1.1 ‘신속엔지니어’의 몰락#

“Prompt Engineering”은 **“Context Engineering”**으로 대체되었습니다. 더 이상 모델을 스마트하게 속이는 것이 아닙니다. 모델(GPT-5, Opus 4.5)은 이제 원시 로직의 일반 주니어 엔지니어보다 더 똑똑합니다. 이제 Architect의 작업은 엄격하게 리소스 관리입니다.

• 이 작업을 어떤 모델에 전달해야 합니까?
• 얼마나 많은 맥락이 필요합니까?
• 권한 경계는 무엇입니까?

2.1 GPT-5.1 및 영구 메모리 계층(PML)#

OpenAI(출시: 2025년 8월 / 미리보기: 2025년 12월)

GPT-5는 “일반 정보”의 정점을 나타냅니다. 하지만 5.1 미리보기의 정의 기능은 **PML(영구 메모리 계층)**입니다.

2.1.1 PML의 기술 아키텍처

PML은 RAG(검색 증강 생성)가 아닙니다. RAG는 ​​검색 엔진입니다. 문서를 찾습니다. PML은 상태 머신입니다.

• 벡터 대 그래프: 기존 RAG는 벡터 임베딩(퍼지 매칭)을 사용합니다. PML은 지식 그래프를 사용합니다. 대화에서 변수를 정의하면 GPT-5.1은 이를 프로젝트별 그래프의 노드로 매핑합니다.
• “쓰기” 작업: 사용자가 제약 조건(예: “모든 날짜는 UTC여야 합니다”)을 설정하면 모델은 다음을 수행합니다.MEM_WRITE작업. 이는 원자적이고 지속적입니다.
• “적용” 계층: 향후 코드를 생성하기 전에 모델은 그래프를 순회합니다. 생성된 토큰이 제약 조건 노드를 위반하는 경우(예: 생성new Date()대신에moment.utc()), 토큰이 방출되기 전에 로짓이 억제됩니다.

TIP

{title=“Architectural Impact”} 이를 통해 “제로샷 온보딩”이 가능합니다. 새 채팅 세션은 0에서 시작되지 않습니다. 프로젝트 지식 그래프의 정확한 상태부터 시작됩니다.

2.2 클로드 4.5 Opus: 깊은 사상가#

Anthropic (출시: 2025년 11월)

GPT-5가 CEO라면 Claude 4.5 Opus가 수석 연구원입니다. 느리고, 비용이 많이 들고, 정말 훌륭합니다.

2.3 Gemini 3 플래시: 실시간 에이전트#

Google(출시: 2025년 12월)

Gemini 3 Flash는 AI의 경제학을 변화시켰습니다. 다중 모드 네이티브 및 지연 시간 최적화입니다.

• “0.2초” 장벽: Gemini 3 Flash는 UI 오류의 스크린샷을 수집하고, 텍스트를 OCR하고, 로그를 구문 분석하고, 200밀리초 이내에 수정 사항을 제안할 수 있습니다.
• 에이전트 루프: 매우 저렴하기 때문에($0.10/1M 토큰) 이제 “무차별 추론”에 사용합니다. 50개의 병렬 에이전트를 생성하여 50개의 서로 다른 버그 수정을 동시에 시도하고, 테스트를 실행하고, 통과한 버그 수정만 사용자에게 제공할 수 있습니다.

3.1 MCP 작동 방식(“클라이언트-호스트-서버” 모델)#

1. MCP 호스트: AI를 실행하는 애플리케이션(예: Claude Desktop, Cursor, Cline).
2. MCP 서버: 데이터를 노출하는 경량의 샌드박스 프로세스입니다.
3. MCP 클라이언트: AI 모델 자체입니다.

1
// The AI wants to check a database.
2
// It sends a JSON-RPC message to the Host.
3
{
4
  "jsonrpc": "2.0",
5
  "method": "callTool",
6
  "params": {
7
    "name": "postgres_query",
8
    "arguments": {
9
      "query": "SELECT * FROM users WHERE status = 'active' LIMIT 5"
10
    }
11
  }
12
}
13
// The Host validates permissions ("Does this AI have DB access?").
14
// The Host forwards to the Postgres MCP Server.
15
// The Server executes and returns the JSON result.

커뮤니티는 무료 MCP 서버로 폭발했습니다. 오늘부터 로컬로 실행할 수 있습니다.

4.1 윈드서핑: “흐름” 상태#

Windsurf(Codeium 제공)는 **“Cascades”**라는 개념을 도입했습니다.

• 심층적인 상황 인식: Windsurf는 열려 있는 파일만 보는 것이 아닙니다. 변수 정의, 가져오기 그래프 및 최근 터미널 출력을 색인화합니다.
• 예측 탐색: 백엔드에서 함수 서명을 변경하면 Windsurf는 이를 호출하는 프런트엔드 파일을 사전적으로 열어 컴파일러를 실행하기도 전에 중단 부분을 강조 표시합니다.

4.2 Cline: 오픈 소스 조정자#

Cline은 오픈 소스 세계의 영웅입니다. 편집기를 자율 에이전트로 바꾸는 VS Code 확장입니다.

• “Act” 루프: Cline은 단지 코드를 제안하는 것이 아닙니다. 터미널 명령을 실행합니다. 다음을 수행할 수 있습니다. 1.npm test(실패)

2. 오류를 읽으십시오.
3. 파일을 편집합니다. 4.npm test(합격) 5.git commit* MCP 통합: Cline은 가장 발전된 MCP 클라이언트입니다. 도구를 연결할 수 있습니다. “GitHub MCP를 사용하여 문제를 찾고, Postgres MCP를 사용하여 데이터를 확인한 다음 수정 사항을 작성합니다.”

5.1 DeepSeek-R2: 개방형 무게의 기적#

DeepSeek-R2는 GPT-4o와 경쟁하지만 소비자 하드웨어에서 실행되는 개방형 가중치 모델입니다.

• 증류: 대규모 추론 모델의 “지식 증류”를 사용하여 훈련되었으므로 더 적은 수의 매개변수로 깊이 “생각”할 수 있습니다.
• 개인 정보 보호: 로컬 Mac Studio 또는 NVIDIA H100 클러스터에서 DeepSeek-R2를 실행함으로써 기업은 “Air-Gapped Intelligence”를 얻을 수 있습니다. 어떤 데이터도 건물 밖으로 나가지 않습니다.

5.2 Ollama v2.0: 모델 OS#

Ollama는 이제 로컬 AI의 표준 런타임입니다.

• 핫 스와핑: Ollama v2는 VRAM에 로드된 “기본” 가중치를 유지하고 “LoRA 어댑터”(낮은 순위 적응)를 즉시 핫 스왑합니다. 10ms 안에 “코딩 전문가”에서 “창의적인 작가”로 전환할 수 있습니다.

6.1 Qodo(이전 Codium): “BS 탐지기”#

Qodo와 같은 도구는 더 이상 “있으면 좋은” 도구가 아니라 방어 인프라입니다. 그들의 주요 임무는 단순한 테스트가 아니라 환각 억제입니다.

• “신뢰의 절벽”: AI 에이전트는 자신이 틀렸을 때에도 자신감을 갖는 것으로 악명 높습니다. Qodo는 공정한 감사인 역할을 합니다.
• 속성 기반 퍼징: 우리는 AI가 극단적인 사례를 이해한다고 믿을 수 없기 때문에 Qodo를 사용하여 에이전트의 코드를 “퍼징”하여 함수에 수백만 개의 무작위 입력을 던져 논리가 중단되는 위치를 확인합니다.
• 현실 확인: 프로덕션에서 Qodo는 피곤한 인간 검토자가 놓쳤을 미묘한 오류 또는 보안 회귀로 인해 “시스템 1” AI 코드의 최대 40%를 거부하는 것을 확인했습니다.

6.2 현실적인 파이프라인: “고통의 고리”#

이상적인 데모에서는 에이전트가 코드를 작성하고 CI가 이를 병합합니다. 현실적으로 파이프라인은 ‘에이전트 플라일링’과 ‘인간 피로’의 전쟁터다.

2025년 워크플로(실제):

1. 프롬프트(인간): 수석 개발자가 Cline에게 기능을 설명합니다.
2. “첫 번째 초안”(에이전트): Cline이 기능을 작성합니다. 완벽해 보이네요.
3. “유령 종속성”(CI 실패): 에이전트가 존재하지 않는 라이브러리를 가져오거나 2024년에 더 이상 사용되지 않는 패키지 버전을 사용했기 때문에 빌드가 실패합니다.
4. “소각률” 루프(에이전트):

• 에이전트에 오류가 표시됩니다.
• 고치려고 노력합니다. 실패합니다.
• 다시 시도합니다. 실패합니다.
• 결과: 사람이 30초 안에 고칠 수 있는 루프에 대해 GPT-5에 API 크레딧으로 $12.00를 지출했습니다.

5. “검토 병목 현상”(인간): PR이 마침내 CI를 통과합니다. 45개의 파일이 변경되었습니다. 수석 개발자가 이를 엽니다.

• 문제: 코드를 읽는 것이 작성하는 것보다 어렵습니다. Dev는 그것을 스캔하고 미묘한 상태 관리 버그를 놓치고 피로에 승인합니다.

6. 프로덕션(현실): 기능은 작동하지만 “영구 메모리”에서는 코드베이스의 복잡성이 15% 증가했다고 기록합니다. 이제 기술 부채가 자동으로 생성됩니다.

6.3 숨겨진 비용: 건축적 엔트로피#

2025년의 위험은 ‘스카이넷’이 아니다. 규모별 스파게티 코드입니다.

• 불일치: 에이전트 A(Claude 사용)가 Functional React를 작성합니다. 에이전트 B(GPT-5 사용)는 OOP 스타일 클래스 구성 요소를 작성합니다. 코드베이스는 스타일의 정신분열증이 됩니다.
• 부풀림: AI 에이전트는 ‘리팩토링’보다 ‘코드 추가’를 선호합니다. 오래된 로직을 삭제하는 경우는 거의 없습니다. 그들은 그것을 포장합니다. 1년이 지나면서 이는 유지 관리가 불가능한 막대한 규모의 애플리케이션 팽창으로 이어집니다.