생성형 AI 다음은 무엇일까? 에이전틱 AI와 CLI 기반 AI 에이전트

불과 1~2년 전만 해도 AI 코딩 도구의 중심에는 바이브 코딩이 있었습니다. Cursor 같은 도구로 빠르게 코드를 만들고, 사람이 붙여 넣고 다듬는 방식이 익숙했죠. 그래서 당시 AI 코딩은 ‘코드 어시스턴트’라는 말로도 자주 설명됐습니다. 하지만 지금은 분위기가 확실히 달라졌습니다. AI는 더 이상 사람이 시키는 대로 한 번씩 반응하는 도구에 머물지 않습니다. 요즘은 개발자뿐 아니라 비개발자도 Claude Code 같은 도구를 활용해 반복 업무를 자동화하고, 여러 툴을 연결하고, 실제 일하는 방식까지 바꾸기 시작했습니다.

생성형 AI를 넘어 에이전틱 AI의 시대로 넘어가는 지금, 우리는 무엇을 준비해야 할까요?

이 글에서는 바이브 코딩 이후 AI 코딩의 변화와 왜 지금 Claude Code 같은 CLI 기반 에이전트 코딩이 주목받고 있는지 살펴봅니다.

에이전틱 AI란

생성형 AI는 사용자의 요청에 맞춰 텍스트나 코드 같은 결과물을 만들어주는 데 강합니다. 반면 에이전틱 AI는 결과를 한 번 생성하는 데서 그치지 않고, 주어진 목표를 바탕으로 작업을 이어가는 데 더 가깝습니다. 필요한 단계를 스스로 나누고 상황에 맞는 도구를 활용하고, 실행 결과를 바탕으로 다음 행동을 결정하기 때문입니다. 생성형 AI가 ‘답을 만드는 AI’에 가깝다면, 에이전틱 AI는 ‘목표를 수행하는 AI’에 더 가깝다고 볼 수 있습니다.

에이전틱 AI를 설명할 때 자주 언급되는 특징은 아래와 같습니다.

• 맥락 반영: 현재 요청만 보는 것이 아니라, 앞선 작업과 중간 결과까지 함께 고려

• 단계별 수행: 복잡한 작업을 여러 단계로 나눠 순차적으로 처리

• 도구 연동: 파일, 터미널, 외부 서비스 등 실제 작업 환경을 함께 활용

• 결과 기반 판단: 중간 결과를 확인하고 필요하면 다음 행동을 조정

생성형 AI와 무엇이 다를까

이미지 출처

에이전틱 AI가 주목받기 시작하면서 AI 코딩 도구의 방식도 함께 달라지고 있습니다. 최근에는 단순히 코드를 추천하거나 생성하는 데서 그치지 않고, 실제 개발 환경 안에서 더 긴 작업을 이어서 수행하는 방향으로 확장되고 있죠.

CLI 기반 AI가 주목받는 이유

이 변화가 특히 잘 드러나는 방식이 CLI 기반 AI 에이전트입니다. 터미널 기반 AI 에이전트는 에디터 안에서 코드만 추천하는 데 그치지 않고, CLI(Command Line Interface) 환경에서 파일을 읽고 수정하고, 명령어를 실행하고, 테스트와 검증까지 이어가는 방식을 말합니다. 쉽게 말해 코드를 “써주는” 수준을 넘어, 실제 개발 작업이 이뤄지는 환경 안에서 여러 단계를 이어서 수행하는 데 더 가깝습니다.

최근 이 방식이 주목받는 이유는 분명합니다.

• 실제 작업 환경 접근: 파일 탐색, 수정, 명령어 실행, 테스트처럼 개발 과정 자체에 바로 들어갈 수 있습니다.

• 긴 작업 단위 처리: 코드 한두 줄 생성보다 여러 단계가 필요한 작업을 이어서 맡기기에 더 적합합니다.

• 기존 코드베이스 대응: 새 코드 작성뿐 아니라, 복잡한 기존 프로젝트를 이해하고 수정하는 데 유리합니다.

• 자동화 활용성: 개발자뿐 아니라 비개발자도 반복 업무, 툴 연동, 간단한 워크플로 자동화에 활용할 수 있습니다.

즉 최근 AI 코딩의 변화는 인터페이스가 IDE에서 터미널로 바뀌었다는 데만 있지 않습니다. 핵심은 AI가 단순한 추천 도구를 넘어 실제 작업을 수행하는 동료 역할에 더 가까워지고 있다는 점입니다.

대표 터미널 기반 AI(CLI)

• Claude Code CLI (Anthropic): 코드베이스를 읽고 파일 수정, 명령 실행까지 이어가는 대표적인 CLI 기반 에이전트 코딩 도구입니다. Anthropic은 Claude Code를 터미널에서 동작하는 agentic coding tool로 소개합니다.

• Gemini CLI (Google): Google이 제공하는 오픈소스 AI 에이전트로, 터미널에서 Gemini를 직접 활용할 수 있는 도구입니다. 파일 조작, 명령 실행, MCP 서버 연동까지 지원합니다.

• Codex CLI (OpenAI): OpenAI의 코딩 에이전트로, 터미널 안에서 코드를 읽고 수정하고 실행할 수 있는 CLI 도구입니다. 로컬 환경에서 실제 개발 작업을 이어가는 데 초점이 맞춰져 있습니다.

에이전틱 AI 시대, 우리가 준비해야 할 것

에이전틱 AI가 보편화된다고 해서 사람의 역할이 줄어드는 것은 아닙니다. 오히려 실무에서는 AI에게 더 많은 일을 맡길수록, 사람이 더 잘해야 하는 일이 분명해지고 있습니다.

• 모호한 요청을 구체적인 작업으로 바꾸는 일 “로그인 기능 만들어줘”가 아니라, 어떤 예외를 처리해야 하는지, 어떤 조건에서 실패하는지, 어디까지 구현해야 하는지를 정리해야 합니다.
  → 그래서 필요한 것: 요구사항을 구조화하는 힘

• 긴 작업을 단계별로 쪼개고 우선순위를 정하는 일 실제 업무는 코드 한 덩어리를 만드는 것보다, 기능 추가, 기존 코드 수정, 테스트, 배포 전 점검처럼 여러 단계를 나눠 처리해야 하는 경우가 더 많습니다.
  → 그래서 필요한 것: 문제를 단계별로 분해하는 힘

• AI가 내놓은 결과가 맞는지 판단하는 일 코드는 돌아가는데 요구한 기능과 다르거나, 예외 처리가 빠지거나, 기존 구조와 충돌하는 경우는 여전히 많습니다.
  → 그래서 필요한 것: 결과를 검증하고 오류를 찾아내는 힘

• 기존 코드와 시스템 맥락을 이해하는 일 실무에서는 새 코드를 처음부터 짜는 일보다, 이미 있는 코드베이스를 읽고 수정하는 일이 더 자주 일어납니다.
  → 그래서 필요한 것: 구조를 파악하고 맥락을 읽는 힘

• 도구를 잘 쓰는 것을 넘어, 어디에 어떻게 써야 할지 판단하는 일 모든 작업을 AI에게 맡길 수 있는 것은 아니고, 맡겨도 되는 일과 직접 봐야 하는 일을 구분해야 합니다.
  → 그래서 필요한 것: 도구 활용 판단력

에이전틱 AI 시대, 더 중요해지는 인재

에이전틱 AI가 더 많은 코드를 만들고 더 긴 작업을 수행하는 시대가 오더라도, 결국 더 주목받는 사람은 따로 있습니다. 모호한 요구를 구체적인 문제로 바꾸고, 복잡한 작업을 단계별로 나누고, 나온 결과가 맞는지 끝까지 검증할 수 있는 사람입니다. AI가 대신 구현해주는 범위는 점점 넓어지고 있지만, 무엇을 만들어야 하는지 정하고 방향을 판단하는 역할까지 완전히 대신해주지는 못하기 때문입니다.

그래서 지금 준비해야 하는 것도 분명합니다. AI에게 코드를 맡기는 연습만 할 것이 아니라, 문제를 정확히 이해하고,조건을 구조화하고 풀이 과정을 끝까지 점검하는 훈련을 함께 해야 합니다. 코드트리가 코딩 테스트 준비를 넘어 문제 해결력 자체를 강조하는 이유도 여기에 있습니다. 에이전틱 AI 시대에 필요한 인재는 결국 도구를 잘 쓰는 사람을 넘어 AI와 함께 더 정확하게 문제를 풀어내는 사람입니다. 지금부터 코드트리에서 문제를 끝까지 해결하는 훈련을 시작해 보세요.