들어가며 최근 저자들은 단 2명이서 7주 만에 Agentic AI 기반 플랫폼을 엔드투엔드로 구축했습니다. 디자이너도 없었고 기획자도 없었습니다. MCP(Model Context Protocol) 생성, AI Agent 생성부터 실시간 테스트 환경까지 갖춘 플랫폼이었고, 단순한 아이디어에서부터 실제 동작하는 웹 애플리케이션까지, 2주의 기획, 2주의 문서작업 및 세부 사항 협의, 3주의 개발 및 배포 기간이 소요되었습니다. 예전의 전통적인 개발 방법으로는 상상도 못할 […] || 들어가며
최근 저자들은 단 2명이서 7주 만에 Agentic AI 기반 플랫폼을 엔드투엔드로 구축했습니다. 디자이너도 없었고 기획자도 없었습니다. MCP(Model Context Protocol) 생성, AI Agent 생성부터 실시간 테스트 환경까지 갖춘 플랫폼이었고, 단순한 아이디어에서부터 실제 동작하는 웹 애플리케이션까지, 2주의 기획, 2주의 문서작업 및 세부 사항 협의, 3주의 개발 및 배포 기간이 소요되었습니다. 예전의 전통적인 개발 방법으로는 상상도 못할 진행 속도였습니다.
이 글에서는 어떤 플랫폼을 만들었는지, 그리고 AI-DLC(AI-Driven Development Life Cycle), Kiro, Claude Code, Linear라는 도구들을 어떻게 조합해서 이 결과를 얻었는지 공유합니다.
결론부터 말하자면, AI-DLC를 통해 모호한 기획을 구체화하는 과정에서 다양한 질문에 답변하고 수많은 문서를 살피며 ‘문서와의 사투’로 긴 시간을 보냈지만, 그 과정에서 구현 주체인 사람조차 간과했던 막연한 부분들을 정리할 수 있었습니다. 그리고 바로 그 문서들 덕분에 오히려 개발 단계에서는 예전에 비해 수십배의 생산성을 확보할 수 있었습니다(직접 코딩했다면 최소 12일이 걸릴 CRUD 웹페이지 작업을 30분~1시간 안에 완료). 명확한 스펙 문서들 덕분에, Kiro와 Claude Code와 같은 AI툴들은 스펙을 코드/인프라로 옮기는 단순 ‘번역기’ 역할을 수행했기 때문입니다. 특히 개발 이후 이슈 발생시에도 AI와 개발하는 사람들 모두 제품 방향성에 대한 공통된 이해를 갖고 있기 때문에 원활하게 해결책을 찾아 나갔습니다.
즉, 명확한 합의 위에서 시작된 개발은, 이미 절반은 성공한 셈입니다.
따라서 이 글이 AI 코딩 도구 도입과 생산적인 활용 방안에 대해 고민하는 분들께 실질적인 참고가 되길 바랍니다.
이 글은 시리즈의 첫 번째 편으로 프로젝트 개요 및 개발 방식과 도구에 대한 소개를 주로 설명합니다. 다음 편에서는 MCP, Agent와 AgentCore , Strands Agents, Kiro 등에 대해 기술적으로 더 상세히 다루겠습니다.
프로젝트 소개 – 무엇을 만들었나
프로젝트 개요
Agentic AI 기반 플랫폼은 MCP(Model Context Protocol), Amazon Bedrock Knowledge Base(지식 기반), AI Agent를 생성, 등록, 테스트, 배포할 수 있는 플랫폼입니다. 사용자들은 필요한 도구(MCP, Knowledge Base)를 미리 만들어 이들을 Agent에 연결하고 적절한 프롬프트를 줌으로써 동작을 확인하고 이후 배포할 수 있습니다.
이러한 환경을 통해 기업은 안전하고 격리된 환경에서 MCP와 Agent를 배포하고 테스트할 수 있습니다. 실제 해당 플랫폼을 통해 배포된 Agent의 Endpoint에는 Amazon Bedrock AgentCore Identity를 통해 인증받은 사용자(본 프로젝트에서는 웹서비스가 구동중인 Amazon Elastic Container Service, ECS)만 접근하고 호출할 수 있으며, MCP 역시 Identity and Access Management(IAM)으로 인증된 Agent만이 접근하도록 구성할 수 있습니다.
개발 과정과 투입된 개발리소스는 다음과 같습니다.
소요 기간 : 2025년 11월 3일부터 12월 20일까지 총 7주 (기획 2주 → 문서 기반 협의 및 재생성 (AI-DLC) 2주 → 개발,테스트,배포 등