웹사이트 프로젝트를 위한 AI 에이전트 활용 TDD 개발 흐름

AI 에이전트를 활용한 개발 워크플로우

한 개발자가 테스트 주도 개발 방법론을 적용한 AI 코딩 에이전트를 이용한 웹사이트 개발 접근법을 설명합니다. 그들은 업무 프로젝트에는 Claude Code를, 개인 프로젝트에는 특히 Qwen3.5-27B 위에서 실행되는 Qwen Code를 llama.cpp와 2xRTX 3090 GPU로 로컬 모델을 사용합니다.

초기 프로젝트 설정

프로젝트 시작 시, 기본 모듈을 구현합니다:

• 기본 DB 스키마
• 기본 인증 API
• UI 라우팅
• UI 기본 레이아웃
• 기본 API (관리자 및 사용자)
• 기본 API/E2E 테스트 (수동 또는 AI 작성)
• 코딩 에이전트를 위한 컨텍스트 파일 (AGENTS.md, CLAUDE.md)

반복적 개발 프로세스

설정 후, 반복적 프로세스가 시작됩니다:

1. 기능에 대한 API/E2E 테스트의 상세 사양을 마크다운으로 작성
2. 마크다운 테스트 설명에서 API/E2E 테스트 생성
3. 테스트 실행 기능이 있는 코딩 에이전트 세션 시작
4. 테스트가 통과할 때까지 에이전트에게 기능 구현 요청

모델 성능과 절충점

개발자는 Claude와 같은 더 강력한 모델은 간단한 웹사이트의 경우 마크다운 파일을 완전히 건너뛸 수 있지만, Qwen3.5-27B는 다른 기준을 가진다고 언급합니다. 덜 강력한 모델은 특정 파일을 건드리지 말거나 특정 래퍼만 사용하도록 지시하는 등 실패 모드를 완화하기 위해 더 구체적인 지침이 필요합니다.

그들은 코드가 테스트로 커버되고 작동한다면 개발자들이 코드 패턴과 품질에 집착해서는 안 된다고 가정하며, AI 에이전트를 AI 구독 비용으로 10-100명의 주니어/미들급 개발자를 관리하는 것에 비유합니다.

로컬 모델 상세

2xRTX3090에서 실행되는 로컬 모델의 경우, 그들은 parallel = 1 및 전체 컨텍스트를 사용하는 Qwen3.5-27B-GGUF-Q8_0를 사용하며, 이는 에이전트 세션이 일찍 자동 압축되지 않도록 하는 데 중요하다고 믿습니다. 그들은 덜 똑똑한 모델은 E2E 테스트와 원하는 구현을 더 명확하게 표현하도록 강제하는 반면, Claude는 설계 선택을 자동으로 채우지만 통제력을 잃을 수 있다고 언급합니다.

코딩 TDD 루프 구현

개발자는 자신의 코딩 TDD 루프 초안을 제공합니다:

외부 루프 시작: `pytest tests/ -x` 명령어를 사용하여 모든 pytest 테스트 실행, 실패가 없으면 종료; 기본 로그 레벨은 경고이므로 출력이 많지 않음
모든 테스트 통과 시; 외부 루프 종료; 실패한 경우, 실패한 테스트 이름 추출
`pytest tests/../test_first_failing_test.py --log-level DEBUG`와 같이 전체 로그로 실패한 테스트 이름 실행 및 테스트 출력을 파일에 수집
`egrep -i -C 10 '(error|fail)' <fail`로 'error'/'fail' 문자열 근처의 라인 추출

이 접근법은 코드베이스 통제를 유지하기 위한 필요한 감독과 자동화의 균형을 맞추며, AI 에이전트를 활용한 TDD의 실용적인 구현을 나타냅니다.