AI Agentic Coding은 AI 에이전트가 개발자의 자연어 요구사항을 이해하고, 생성형 AI(LLM), 각종 개발 도구, 메모리와 실행 환경을 활용해 코드뿐만 아니라 문서, 테스트, 설정 파일 등 소프트웨어 개발에 필요한 다양한 산출물을 생성하고 검증하는 기술이다. 개발자가 AI에게 단순히 코드를 작성하도록 요청하는 수준을 넘어, AI가 분석·설계·코딩·테스트·수정 등의 개발 작업을 연속적으로 수행하도록 하는 것이 특징이다.

2024년 이후 Devin, Cursor, Claude Code 등의 AI 코딩 도구가 등장하면서 AI Agentic Coding은 빠르게 발전하고 있다. 초기에는 개발자가 하나의 AI 에이전트를 이용해 코딩 작업을 자동화하는 데 초점이 맞춰졌다. 이제는 한 단계 더 나아가 분석가(Business Analyst, BA)와 아키텍트가 AI 에이전트들을 적절히 구성하고 조정하여 분석부터 개발·테스트까지 소프트웨어 개발 전 과정을 지원하는 방식으로 발전하고 있다.

   AI 에이전트는 어떻게 소프트웨어를 개발하는가?

AI 에이전트 코딩 플랫폼의 구조

위의 그림은 AI 에이전트 코딩 플랫폼의 기본적인 구조를 보여준다. 예를 들어 분석가가 “고객이 주문을 조회하고 취소할 수 있는 기능을 개발하라”는 요구사항과 같은 요구 스펙 프롬프트를 제출한다고 하자.

먼저 오케스트레이터(Orchestrator)가 현재 프로젝트의 구조와 관련 정보를 확인한다. 이를 위해 Context 서비스를 이용해 필요한 파일, 규칙, 기존 코드 등의 상황 정보를 수집하고, Prompt Assembly 서비스를 통해 AI가 이해하기 좋은 형태로 프롬프트를 구성한다.

그 다음 AI의 추론을 통해 무엇을 어떤 순서로 개발할지 계획(Plan)을 수립한다. 계획이 만들어지면 정책(Policy) 규칙에 따라 계획이 요구사항과 개발 원칙에 맞는지 확인한다. 문제가 없으면 AI 에이전트가 실제 개발 도구를 사용해 코드를 작성하거나 테스트를 실행한다.

개발 과정에서는 AI 에이전트가 한 번의 작업으로 모든 것을 끝내는 것이 아니라, 계획 → 실행 → 결과 확인 → 다음 계획을 반복한다. 이러한 반복적인 작업 사이클을 여기서는 Ralph Loop이라고 한다.

AI가 파일을 수정하거나 테스트를 실행하는 등의 작업을 수행할 때에도 정책에 따라 허용된 작업인지 확인할 수 있다. 실제 작업은 MCP(Model Context Protocol) 등을 통해 연결된 개발 도구를 사용해 실행한다. 개발 과정에서 발생한 결과나 반복해서 활용할 가치가 있는 지식은 장기 메모리에 저장하고, 이후 세션에서 Skill이나 Hook 등의 형태로 재사용할 수도 있다.

이처럼 AI Agentic Coding 플랫폼은 단순히 “AI에게 코드를 작성시키는 도구”가 아니라, AI가 개발 작업을 계획하고 실행하고 검증하는 과정을 관리하는 개발 플랫폼으로 발전하고 있다.

   AI가 코드를 작성해도 SW 공학은 필요하다

그렇다면 AI가 대부분의 코드를 작성한다면 개발자의 역할은 없어지는 것일까?

그렇지 않다. AI가 생성하는 코드는 확률적인 생성 과정의 결과이기 때문에 항상 오류 가능성이 있다. 존재하지 않는 API를 사용하거나, 요구사항을 잘못 이해하거나, 기존 시스템의 설계 원칙을 위반하는 코드를 생성할 수도 있다.

따라서 AI에게 코드를 작성하게 하는 것과 신뢰할 수 있는 프로덕션 시스템을 만드는 것은 전혀 다른 문제다. AI가 코드를 빠르게 생성할수록 요구사항을 명확하게 정의하고, 아키텍처와 설계 원칙을 적용하고, 자동화된 테스트를 통해 결과를 검증하는 SW 공학의 역할은 오히려 중요해진다.

AI 코딩 에이전트는 유능하지만 경험이 부족한 주니어 개발자에 비유할 수 있다. 시니어 개발자가 주니어 개발자에게 요구사항과 설계 원칙을 설명하고, 작업 결과를 검토하고, 잘못된 부분을 수정하도록 하는 것처럼, AI 에이전트도 시니어 분석가·아키텍트·엔지니어의 가이드와 검증이 필요하다.

즉, AI 에이전트와 전문가가 함께 개발하는 일종의 Pair Programming이라고 볼 수 있다. 다만 AI 에이전트가 훨씬 많은 코드를 빠르게 생성할 수 있기 때문에, 사람이 모든 코드를 직접 작성하는 대신 요구사항, 아키텍처, 설계 원칙, 테스트와 같은 중요한 기준을 정의하고 AI가 만든 결과를 검증하는 역할에 집중하게 된다.

   SW 공학을 AI 에이전트가 실행할 수 있도록 만든다

AI Agentic Coding에 적용해야 할 SW 공학은 기존 개발과 크게 다르지 않다. 요구사항 공학, 객체지향 설계, 서비스 지향 아키텍처, 테스트 주도 개발(TDD), 지속적 통합·배포(CI/CD) 등이 여전히 중요하다.

달라지는 것은 SW 공학을 적용하는 방식이다.

기존에는 개발자가 문서나 개발 가이드라인을 읽고 이를 자신의 개발 작업에 적용했다. AI Agentic Coding에서는 이러한 원칙을 AI 에이전트가 실제 개발 과정에서 실행할 수 있도록 만들어야 한다.

예를 들어,

• Context 파일에는 프로젝트의 구조와 개발 규칙을 정의하고,
• Skill에는 반복적으로 수행하는 전문적인 개발 방법을 정의하며,
• Hook에는 특정 이벤트가 발생했을 때 자동으로 수행해야 할 작업을 정의하고,
• Tool에는 AI가 사용할 수 있는 개발 도구와 시스템을 연결하며,
• Subagent에는 특정 전문 업무를 담당하는 별도의 AI 에이전트를 구성할 수 있다.

이렇게 하면 SW 공학의 원칙이 단순한 문서상의 가이드라인에서 AI 에이전트의 행동을 실제로 제한하고 검증하는 ‘실행 가능한 거버넌스(Executable Governance)’로 바뀐다.

박준성, 「AI 코딩 에이전트는 주니어 개발자...SW공학 필요」, 지디넷 코리아, 2026.6.6 참조.

   AI 시대의 SW 개발 프로세스도 바뀐다

이러한 관점에서 AI 시대의 SW 공학은 기존의 개발 방법론을 단순히 AI로 자동화하는 것이 아니다. AI 에이전트가 개발하는 방식을 전제로 SW 개발 프로세스 자체를 재설계해야 한다.

예를 들어 개발에 앞서 요구사항을 충분히 분석하고, 이를 명확하고 검증 가능한 스펙으로 정의하는 Spec-Driven Development(SDD)를 적용할 수 있다. 또한 AI 에이전트가 따라야 할 제약조건을 명시하는 Constraint-Driven Development(CDD)와 생성된 결과를 자동으로 평가하고 검증하는 Evaluation-Driven Development(EDD)를 적용할 수 있다.

이를 컨텍스트 엔지니어링, TDD, CI/CD 등과 결합하면 AI 에이전트의 빠른 코드 생성 능력을 활용하면서도 신뢰성과 장기적인 유지보수성을 갖춘 프로덕션 시스템을 구축할 수 있다.

아래 그림은 이러한 AI Agentic Coding의 전체 개발 프로세스를 보여준다.

자세한 내용은 박준성, 「에이전트 코딩, SW공학에 기반해야」, 지디넷 코리아, 2026.7.9를 참조하기 바란다.

   KOSTA AI Lab 오픈소스 프로젝트

한국SW기술진흥협회(KOSTA)는 이러한 AI-Native SW 개발 역량을 실제 개발 현장에서 활용할 수 있도록 KOSTA AI Lab 오픈소스 프로젝트를 추진하고 있다.

KOSTA AI Lab – AI-Native SDLC

이 프로젝트에서는 AI Agentic Coding을 이용해 실제 제품 수준의 소프트웨어를 개발하는 데 필요한 전 과정의 방법론과 실행 자산을 오픈소스로 축적하고 있다.

주요 내용은 다음과 같다.

• AI-Native SDLC 방법론
• 요구사항 및 스펙 기반 개발 방법
• AI 에이전트 코딩 패턴
• SW 아키텍처 및 설계 가이드
• TDD와 자동화 테스트
• CI/CD 및 품질 검증
• Context, Skill, Hook, Tool, Subagent 등 AI 에이전트 실행 자산
• 실제 개발에 바로 활용할 수 있는 템플릿과 예제
• AI Agentic Coding 온라인 교육 과정

특히 이 프로젝트는 AI 코딩 도구 사용법만 가르치는 것을 목표로 하지 않는다. AI 에이전트를 이용해 실제 제품 수준의 소프트웨어를 만들기 위해 필요한 SW 공학 방법론, 개발 실행 자산, 교육 콘텐츠를 함께 제공하는 것을 목표로 한다.

AI가 소프트웨어를 만드는 시대에는 “AI에게 코딩을 시키는 능력”과 “AI가 만든 소프트웨어를 신뢰할 수 있도록 만드는 능력”이 모두 필요하다. KOSTA AI Lab은 후자의 역량까지 포함하는 AI-Native SW 개발 생태계를 구축하고, 이를 오픈소스로 공유함으로써 국내 개발자와 기업이 AI 시대의 SW 개발 방식으로 빠르게 전환할 수 있도록 지원하고자 한다. (2026년 말 공개 예정)