SK네트웍스 Family 엔코아 AI 오케스트레이션 프리코스 10｜MCP와 AI 코딩 학습 플랫폼 설계

 

이번 프리코스에서는 Claude Code의 기능을 확장하는 MCP(Model Context Protocol)와 AI를 활용한 코딩 학습 플랫폼의 기획 과정을 학습했다. 단순히 Claude Code의 명령어를 익히는 것에서 끝나는 것이 아니라, AI가 외부 도구를 활용하는 방법과 AI에게 원하는 결과를 얻기 위해 요구사항을 어떻게 구체화해야 하는지를 함께 살펴봤다.

1. MCP로 Claude Code의 기능 확장하기

이번 학습에서 먼저 다룬 내용은 MCP(Model Context Protocol)였다.

MCP는 Claude와 같은 AI가 데이터베이스나 웹 브라우저 같은 외부 도구 및 데이터와 연결될 수 있도록 해주는 개방형 표준 프로토콜이다.

AI가 아무리 많은 내용을 학습했다고 하더라도 모든 최신 정보를 알고 있는 것은 아니다. 학습 데이터의 기준 시점 이후에 변경된 정보나 실시간 데이터는 AI가 자체적으로 확인하기 어렵다.

이때 웹 검색이나 MCP와 같은 외부 도구를 연결하면 AI가 필요한 정보나 기능을 직접 활용할 수 있다.

결국 MCP는 AI에게 단순히 더 많은 정보를 제공하는 개념이라기보다,

AI가 외부 세계의 도구를 사용할 수 있도록 연결해주는 인터페이스

라고 이해하는 것이 좋았다.

2. Claude Code에서 MCP 관리하기

MCP를 Claude Code에 연결하고 관리하기 위한 명령어도 확인했다.

claude mcp add [MCP 이름]

MCP 추가

claude mcp list

등록된 MCP 목록 확인

claude mcp remove [MCP 이름]

MCP 제거

MCP를 사용하기 위해서는 Node.js나 Python 같은 개발 환경이 필요하고, 터미널에서 설치된 환경과 버전을 확인하는 과정도 함께 다뤘다.

이전까지는 Claude Code를 주로 코드를 작성하거나 수정하는 AI 도구로 바라봤다면, 이번 학습을 통해서는 Claude Code가 외부 도구와 연결되면서 사용할 수 있는 기능의 범위를 넓힐 수 있다는 점을 이해하게 됐다.

---

3. AI 코딩 학습 플랫폼의 프롬프트 구체화

MCP 학습과 함께 AI 코딩 학습 플랫폼을 만들어가는 과정도 살펴봤다.

여기서 인상적이었던 부분은 단순히 "AI 코딩 교육 서비스를 만들어달라"고 요청하는 것이 아니라, 사용자가 어떤 사람인지와 어떤 방식으로 학습해야 하는지까지 프롬프트에 구체적으로 정의하는 과정이었다.

특히 비개발자나 코딩 초보자도 사용할 수 있는 서비스를 목표로 하면서 프로그래밍 용어를 그대로 사용하는 것이 아니라 일상적인 표현으로 바꾸고 개념을 충분히 설명하도록 기준을 설정했다.

AI에게 결과물을 맡길수록 오히려 요구사항을 구체적으로 작성하는 것이 중요하다는 것을 보여주는 과정이었다.

---

4. 하나의 과제를 Task 단위로 나누기

또 하나 배운 부분은 큰 과제를 한 번에 처리하지 않고 Task 단위로 쪼개는 방식이었다.

예를 들어 단순히

"코딩 학습 플랫폼을 만들어줘."

라고 요청하는 것과,

"학습 콘텐츠를 구성하고 → 챕터를 만들고 → 실습 문제를 구성하고 → 사용자가 파일을 제출할 수 있도록 만들고 → 각각의 Task를 관리한다."

처럼 작업을 단계별로 나누어 요청하는 것은 결과물을 만드는 과정 자체가 달라진다.

특히 학습 플랫폼에서는 사용자가 한 번에 모든 과제를 수행하는 것이 아니라 작은 단위의 Task를 하나씩 수행하고 결과를 확인하면서 다음 단계로 넘어갈 수 있도록 설계하는 것이 중요했다.

AI를 활용한 개발에서도 결과물 자체만 생각하는 것이 아니라 작업 과정을 어떻게 쪼개고 관리할 것인지가 중요하다는 점을 이해할 수 있었다.

---

5. 학습 콘텐츠와 실습 문제 구성

AI 코딩 학습 플랫폼의 콘텐츠 구성도 구체적으로 살펴봤다.

학습 문서는 단순한 설명서가 아니라 교과서처럼 구성하도록 했다.

• 챕터별 개념 설명
• 자주 발생하는 실수
• 실수에 대한 해결 방법

그리고 실습 문제도 한 가지 방식으로만 구성하지 않았다.

• 따라하기
• 빈칸 채우기
• 코드 수정
• 오류 찾기
• 창작 문제

처럼 다양한 유형을 활용한다.

특히 코딩을 처음 배우는 사람에게는 단순히 정답 코드를 보여주는 것보다 직접 코드를 수정하고 오류를 찾아보는 과정이 중요하다는 점을 생각해볼 수 있었다.

---

6. 파일 업로드부터 UI까지 사용자 시나리오로 생각하기

학습 플랫폼의 기능을 정의하면서 파일 업로드 방식과 사용자 화면까지 구체화했다.

사용자가 자신의 파일이나 폴더, GitHub 저장소의 코드 등을 활용할 수 있도록 시나리오를 정리하고, 카드 형태의 UI나 Task 추가 과정 등 실제 사용자가 서비스를 이용하는 흐름도 함께 설계했다.

여기서 단순히 기능 목록을 작성하는 것과 실제 사용자의 행동을 기준으로 서비스를 설계하는 것은 다르다는 것을 느꼈다.

"파일을 업로드할 수 있다"에서 끝나는 것이 아니라,

사용자가 어떤 파일을 → 어떤 화면에서 → 어떤 목적으로 → 어떤 과정을 거쳐 제출하는가

까지 생각해야 실제 서비스의 요구사항으로 구체화할 수 있었다.

---

7. Spec-Kit을 활용한 다음 단계

마지막으로 이렇게 정리한 기획서와 프롬프트를 기반으로 Spec-Kit을 활용해 개발 기획과 설계를 진행하는 과정까지 연결됐다.

이번 프리코스에서 흥미로웠던 부분은 AI에게 바로 코드를 만들어달라고 하는 것이 아니라,

아이디어 → 요구사항 → 작업 단위 → 사용자 시나리오 → 구체적인 스펙 → 개발

이라는 흐름을 만들어가는 것이었다.

AI 코딩 도구를 사용하다 보면 결과물을 빨리 만드는 것에 집중하기 쉬운데, 오히려 AI에게 맡길수록 무엇을 만들어야 하는지를 사람이 명확하게 정의하는 과정이 중요하다는 것을 알게 됐다.

---

8. 이번 프리코스에서 새롭게 이해한 점

이번 학습을 통해 AI 개발 도구를 바라보는 관점이 조금 달라졌다.

처음에는 Claude Code 같은 도구를 코드를 대신 작성해주는 AI 정도로 생각하기 쉽다.

하지만 MCP를 통해 외부 도구와 연결하고, 프롬프트를 구체화하고, 작업을 Task 단위로 나누고, 서비스의 요구사항과 사용자 시나리오까지 정의하는 과정을 살펴보면서 AI를 활용한 개발은 단순한 코드 생성과는 조금 다른 문제라는 생각이 들었다.

결국 중요한 것은 AI에게 일을 시키는 것 자체가 아니라,

어떤 문제를 해결할 것인지 정의하고 → 필요한 정보를 제공하고 → 작업을 적절하게 나누고 → 원하는 결과물의 기준을 명확하게 전달하는 것

이라는 점이다.

특히 앞으로 AI를 활용해서 실제 서비스를 개발한다면 "AI가 알아서 만들어주겠지"라는 접근보다는 사람이 요구사항과 구조를 명확하게 설계하고 AI를 실행 도구로 활용하는 방식이 필요하겠다는 생각이 들었다.

핵심 정리

이번 프리코스 10에서는 MCP를 이용해 Claude Code의 기능을 외부 도구까지 확장하는 방법과 함께, AI 코딩 학습 플랫폼을 기획하면서 프롬프트를 구체화하고 작업을 Task 단위로 세분화하는 과정을 학습했다.

특히 MCP를 통해 AI가 외부 정보와 도구를 활용할 수 있다는 점, 그리고 AI에게 원하는 결과를 얻기 위해서는 추상적인 요청보다 구체적인 요구사항과 작업 단위가 필요하다는 점을 이해한 것이 이번 학습의 핵심이었다.

앞으로 Spec-Kit을 활용한 개발 설계 과정까지 이어지면서, AI를 단순한 코드 생성기가 아니라 개발 과정 전체에서 활용할 수 있는 도구로 어떻게 구성하고 활용할 것인지를 더 구체적으로 익혀보고 싶다.