실력이 아니라 단 한 번의 행동입니다.

LinkedIn을 매일 보지 마세요

AI를 시작한 뒤에도 함정이 하나 있습니다.

매일 LinkedIn, X(트위터), 기술 뉴스를 쳐다보면서 "이것도 해야 하나?"를 반복하는 겁니다. 새로운 모델이 나오고, 새로운 도구가 출시되고, 누군가의 성과 포스트가 올라옵니다.

이걸 매일 실시간으로 따라가면 스트레스만 쌓입니다.

주기를 정하세요.

매주 금요일, 또는 격주에 한 번. AI 뉴스와 트렌드를 모아서 확인하는 시간을 정하세요. 30분이면 충분합니다.

그리고 한 가지 원칙을 세우세요.

내 주기에 안 들어오는 뉴스는, 팔로업할 가치가 없었던 것입니다.

진짜 중요한 변화는 사라지지 않습니다. 여러 사람이 반복해서 언급하고, 며칠이 지나도 계속 화제가 됩니다. 내 주기에 자연스럽게 들어옵니다.

반면 하루 만에 사라지는 뉴스는 대부분 그 정도의 가치입니다. 놓쳐도 아무 일도 일어나지 않습니다.

앞에서 소개한 매주 금요일 30분 루틴과 합치면 이렇게 됩니다:

30분 안에 시스템 진화와 트렌드 팔로업이 동시에 끝납니다. 그리고 나머지 일주일은 AI 뉴스에 신경 쓰지 않아도 됩니다. 그 시간에 실제 업무를 하세요.

오늘 시작하는 3단계

이 글을 읽었다면, 오늘 당장 시작할 수 있는 것 세 가지입니다.

Step 1: CLAUDE.md 작성 (30분)

위 4가지를 적으세요. 나는 누구인지, 어떻게 일하는지, 무엇을 쓰는지, 하지 말아야 할 것. 완벽하지 않아도 됩니다. 쓰면서 다듬으면 됩니다.

Step 2: 첫 번째 스킬 만들기 (1시간)

가장 자주 하는 반복 업무 하나를 골라, AI에게 단계별로 지시해 보세요. 그 지시를 문서로 정리하면 그게 스킬입니다.

Step 3: 매주 금요일 30분 루틴 시작 (0분)

캘린더에 반복 일정을 하나 넣으세요. 매주 금요일 30분. 이번 주 AI 사용 리뷰, CLAUDE.md 업데이트, 스킬 추가.

한 달 뒤, 차이를 체감하실 겁니다. 석 달 뒤, 돌아갈 수 없을 겁니다.

기술적인 내용이 많았지만, 이 글에서 가장 중요한 메시지는 하나입니다.

시작하세요.

CLAUDE.md 한 장이면 됩니다. 30분이면 됩니다. 완벽하지 않아도 됩니다.

코딩을 모르는 CEO도, 마케터도, PM도 할 수 있습니다. 이 글이 그 증거입니다.

당신의 시작을 응원합니다.

자주 묻는 질문 (FAQ)

Q. 코딩을 전혀 모르는데 AI 코딩 에이전트를 쓸 수 있나요?

네, 가능합니다. 이 글의 모든 내용은 코드를 한 줄도 쓰지 않는 CEO가 직접 실행한 것입니다. AI 코딩 에이전트는 코드를 짜는 도구가 아니라, 업무를 위임하는 시스템입니다. 중요한 것은 코딩 실력이 아니라 무엇을 시킬지 아는 것입니다.

CLAUDE.md 작성과 기본 스킬 세팅은 코딩 지식 없이 가능합니다. CLAUDE.md는 일반 텍스트 파일이라 한국어로 자연스럽게 적으면 됩니다. MCP 서버와 에이전트 위임은 초기 세팅에 기술적 도움이 필요할 수 있지만, 한 번 구축하면 비개발자도 운영할 수 있습니다.

Q. ChatGPT와 AI 코딩 에이전트는 뭐가 다른가요?

ChatGPT는 대화 도구입니다. 매번 새 대화를 시작하면 이전 맥락이 사라집니다. AI 코딩 에이전트는 작업 환경입니다. 파일을 직접 읽고 쓰고, 외부 도구를 실행하고, 설정 문서를 통해 맥락을 유지합니다. 비유하자면 ChatGPT는 전화 상담, AI 코딩 에이전트는 상주 직원입니다.

Q. 어떤 AI 코딩 에이전트를 써야 하나요?

이 글에서는 Claude Code(클로드 코드)를 기준으로 설명하지만, 핵심 원리는 어떤 AI 에이전트에도 적용됩니다. Cursor, Windsurf, GitHub Copilot 모두 설정 파일을 지원합니다.

파일 이름만 다릅니다. Claude Code는 CLAUDE.md, Cursor는 .cursorrules, GitHub Copilot은 .github/copilot-instructions.md를 사용합니다. "AI에게 맥락을 제공한다"는 핵심은 동일합니다. 중요한 것은 도구가 아니라 세팅이라는 접근 방식입니다.

Q. CLAUDE.md 세팅에 얼마나 걸리나요?

30분이면 충분합니다. 위 4단계 예시를 복사해서 내 상황에 맞게 고치면 됩니다.

Q. 스킬은 직접 만들어야 하나요?

네, 처음에는 직접 작성하거나 전문가의 도움을 받아 만들어야 합니다. 하지만 한 번 만들면 반영구적으로 사용할 수 있습니다. 이 글에서 소개하는 스킬들은 실제로 운영 중인 것들입니다.

Q. 스킬 하나 만드는 데 얼마나 걸리나요?

간단한 스킬은 1-2시간, 복잡한 스킬(campaign-analysis처럼 10단계 워크플로우)은 반나절 정도 걸립니다. 이 투자가 이후 매번 수 시간을 절약해 줍니다.

Q. MCP 서버를 설치하려면 개발자가 필요한가요?

초기 설치는 기술적 도움이 필요할 수 있습니다. 하지만 한 번 설치하면 이후에는 AI가 알아서 사용합니다. 오픈소스 MCP 서버도 많아서 설치 자체는 점점 쉬워지고 있습니다.

Q. 어떤 MCP 서버부터 연결해야 하나요?

가장 자주 쓰는 외부 서비스부터 시작하세요. 마케터라면 Meta Ads, 콘텐츠 담당이라면 CMS(Ghost, WordPress), 데이터 분석가라면 Amplitude(앰플리튜드)나 BigQuery부터 연결하는 것을 권합니다.

Q. Claude Code 외에 다른 AI 코딩 에이전트도 MCP를 지원하나요?

네. MCP는 오픈 표준이라 Claude Code, Cursor, Windsurf 등 주요 AI 코딩 에이전트가 지원합니다. 생태계가 빠르게 확장되고 있습니다.

Q. 여러 에이전트를 동시에 쓰면 비용이 많이 들지 않나요?

에이전트마다 비용이 다릅니다. 탐색 에이전트는 매우 저렴하고(건당 몇 원), 딥워크 에이전트는 비쌉니다. 일상적인 작업은 저비용 에이전트가 처리하고, 복잡한 작업만 고비용 에이전트를 사용합니다.

2026년 3월 기준으로 Claude Code 구독이 월 약 3만 원, AI 사용 비용이 월 10-30만 원 수준입니다. MCP 서버는 대부분 무료 오픈소스입니다.

Q. 기존 업무 프로세스를 바꿔야 하나요?

아닙니다. 기존 프로세스에 AI 레이어를 얹는 것입니다. 블로그를 쓰는 프로세스는 그대로인데, 실행하는 주체가 나에서 AI로 바뀌는 것뿐입니다.

Q. 이 글에서 소개한 도구들의 전체 목록은?

CLAUDE.md (설정 문서), Skills (워크플로우 정의), MCP 서버 (Meta Ads, Naver SearchAd, Mailgun, Braze), 에이전트 시스템 (오케스트레이터, 딥워크, 리서처, 탐색), compound-learning (지식 축적)입니다. 모두 Claude Code(클로드 코드) 환경에서 운영됩니다.

Q. AI 트렌드를 놓치면 뒤처지지 않나요?

진짜 중요한 변화는 사라지지 않습니다. 주기적으로 확인하면 자연스럽게 파악됩니다. 매일 실시간으로 따라가는 것은 생산성을 오히려 떨어뜨립니다. 주간 또는 격주 주기로 충분합니다.

Q. AI 도구가 계속 바뀌는데, 지금 세팅해도 쓸모없어지지 않나요?

도구는 바뀌지만 원칙은 같습니다. CLAUDE.md는 AI에게 맥락을 주는 문서이고, 스킬은 반복 업무를 정의한 문서입니다. 이 원칙은 어떤 AI 도구에서든 적용됩니다. 10년 전 셸 스크립트가 지금의 AI 스킬이 된 것처럼, 원칙을 이해하면 도구 전환은 어렵지 않습니다.

Q. 이 글 이후에 더 깊이 배우려면 어떻게 해야 하나요?

매주 금요일 30분 루틴을 시작하세요. 사용하면서 자연스럽게 깊어집니다. Claude Code 공식 문서와 비기술 팀을 위한 AI 코딩 에이전트 활용 가이드도 좋은 다음 단계입니다.

다음 단계

직접 시작하기

• 먼저 해볼 것: AI에게 "나는 누구이고, 어떻게 일하는지" 3줄로 적어보세요
• 오늘 시작하는 3단계의 Step 1은 30분이면 됩니다
• CLAUDE.md와 첫 스킬이 자리 잡으면 MCP 1개 연결, 에이전트 역할 3개 분리, 주간 KPI 점검 순서로 넓히세요
• 가장 자주 쓰는 외부 서비스의 MCP 서버가 있는지 검색해 보세요
• 관련 글: 비기술 팀을 위한 AI 코딩 에이전트 활용 가이드
• 질문이 있다면 문의하기

전문가와 함께하기

MCP 서버 연결부터 에이전트 팀 구성까지 함께 설계하고 싶다면:

📅 30분 무료 상담 예약

• 업무별 MCP 서버 설계
• 에이전트 위임 구조 설계
• 비용 최적화 전략

Retention Inc. - 데이터 기반 스타트업 그로스 컨설팅