📝 AI 코딩 패러다임: Claude Code vs Antigravity
최근 AI 코딩 도구는 단순한 코드 완성을 넘어, 스스로 문제를 정의하고 해결하는 에이전트(Agent) 시대로 진입했습니다. 이 흐름의 중심에 있는 두 가지 핵심 기법과 시스템 구성요소를 정리합니다.
1. 기법 비교: Context Engineering vs Agentic Coding
| 구분 | Context Engineering (컨텍스트 엔지니어링) | Agentic Coding (에이전틱 코딩) |
|---|---|---|
| 핵심 철학 | ”정확한 정보 주입” (Data-Centric) | “자율적 실행” (Action-Centric) |
| 주요 목표 | AI가 코드를 짤 때 필요한 배경지식을 최적화 | AI가 스스로 계획을 세우고 도구를 사용해 완결 |
| 강점 도구 | Claude Code (CLI 기반의 정밀한 편집) | Antigravity (IDE 내장형 자율 에이전트) |
| 작동 방식 | 관련 파일, 문서, 규칙을 선별하여 AI에 제공 | AI가 브라우저, 터미널 등을 직접 조작 |
| 개발자 역할 | 정보의 큐레이터 (무엇을 읽힐지 결정) | 목표 설정 및 승인자 (무엇을 할지 결정) |
💡 주요 차이점 상세
-
Context Engineering: AI의 ‘기억력(Context Window)’ 내에 가장 영양가 있는 정보만 채워 넣는 기술입니다. 불필요한 코드를 배제하여 토큰 비용을 줄이고 환각(Hallucination)을 최소화합니다.
-
Agentic Coding: AI를 하나의 ‘가상 개발자’로 취급합니다. 단순히 코드를 제안하는 게 아니라, 직접 테스트를 돌려보고 에러가 나면 스스로 수정하는 **피드백 루프(Loop)**를 핵심으로 합니다.
2. AI 코딩 시스템의 핵심 구성요소
AI 코딩 에코시스템을 구성하는 8가지 필수 요소입니다.
🤖 주체와 실행 (Agents & SubAgents)
-
Agents (에이전트): 전체 프로젝트의 목표를 이해하고 실행하는 메인 지능체입니다.
-
SubAgents (서브 에이전트): 복잡한 작업을 쪼개어 병렬로 처리하기 위해 메인 에이전트가 생성하는 하위 실행 단위입니다. (예: UI 구현 에이전트와 API 구현 에이전트의 분리)
🛠️ 능력과 도구 (Skills, Commands, MCP)
-
Skills (스킬): 에이전트가 수행할 수 있는 특정 기능 모음입니다. (예: 단위 테스트 작성 스킬, 리팩토링 스킬)
-
Command (명령어): 개발자가 AI에게 내리는 직접적인 지시어입니다. 보통
/ask,/fix,/submit등 슬래시 명령어로 정형화되어 사용됩니다. -
MCP (Model Context Protocol): AI 모델이 로컬 파일, 외부 DB, Slack 등 다양한 데이터 소스에 표준화된 방식으로 접근할 수 있게 해주는 연결 통로입니다.
📏 제약과 범위 (Rules, Context Window, Hook)
-
Rules (규칙): 프로젝트의 코딩 컨벤션이나 금지 사항을 명시한 가이드라인입니다. (예:
.cursorrules,CLAUDE.md) -
Context Window Size (컨텍스트 윈도우 크기): AI가 한 번에 처리할 수 있는 정보의 양입니다. 기술이 발전할수록 이 크기가 커져 전체 레포지토리를 이해하는 능력이 향상됩니다.
-
Hook (훅): 특정 이벤트(예: 파일 저장, Git 커밋) 발생 시 AI가 자동으로 특정 작업(예: 코드 리뷰, 문서 업데이트)을 수행하도록 만드는 트리거입니다.
3. 요약 및 전망
Claude Code는 개발자의 터미널 워크플로우에 깊숙이 침투하여 Context Engineering을 통해 빠르고 정확한 수정을 지원하는 반면, Antigravity는 IDE 수준에서 Agentic Coding을 구현하여 개발자가 “무엇을 만들지”만 고민하면 나머지는 AI가 알아서 처리하는 미래를 지향합니다.
Tip: 성능을 극대화하려면
.rules파일을 통해 명확한 규칙을 제공하고, MCP를 활용해 AI에게 최신 프로젝트 문서를 실시간으로 연결해 주는 것이 가장 중요합니다.