Tech / AI 게시글

TechAIetc

Claude & Codex #6 Skill, MCP, Plugin, Subagent는 언제 필요할까?

반복 Workflow를 Skill로 분리하고 Agent 역할을 확장하는 기준

전편까지 Claude Code가 구현하고 Codex가 Pull Request를 검토하는 Workflow를 만들었다. 하나의 Agent가 구현부터 Review까지 모두 맡게 하지 않고, 구현과 검토를 서로 다른 Agent에게 분리한 구조다. 이 Workflow를 실제로 반복하자 다음 문제가 보이기 시작했다. Codex Review가 끝날 때마다 Claude Code에게 비슷한 수정 절차를 다시 설명해야 했고, GitHub에 있는 Review 내용을 사람이 Claude Code에게 전달하는 과정도 남아 있었다. Backend와 Android처럼 작업 범위가 넓어지면 하나의 Agent가 읽고 유지해야 하는

Claude Code와 Codex Workflow의 Skill MCP Plugin Subagent 구조
TechAILLM

로컬은 Ollama, 서버는 vLLM, 괴물 모델은 KTransformers

LLM 실행 도구를 고르는 기준은 모델이 아니라 병목이다

오픈소스 LLM을 직접 실행하려고 찾아보다 보면 비슷해 보이는 도구들을 계속 만나게 된다. 로컬에서 모델을 실행하려고 하면 Ollama가 나오고, LLM API 서버를 구축하려고 하면 vLLM이 등장한다. DeepSeek-R1처럼 수백B 규모의 초거대 모델까지 관심을 넓히면 이번에는 KTransformers라는 이름이 보인다. 처음에는 셋 다 비슷해 보인다. 결국 모델 파일을 메모리에 올리고 GPU로 추론하는 프로그램 아닌가? 큰 범위에서 보면 맞다. 하지만 실제로는 세 도구가 해결하려는 병목이 다르다. | 상황 | 먼저 볼 도구 | 해결하려는 문제 | | -------------------------

Ollama vLLM KTransformers LLM 비교
TechAIetc

VS Code에서 Google Colab 연결하기

공식 Colab Extension으로 VS Code에서 GPU 런타임 사용하는 방법

머신러닝이나 딥러닝 코드를 작성할 때 조금 애매한 상황이 생긴다. 평소 개발은 VS Code에서 하는데, GPU가 필요한 순간에는 Google Colab을 열어야 한다. 코드는 VS Code 프로젝트에 있고 Git도 여기서 관리하는데, 학습할 때만 브라우저의 Colab으로 코드를 옮기다 보면 개발 환경이 둘로 나뉜다. 예전에는 VS Code에서 Colab Runtime을 사용하려고 SSH나 터널링 같은 우회 방법을 찾기도 했다. 하지만 지금은 Google이 공식 Colab VS Code Extension을 제공한다. 덕분에 VS Code에서 .ipynb 파일을 작성하면서 실제 코드는 Google Col

VS Code Google Colab setting
TechAIetc

Claude & Codex #5 Codex Review Harness로 PR 코드 리뷰하기

GitHub Codex Review에서 Human-in-the-loop Review Harness까지

이전 글에서는 GitHub Issue에서 작업 범위를 정하고, Worktree에서 Claude Code가 기능을 구현한 뒤 Local Verification과 GitHub Actions까지 연결했다. 여기까지 오면 Build, Test, Lint 같은 자동 검증은 끝난다. 하지만 CI가 통과했다는 사실만으로 바로 Merge할 수 있는 것은 아니다. Issue의 의도를 제대로 구현했는지, Architecture Boundary를 깨뜨리지는 않았는지, Test에서 놓친 Regression 가능성은 없는지 다시 코드를 읽는 Code Review가 남아 있다. Codex를 Reviewer로 추가해서 코드 리뷰

Claude Code와 Codex를 연결한 Pull Request Review Harness Workflow
TechAIetc

Claude & Codex #4 Claude Code로 Issue부터 PR까지 개발하기

GitHub Issue, Worktree, Pull Request를 GitHub Actions 자동 검증까지 연결한다

이전 글에서는 AGENTS.md와 CLAUDE.md를 이용해 Claude Code와 Codex가 프로젝트를 어떤 기준으로 이해해야 하는지 정리했다. 이번에는 그 기준 위에서 하나의 기능을 개발한다. GitHub Issue에서 이번 작업의 목표와 범위를 정하고, Worktree로 작업 공간을 분리한 뒤 Claude Code가 분석부터 구현과 Local Verification까지 진행한다. 변경이 Pull Request로 올라가면 GitHub Actions가 Build, Test, Lint를 다시 검증한다. CI/CD Pipeline 자체를 어떻게 구축하는지는 별도 글에서 다룬다. 이번 글의 범위는 Iss

Claude Code로 GitHub Issue부터 Pull Request 자동 검증까지 진행하는 개발 워크플로우
TechAIetc

Claude & Codex #3 AGENTS.md와 CLAUDE.md로 프로젝트 Context 구성하기

Claude Code와 Codex가 같은 Architecture와 개발 규칙을 공유하도록 설정한다

이전 글에서는 AGENTS.md, CLAUDE.md, Rules, Skills에 어떤 정보를 나눠 담아야 하는지 정리했다. 이번에는 Android와 Backend가 함께 있는 모노레포에 Context를 구성한다. 공통 Architecture와 개발 규칙은 Root에 두고, 특정 Module에서만 필요한 기준은 더 가까운 위치로 나눈다. 마지막에는 파일을 만드는 데서 끝내지 않고 Claude Code와 Codex가 의도한 Context를 읽고 같은 기준으로 프로젝트를 해석하는지까지 확인한다. 처음부터 AGENTS.md, CLAUDE.md, .claude/rules/, SKILL.md를 전부 만들 필요는

Claude Code와 Codex 프로젝트 Context 구성