AI 코딩 처음이라면 꼭 알아야 할 기본 개념 11가지

AI 덕분에 코딩을 몰라도 개발할 수 있고, 심지어 창업까지 할 수 있다는 이른바 AI 만능론 분위기가 이어지고 있습니다. 하지만 막상 바이브코딩을 시작해보면 이야기는 조금 달라집니다. AI가 코드를 만들어주는 것과 그 코드를 이해하고 고치는 것은 다른 문제이기 때문이죠. 에러 메시지, 컨텍스트, CLI, 코드베이스 같은 기본 개념을 모르면 AI가 알려준 해결책도 제대로 따라가기 어렵습니다. 그래서 이번 글에서는 AI 코딩 입문자가 바이브코딩을 시작하기 전 알아두면 좋은 11가지 개념을 살펴보겠습니다.

AI 코딩 입문자가 알아야 할 기본 개념 11가지

1. AI 코딩의 기반, LLM

LLM은 Large Language Model의 줄임말로, 대규모 언어 모델을 뜻합니다. ChatGPT, Claude, Gemini처럼 사람의 언어와 프로그래밍 언어를 학습해 답변과 코드를 생성하는 AI 모델이 여기에 해당합니다.

AI 코딩 도구는 이 LLM을 기반으로 사용자의 요청을 해석하고 코드를 제안합니다. 다만 LLM은 정답을 보장하는 도구가 아니라, 주어진 정보 안에서 가능성이 높은 답변을 생성하는 모델입니다. 그래서 AI가 만든 코드는 반드시 실행하고 검증해야 합니다.

2. AI에게 내리는 작업 지시, 프롬프트

프롬프트는 AI에게 입력하는 요청문입니다. AI 코딩에서는 만들고 싶은 기능, 수정하고 싶은 코드, 해결해야 할 오류를 설명하는 작업 지시서에 가깝습니다.

“회원가입 페이지 만들어줘”처럼 모호하게 요청하면 AI가 기술 스택과 기능 범위를 임의로 판단할 수 있습니다. 반대로 사용할 언어, 원하는 기능, 제외할 조건을 함께 알려주면 결과가 훨씬 정확해집니다.

3. AI 코딩의 사용량을 결정하는 단위, 토큰

토큰은 AI가 텍스트와 코드를 읽고 처리하는 기본 단위입니다. 사용자가 입력한 질문, 코드, 에러 메시지, AI가 생성하는 답변은 모두 토큰으로 계산됩니다.

AI 코딩 도구를 사용할 때 “토큰을 많이 쓴다”, “사용량이 빨리 닳는다”는 말이 나오는 이유도 여기에 있습니다. 긴 대화나 큰 코드 파일을 많이 넣을수록 토큰 사용량이 늘어나고, 도구에 따라 사용 제한이나 비용 부담으로 이어질 수 있습니다. 그래서 AI에게 모든 내용을 한꺼번에 넣기보다, 지금 해결하려는 문제와 관련된 정보만 정리해 전달하는 것이 좋습니다.

4. AI가 참고하는 맥락, 컨텍스트와 컨텍스트 윈도우

컨텍스트는 AI가 답변을 만들 때 참고하는 정보입니다. 현재 질문뿐 아니라 이전 대화, 코드 파일, 에러 메시지, 프로젝트 구조, 사용 중인 라이브러리 등이 컨텍스트가 될 수 있습니다.

컨텍스트 윈도우는 AI가 한 번에 참고할 수 있는 컨텍스트의 최대 범위입니다. 작업이 길어지거나 여러 파일을 통째로 입력하면 이 범위를 넘어서면서 AI가 앞선 조건을 놓치거나 일부 코드 맥락을 반영하지 못할 수 있습니다. 그래서 긴 작업을 할 때는 요구사항, 변경 내용, 관련 파일, 에러 메시지를 중간중간 정리해주는 것이 중요합니다.

5. AI가 필요한 정보를 찾아 쓰는 방식, RAG

RAG는 Retrieval-Augmented Generation의 줄임말로, AI가 답변을 만들기 전에 외부 문서나 데이터에서 필요한 정보를 검색해 참고하는 방식입니다. 쉽게 말해 AI가 기억에만 의존하지 않고, 필요한 자료를 찾아본 뒤 답변하는 구조입니다.

AI 코딩에서는 공식 문서, 내부 개발 가이드, API 문서, 기존 코드 설명 등을 참고하게 만들 때 RAG 개념이 중요해집니다. 다만 참고하는 문서가 오래됐거나 부정확하면 AI의 답변도 잘못될 수 있습니다. AI 답변의 품질은 모델뿐 아니라, 어떤 정보를 참고하게 했는지에 따라 달라집니다.

6. AI와 외부 도구를 연결하는 MCP

MCP는 Model Context Protocol의 줄임말입니다. AI가 파일, 데이터베이스, API, 개발 도구 같은 외부 정보와 연결될 수 있도록 돕는 표준 방식입니다.

쉽게 말하면 MCP는 AI와 외부 도구를 이어주는 공통 연결 단자에 가깝습니다. AI가 대화창 안의 정보만 보는 것이 아니라 실제 개발 환경의 맥락을 참고할 수 있게 해줍니다. 다만 어떤 정보가 AI에게 전달되고 어떤 권한이 허용되는지는 사용자가 이해하고 있어야 합니다.

7. 여러 개발 작업을 이어서 수행하는 AI 에이전트

AI 에이전트는 사용자가 제시한 목표를 달성하기 위해 여러 단계를 계획하고 실행하는 AI 시스템입니다. 단순히 답변만 하는 것이 아니라 파일을 읽고, 코드를 수정하고, 명령어를 실행하고, 오류를 다시 확인할 수 있습니다.

Claude Code 같은 도구가 에이전트형 코딩 도구에 가깝습니다. 편리하지만 여러 파일을 한 번에 바꿀 수 있기 때문에, 최종적으로 무엇이 수정됐는지 확인하는 과정은 반드시 필요합니다.

8. AI가 결합된 통합 개발 환경, AI IDE

IDE는 Integrated Development Environment의 줄임말로, 코드를 작성하고 실행하고 수정하는 통합 개발 환경을 뜻합니다. 기존에는 개발자가 IDE 안에서 직접 코드를 작성하고 오류를 확인했다면, 최근에는 여기에 AI 기능이 결합된 AI IDE가 많이 쓰이고 있습니다.

Cursor, Windsurf 같은 AI IDE에서는 AI가 프로젝트 파일을 읽고 코드 수정을 도와줄 수 있습니다. 단순히 코드 예시를 알려주는 것을 넘어 실제 파일을 바꿀 수 있기 때문에, 입문자도 AI가 어떤 파일을 보고 있는지, 어떤 코드를 수정했는지 확인하는 습관이 필요합니다.

9. AI 코딩 실행 환경과 연결되는 CLI

CLI는 Command Line Interface의 줄임말로, 터미널에 명령어를 입력해 컴퓨터나 개발 도구를 조작하는 방식입니다. npm install, python main.py, git status 같은 명령어가 여기에 해당합니다.

AI 코딩을 하다 보면 AI가 터미널 명령어를 안내하는 경우가 많습니다. Claude Code처럼 터미널 기반으로 작동하는 도구도 있기 때문에, 최소한 명령어가 무엇을 실행하는지 이해해야 오류가 났을 때 대응할 수 있습니다.

10. 전체 프로젝트 구조, 코드베이스

코드베이스는 하나의 프로젝트를 이루는 전체 코드와 파일 구조를 뜻합니다. 소스 코드뿐 아니라 설정 파일, 컴포넌트, 라이브러리, 폴더 구조까지 포함합니다.

AI가 만든 코드가 한 파일 안에서는 맞아 보여도 전체 코드베이스와 맞지 않으면 오류가 생길 수 있습니다. 그래서 AI 코딩에서는 “이 코드가 맞는가”뿐 아니라 “이 프로젝트 안에서 잘 맞는가”를 함께 봐야 합니다.

11. AI가 만든 코드를 검증하는 디버깅

디버깅은 코드에서 발생한 오류의 원인을 찾고 수정하는 과정입니다. AI가 코드를 만들어줘도 오류는 계속 발생하고, 직접 작성하지 않은 코드라면 원인을 찾기가 더 어려울 수 있습니다.

AI 코딩에서 디버깅은 에러 메시지를 붙여넣는 것만으로 끝나지 않습니다. 어떤 상황에서 오류가 났는지, 직전에 무엇을 바꿨는지, 기대한 결과와 실제 결과가 어떻게 다른지 설명할 수 있어야 AI도 더 정확한 해결책을 제안할 수 있습니다.

한눈에 보는 AI 코딩 핵심 개념 요약

지금까지 AI 코딩 입문자가 알아두면 좋은 11가지 기본 개념을 살펴봤습니다. 코딩을 개발자처럼 완벽하게 할 줄 알아야 한다는 뜻은 아닙니다. 다만 LLM, 프롬프트, 컨텍스트, CLI, 코드베이스, 디버깅 같은 개념을 이해하고 있으면 AI가 제안한 코드를 더 안전하게 읽고 활용할 수 있습니다.

AI 코딩은 코딩 공부를 건너뛰게 해주는 지름길이 아니라, 기본기를 가진 사람이 더 빠르게 결과를 만들 수 있게 도와주는 도구에 가깝습니다. 코드트리에서 기초 프로그래밍과 문제 해결력을 먼저 쌓아보세요. 기본기가 있어야 AI가 만든 코드도 내 것으로 만들 수 있습니다.