Claude Code를 활용해 반복적인 작업을 자동화하려면 실행 환경 구성과 자동화 설정(Task Scheduler 연동) 이 필요하다. 여기서는 Windows 환경과 OneDrive + Obsidian 기반 워크플로우를 예시로 정리했다.

1. 실행 환경 구성

1.1 Claude CLI 설치

Claude Code는 CLI(Command Line Interface)로 실행된다. 설치 후에는 전역 실행이 가능해야 하지만, Windows에서는 경로 문제로 claude 명령어가 바로 동작하지 않을 수 있습니다.

• 기본 실행 경로 예시:
• C:\Users\<사용자>\AppData\Roaming\npm\claude.cmd
• 이 경로를 환경 변수 PATH에 추가해야 claude 명령만으로 실행 가능하다.

👉 설치 후 반드시 claude -h로 동작 여부를 확인하자.

1.2 실행 폴더 지정

자동화 실행 시 기준 폴더를 정해두면 관리가 편하다. 예를 들어:

C:\Users\<사용자>\OneDrive\문서\Obsidian\Repository

이 폴더 안에서 자동화 스크립트나 결과 파일이 관리되도록 구성할 수 있습니다. 저 폴더를 기준으로 OneDrive를 통해 동기화를 수행하면서, PC 및 스마트폰에서도 Obsidian으로 접근해서 사용하고 있다.

2. 자동화 실행 예시

Claude CLI는 -p 옵션과 함께 실행할 수 있습니다. 예를 들어 특정 collector를 자동 실행하도록 설정하면:

claude -p --permission-mode bypassPermissions /economic-tracker
claude -p --permission-mode bypassPermissions /claude-collector
claude -p --permission-mode bypassPermissions /codex-collector

• --permission-mode bypassPermissions : 자동화 실행 시 권한 확인을 건너뜀
• /economic-tracker, /claude-collector 등 : 실행할 작업 단위(collector). custom command이다.

이렇게 여러 collector를 순차 실행하도록 배치파일(.bat)로 만들어 둘 수 있다. 물론 보라 cli command로 넣을 수 있다.

3. Task Scheduler 연동

Windows Task Scheduler를 이용하면 특정 시간/주기에 자동으로 Claude Code를 실행할 수 있다.

1. 작업 생성
   • 작업 스케줄러 실행 → 새 작업 만들기
   • 이름 예: Claude Automation
2. 트리거 설정
   • 매일/매주/부팅 시 등 원하는 조건으로 설정
3. 동작 설정
   • 프로그램/스크립트: C:\Users\<사용자>\AppData\Roaming\npm\claude.cmd
   • 인수 추가: -p --permission-mode bypassPermissions /economic-tracker
   • 시작 위치: C:\Users\<사용자>\OneDrive\문서\Obsidian\Repository
4. 테스트
   • 우클릭 → 실행
   • 로그를 확인해 collector들이 정상적으로 실행되는지 확인

4. 실행 환경 선택: 로컬 PC vs 클라우드

자동화를 위한 실행 환경은 크게 두 가지 방식이 있다:

👉 단순 개인용(Obsidian + OneDrive 동기화 중심 자동화) → N100 미니PC가 전기료 대비 매력적
👉 LLM API 트리거, 대규모 자동화가 필요 → Google Cloud Windows VM이 적합

5. 마무리

이 과정을 통해 얻을 수 있는 효과는:

• 반복 작업의 완전 자동화 (수동 실행 불필요)
• Obsidian + OneDrive를 통한 데이터 자동 동기화
• 로컬/클라우드 선택에 따른 비용·편의성 최적화

Cursor와 같은 도구는 IDE에 잘 연결되어 있어서 세세한 기능이 Claude Code 보다 좋다 느낄 때가 있다. 그 중 한가지는 시간이 오래 걸리는 작업을 하고 있을 때 완료되면 작업이 완료되었다고 알려주는 기능이다.

Claude Code의 새로운 hooks 기능이 개발자들 사이에서 화제가 되고 있는데, 이 기능을 사용하면 작업 세션이 완료될 때마다 자동으로 알림을 받을 수 있어, 다른 작업을 하면서도 Claude의 작업 진행 상황을 놓치지 않을 수 있다.

Claude Code Hooks란?

Claude Code hooks는 Claude의 작업 생명주기에서 특정 시점에 사용자 정의 스크립트를 실행할 수 있게 해주는 기능입니다. 다음과 같은 시점에서 작동합니다:

• UserPromptSubmit: 사용자가 프롬프트를 제출하기 직전
• PreToolUse: Claude가 도구를 사용하기 직전
• PostToolUse: Claude가 도구 사용을 완료한 직후
• Notification: 사용자에게 알림이 필요한 시점
• Stop: 세션이 완료된 시점

이 중에서 Stop 이벤트를 활용하면 작업 완료 시 자동으로 알림을 받을 수 있습니다.

Windows 데스크톱 알림 구현하기

1단계: PowerShell 알림 스크립트 생성

먼저 Windows 토스트 알림을 생성하는 PowerShell 스크립트를 만들어보자.

파일 위치: C:\Users\[사용자명]\bin\auto-notification.ps1

# Auto-disappearing notification
param(
    [string]$Title = "Claude Code",
    [string]$Message = "Task completed",
    [int]$Duration = 2
)

Add-Type -AssemblyName System.Windows.Forms

# Create a form that will auto-close
$form = New-Object System.Windows.Forms.Form
$form.Text = $Title
$form.Size = New-Object System.Drawing.Size(400, 150)
$form.StartPosition = "CenterScreen"
$form.FormBorderStyle = "FixedDialog"
$form.MaximizeBox = $false
$form.MinimizeBox = $false
$form.TopMost = $true
$form.BackColor = [System.Drawing.Color]::LightBlue

# Add label for message
$label = New-Object System.Windows.Forms.Label
$label.Text = $Message
$label.Size = New-Object System.Drawing.Size(380, 80)
$label.Location = New-Object System.Drawing.Point(10, 30)
$label.TextAlign = "MiddleCenter"
$label.Font = New-Object System.Drawing.Font("Arial", 10)
$form.Controls.Add($label)

# Timer to auto-close
$timer = New-Object System.Windows.Forms.Timer
$timer.Interval = $Duration * 1000
$timer.Add_Tick({
    $form.Close()
    $timer.Stop()
})

# Show form and start timer
$timer.Start()
$form.ShowDialog() | Out-Null

Write-Host "Notification displayed for $Duration seconds"

2단계: Claude Code 설정 파일 생성

Claude Code가 알림 스크립트를 실행하도록 설정한한다.

파일 위치: C:\Users\[사용자명]\.claude\settings.json

{
  "hooks": {
    "Stop": [
      {
        "matcher": "",
        "hooks": [
          {
            "type": "command",
            "command": "powershell -ExecutionPolicy Bypass -File \"C:\\Users\\[사용자명]\\bin\\auto-notification.ps1\" -Title \"✅ Claude 작업 완료\" -Message \"AI 코딩 세션이 완료되었습니다!\" -Sound \"Notification.SMS\""
          }
        ]
      }
    ]
  }
}

3단계: PowerShell 실행 정책 설정

보안을 위해 PowerShell 스크립트 실행 정책을 설정해야 한다. VS Code와 Claude Code를 연동하고 있다면 이 동작을 미리 했을 수 있다. 관리자 권한으로 PowerShell을 열고 다음 명령어를 실행하자:

Set-ExecutionPolicy -ExecutionPolicy RemoteSigned -Scope CurrentUser

4단계: 디렉토리 생성 및 파일 설정

필요한 디렉토리를 생성하고 파일을 배치한다:

mkdir C:\Users\[사용자명]\bin
mkdir C:\Users\[사용자명]\.claude

중요: [사용자명] 부분을 실제 Windows 사용자명으로 교체해야 한다.

실제 사용 경험

이 설정을 완료한 후 Claude Code를 사용하면:

1. 명령어 실행: claude 명령어로 AI 코딩 세션 시작
2. 작업 진행: Claude와 대화하며 코딩 작업 수행
3. 세션 종료: 작업 완료 후 자동으로 Windows 토스트 알림 표시
4. 멀티태스킹: 다른 앱을 사용하다가도 알림으로 작업 완료를 즉시 확인 가능

사용 사례 및 활용 팁

프로젝트별 맞춤 알림

특정 프로젝트에서만 작동하는 알림을 설정하려면 프로젝트 폴더에 .claude/settings.local.json 파일을 생성하자:

{
  "hooks": {
    "Stop": [
      {
        "matcher": "",
        "hooks": [
          {
            "type": "command",
            "command": "powershell -ExecutionPolicy Bypass -File \"C:\\Users\\[사용자명]\\bin\\auto-notification.ps1\" -Title \"🚀 [프로젝트명] 완료\" -Message \"프로젝트 작업이 완료되었습니다!\" -Sound \"Notification.Default\""
          }
        ]
      }
    ]
  }
}

확장 가능성

이 기본 설정을 바탕으로 다음과 같은 고급 기능들도 구현할 수 있다:

• 이메일 알림: 중요한 작업 완료 시 이메일 발송
• 슬랙 메시지: 팀 채널에 작업 완료 알림
• 파일 백업: 작업 완료 시 자동으로 파일 백업
• 로그 기록: 모든 세션 기록을 자동으로 저장
• Git 연동: 작업 완료 시 자동 커밋

문제 해결

토스트 알림이 표시되지 않는 경우

1. Windows 알림 설정 확인: 설정 > 시스템 > 알림에서 알림이 활성화되어 있는지 확인
2. 포커스 어시스트 설정: 집중 지원 모드에서도 알림이 표시되도록 설정
3. 권한 문제: 스크립트 실행 권한이 올바르게 설정되었는지 확인

PowerShell 실행 오류

실행 정책 오류가 발생하면 다음 명령어로 해결할 수 있습니다:

Unblock-File "C:\Users\[사용자명]\bin\claude-notification.ps1"

결론

Claude Code hooks를 활용하면 개발 혹은 업무 자동화에 용이하다. 단순한 알림부터 시작해서 복잡한 워크플로우 자동화까지 확장할 수 있다. 특히 긴 분석 작업이나 복잡한 코드 생성 작업을 수행할 때, 다른 업무를 처리하면서도 Claude의 작업 완료를 놓치지 않을 수 있다.

소개

Claude Code의 기본 기능들을 학습한 후, 개인 지식 관리 툴인 Obsidian에 적용해 보았습니다.
Obsidian은 평소에도 PARA 구조로 정리하면서 사용하고 있었지만, 점점 구조가 엉키면서 자동화의 필요성을 느끼고 있던 참이었어요. Claude와의 연동을 통해, 반복 작업을 줄이고 더욱 정돈된 시스템을 만드는 것이 목표였습니다.

진행 방법

🔧 Vault 구조 정리

• 기존에는 MOC(Map of Contents) 개념을 활용하긴 했지만, 별도 폴더로 분리하지 않았습니다.
• Claude Code를 통해 MOC를 구조적으로 분리한 뒤, PARA 기반의 폴더 구성을 명확하게 만들었습니다.

🤖 Subagent 기능 활용

• Claude에게 병렬 작업을 시키는 Subagent 기능이 인상 깊었어요.
• 다음과 같은 프롬프트로 테스트:

I want you to spin up three sub-agents for a new research task.
We are going to create a new note that is called "AI model pricing".
I want you to look up the pricing of OpenAI models, Cloud Code models, and Google models.
And I want you to put those in a table inside of that note.
And I want to price everything per million tokens.

• 마치 3명의 조수를 동시에 불러 정리시키는 듯한 느낌이 들었습니다 😄

📥 YouTube Transcript 정리 Command

• 학습 자료로 YouTube 영상을 주로 활용하고 있었기에, 해당 영상의 자막을 받아 정리하는 커맨드를 만들어봤습니다.
• Claude Code에서 커맨드를 아래와 같이 만들고, 자동으로 .md 파일로 정리되도록 설정:

.claude/commands/youtube-transcript.js

• 결과적으로 학습한 내용을 Obsidian에서 관리하기 훨씬 쉬워졌습니다.

결과와 배운 점

• 자동화 가능성: Claude Code를 통해 Obsidian 관리의 많은 부분이 자동화 가능하다는 걸 확인했어요.
• Subagent의 유용함: 복잡한 리서치 작업에 특히 유용했습니다. 단일 에이전트보다 효율적인 정보 수집이 가능해졌어요.
• Vault 구조화의 필요성 재확인: MOC를 명확히 분리하고 태그 규칙을 설정하니 문서 흐름이 눈에 띄게 개선되었습니다.
• 다음 목표: 파일 내용 요약이나 리마인드 기능까지 Claude와 연결해보는 것이 다음 단계입니다.

도움 받은 글

- YouTube 예제 영상: https://www.youtube.com/watch?v=d7Pb73dbcIM

- gpters 글 링크: https://www.gpters.org/llm-service/post/claude-code-obsidian-private-7Q0tBGQ5kg3hCs2

최근 gpters에서 진행한 Claude Code Study에 참여했다. ChatGPT, Cursor, Lovable 등을 경험해봤지만, 이번 스터디는 조금 달랐다. 단순히 "코드를 잘 짜는 AI"를 배우는 게 아니라, 내 개발 루틴과 지식 관리에 Claude Code를 녹여내는 방법을 탐구했기 때문이다.

4일간의 학습 여정

이 링크에 소개된 것 같이 8/10~8/31 4주, 4일 간의 과정이었다.

1일차: 기본기 다지기

첫날은 Claude Code의 기본 개념을 파악하는 시간이었다. 단순한 명령어부터 시작해서 나만의 자동화 도구를 만드는 첫걸음을 떼었다.

• 파일 생성과 이동
• Custom Command 만들기
• Agent 활용법 익히기

2일차: Obsidian 연동으로 지식 관리 혁신

둘 째날 부터 참여자들이 스스로 진행한 것들을 공유하는 날이었다. 나는 Obsidian을 활용하는 것이 나에게 가장 효과적일 것 같았다. Obsidian과 연결하여 YouTube 영상을 자동으로 요약하고, 내 지식 체계에 맞게 정리하는 과정을 체험했다. 정보 수집부터 정리까지 하나의 플로우로 연결되는 경험이 새로웠다.

• YouTube 요약 자동화 구축: Custom Command 도입
• MOC(Map of Content) 구조 도입: 기존 Anchor 개념으로 사용했는데, 폴더를 따로 두고 채용하였다.
• Obsidian과 Claude Code 연동

3일차: MCP 서버로 데이터 수집 자동화

MCP 서버를 통해 실시간 투자 지표를 수집하고 분석하는 과정을 경험했다. Custom Command와는 다른 차원의 자동화 가능성을 확인할 수 있었다.

• MCP를 활용한 투자 지표 정리: investing.com 지표 스크래핑, Custom Command와 MCP 서버 비교 체험

4일차: 복잡한 Vibe Coding 실전

가장 고도화된 활용법이었다. 단순한 코드 생성이 아니라, 기획 문서부터 기술 명세, 실제 구현까지 일관된 맥락을 유지하며 진행하는 방법을 배웠다.

• Vibe Coding으로 복잡한 프로젝트 관리" PRD(Product Requirements Document) → TRD(Technical Requirements Document) → TASK 플로우, - 문서를 유지하면서 개발하는 방법론

핵심 깨달음: Claude Code는 Agent 기반 자동화 도구다

느낀 점은 명확하다. Claude Code는 단순한 코딩 도우미가 아니라, agent 기반의 자동화 도구라는 것이다. ChatGPT를 포함한 다른 LLM이 agent 모드를 도입하고 있지만, Claude Code는 Obsidian, Github, n8n 같은 툴과 연결되며 컴퓨터를 이용한 작업 자체를 바꾸는 모습을 보여준다.

앞으로의 계획

이제 나만의 루틴에 맞춰 Claude Code를 더 깊게 적용해볼 생각이다:

1. 지속적 활용: Obsidian의 데이터 정리와 글쓰기, Vibe Coding 에 활용.
2. Hook 기반 자동화: 일상 개발 루틴 자동화 시도.

마치며

Claude Code는 단순히 "코드를 잘 짜주는 AI"가 아니었다. 내 작업 환경과 깊이 통합되어 사고의 확장을 도와주는 디지털 파트너에 가까웠다. 앞으로 Context7, CLAUDE.md 시스템 정리, Hook 자동화까지 더 깊이 파고들 계획이다. Claude Code가 단순한 도구를 넘어 새로운 작업 방식 자체가 될 수 있을 것 같다.

Claude Code의 확장 메커니즘들을 비교 분석해봅시다.

Agents, Custom Command(Workflow라고 부르는 분도 있습니다.) 그리고 이것들을 묶어 주는 Plugin이 있습니다. 이 때, Skill도 추가되었는데요. Plugin과 따로 쓸 수도 있다고 합니다.

1. Agents (Sub-agents)

개념

특정 전문 분야에 특화된 AI 페르소나로, Claude Code가 작업을 위임할 수 있는 전문가들입니다.

구조

---
name: bug-analyst
description: Issue triage and classification expert
tools: []
---

# Agent Definition
You are a specialized bug analyst expert...

특징

• 위치: ~/.claude/agents/ 또는 프로젝트 내 .claude/agents/
• 자동 감지: Claude Code가 자동으로 로드
• 동적 호출:
  • 자동: Claude가 컨텍스트 분석 후 적절한 agent 선택
  • 수동: "Use the bug-analyst agent to..."
• 병렬 실행: 여러 agent를 동시에 실행 가능
• 토큰 사용: 각 agent가 독립적인 컨텍스트를 가지므로 토큰 사용량 증가

사용 예시

# 자동 선택
"Analyze this bug and suggest a fix"
→ Claude가 bug-analyst 선택

# 명시적 호출
"Have the backend-architect review this API design"

장점

• ✅ 전문성 분리 (separation of concerns)
• ✅ 컨텍스트 격리로 명확한 역할 구분
• ✅ 재사용성 높음
• ✅ 팀 간 공유 가능

단점

• ❌ 높은 토큰 소비
• ❌ 각 agent마다 컨텍스트 로딩 필요
• ❌ Agent 간 통신 오버헤드

2. Custom Commands (Workflows)

개념

미리 정의된 작업 시퀀스를 슬래시 명령어로 실행하는 워크플로우 자동화 도구입니다.

구조

---
name: bug-fix-workflow
description: Systematic bug investigation and resolution
---

# Bug Fix Workflow

When this command is invoked with /bug-fix-workflow [description]:

1. **Bug Analysis Phase**
   - Use QA Test Engineer to reproduce the bug
   - Document the reproduction steps

2. **Implementation Phase**
   - Use Implementation Engineer to fix the bug

3. **Validation Phase**
   - Use QA Test Engineer to validate the fix

특징

• 위치: ~/.claude/commands/ 또는 .claude/commands/
• 호출 방식: /command-name [arguments]
• 순차 실행: 정해진 순서대로 agent들을 오케스트레이션
• 워크플로우 정의: 복잡한 다단계 프로세스 자동화
• 품질 게이트: 각 단계별 검증 포인트 설정 가능

사용 예시

/bug-fix-workflow "User login fails with 500 error"

/feature-workflow "Create user authentication with JWT"

/code-review-workflow src/components/

장점

• ✅ 복잡한 워크플로우 자동화
• ✅ 일관된 프로세스 보장
• ✅ 여러 agent를 조율하는 오케스트레이션
• ✅ 재현 가능한 작업 흐름

단점

• ❌ 유연성 부족 (미리 정의된 순서)
• ❌ 수정하려면 파일 편집 필요
• ❌ 조건부 분기 구현이 복잡

3. Claude Code Plugins (최신 추가)

개념

모듈식 패키지 시스템으로, agents + commands + skills를 하나의 논리적 단위로 묶어 관리합니다.

구조

plugin-name/
├── agents/           # 관련 agents
│   ├── agent1.md
│   └── agent2.md
├── commands/         # 관련 commands
│   └── workflow.md
├── skills/           # 지식 패키지
│   ├── skill1.md
│   └── skill2.md
└── plugin.json       # 메타데이터

특징

• 위치: ~/.claude/plugins/ 또는 프로젝트 내
• 설치 방식:
• /plugin install python-development/plugin install kubernetes-operations
• 점진적 로딩: 필요할 때만 활성화 (progressive disclosure)
• 스킬 시스템: 자동 활성화되는 전문 지식 패키지
• 의존성 관리: 플러그인 간 의존성 정의 가능
• 마켓플레이스: 중앙화된 플러그인 저장소

Skills의 개념

---
name: kubernetes-deployment
type: skill
activates_on: ["kubernetes", "k8s", "deployment"]
---

# Kubernetes Deployment Skill
This skill provides specialized knowledge about...

• 특정 키워드나 컨텍스트에서 자동 활성화
• Agent에게 전문 지식을 "주입"
• 토큰 효율적 (필요할 때만 로드)

사용 예시

# 플러그인 설치
/plugin install python-development

# 자동 활성화
"Create a FastAPI microservice"
→ python-development 플러그인의 agents, skills 활성화
→ 관련 commands 사용 가능

# 플러그인 전용 명령어
/python-development:python-scaffold fastapi-microservice

장점

• ✅ 모듈화: 관련 기능을 논리적으로 그룹화
• ✅ 토큰 효율성: 필요한 것만 로드 (최소 토큰 사용)
• ✅ 버전 관리: 플러그인 단위로 업데이트
• ✅ 의존성 해결: 자동으로 필요한 플러그인 설치
• ✅ 컴포저빌리티: 여러 플러그인 조합 가능
• ✅ 배포 용이성: 팀 전체에 표준화된 도구 배포

단점

• ❌ 최신 기능 (일부 도구만 지원)
• ❌ 설정 복잡도 증가
• ❌ 플러그인 간 충돌 가능성

비교표

실제 사용 시나리오

Scenario 1: 단순 전문가 자문

"Review this code for security issues"

최적: Agent (security-auditor)

• 단일 전문가의 의견만 필요
• 빠르고 직접적

Scenario 2: 복잡한 다단계 프로세스

/feature-workflow "User authentication system"

최적: Command (workflow)

• 여러 단계를 거쳐야 함
• 품질 게이트 필요
• 일관된 프로세스 보장

Scenario 3: 특정 기술 스택 작업

/plugin install python-development
"Create a FastAPI app with SQLAlchemy"

최적: Plugin

• 관련된 모든 도구 한번에 활성화
• 자동으로 적절한 skills 로드
• 토큰 효율적

아키텍처 관점

Layer 구조

┌─────────────────────────────────────┐
│         Plugins (최상위)             │
│  - python-development                │
│  - kubernetes-operations             │
└────────────┬────────────────────────┘
             │ contains
    ┌────────┴─────────┐
    │                  │
┌───▼──────────┐  ┌───▼──────────┐
│   Agents     │  │  Commands    │
│  (전문가)     │  │ (워크플로우)  │
└──────────────┘  └──────────────┘
         │              │
         └──────┬───────┘
                │ uses
         ┌──────▼──────┐
         │   Skills    │
         │ (지식 패키지) │
         └─────────────┘

권장 사항

언제 Agent를 사용할까?

• ✅ 단일 전문가의 의견이 필요할 때
• ✅ 유연한 대화형 상호작용이 필요할 때
• ✅ 빠른 프로토타이핑

언제 Command를 사용할까?

• ✅ 반복적인 다단계 프로세스
• ✅ 팀 전체가 따라야 하는 표준 워크플로우
• ✅ 품질 게이트가 필요한 프로세스

언제 Plugin을 사용할까?

• ✅ 관련 기능을 패키지로 배포
• ✅ 토큰 효율성이 중요할 때
• ✅ 버전 관리와 의존성 해결이 필요할 때
• ✅ 대규모 팀에서 표준화된 도구 배포

진화 경로

2024 초반: Agents만 존재
    ↓
2024 중반: Commands 추가 (워크플로우 오케스트레이션)
    ↓
2024 후반/2025: Plugins 도입 (모듈화 + 토큰 효율성)

Plugins는 Agents와 Commands의 장점을 결합하면서 토큰 효율성과 배포 편의성을 크게 개선한 최신 접근 방식입니다.

첨부하신 bug-analyst.md는 Agent 형식이므로, Plugin 시스템으로 마이그레이션하면 다음과 같은 구조가 될 것입니다:

bug-analysis-plugin/
├── agents/
│   ├── bug-analyst.md
│   ├── error-detective.md
│   ├── code-diagnostician.md
│   └── fix-architect.md
├── commands/
│   └── bug-fix-workflow.md
├── skills/
│   ├── python-debugging.md
│   └── react-debugging.md
└── plugin.json

이렇게 구조화하면 /plugin install bug-analysis로 한번에 모든 버그 분석 도구를 활성화할 수 있습니다! 아참, Plugin은 Maketplace로 만들어야 됩니다. 다른 plugin 참고하세요.

Claude Code에서 Plugin을 발표했는데, Agent + Workflow(Custome Command)에 Skill (RAG의 Knowledge를 추가하는 것으로 이해하고 있다.)을 지원하는 것이다. 여기서는 동일한 PRD를 기지고 유사한 기능을 수행해보았다. workflow는 [1]의 "/feature-workflow"를 사용하였고, 이를 plugin으로 구현한 [2]의 "/product-design-toolkit:feature-workflow"를 사용하였다.

테스트 케이스

프로젝트: Task Management Dashboard
규모: 40시간 (2주)
복잡도: 중간 (표준 CRUD 애플리케이션)
팀 크기: 1명

핵심 결과

토큰 사용량 비교 (40시간 프로젝트)

핵심 발견

1. Plugin은 Manual 대비 6.9배 토큰 사용
2. 토큰 낭비의 62%는 중복 컨텍스트 로딩
   • Plugin: PRD 60회 로드 (900K tokens)
   • Manual: PRD 1회 로드 (15K tokens)
3. Break-even point: 150-200시간 프로젝트

프로젝트 규모별 권장

Plugin은 어디에 써야 할까? : Plugin이 강점을 보이는 시나리오

1. 엔터프라이즈 프로젝트 (1000시간+)

팀: 12명+
규모: 50+ 마이크로서비스
복잡도: 매우 높음

Manual: 3,500K tokens (컨텍스트 관리 불가)
Plugin: 2,700K tokens (23% 절감) ✅

가치:
- 팀 간 일관된 패턴 강제
- 자동화된 품질 게이트
- 컨텍스트 서비스별 분산

2. 반복 작업 자동화 (API 100개 생성)

Manual: 302K tokens
Plugin: 65K tokens (78% 절감) ✅

이유:
- 템플릿 기반 자동 생성
- 초기 설정 후 재사용
- 일관된 코드 품질

3. 레거시 마이그레이션 (100,000 LoC)

Manual: 불가능 (컨텍스트 한계 초과)
Plugin: 가능 ✅

가치:
- Code Explorer: 구조 분석
- Impact Analyzer: 변경 영향도 자동 평가
- Migration Planner: 단계별 계획
- 컨텍스트 분산으로 대규모 처리

Break-even Point

Hybrid 구조:

Planning (Plugin): 50K
Implementation (Manual): 80K  
Critical Review (Plugin): 30K
Final QA (Plugin): 20K
──────────────────────────
총 180K tokens (예산 90% 사용)

핵심 결론

1. Anthropic 주장에 따르면...
   • 전제: 대규모/복잡한 프로젝트
   • 우리 실험: 중소규모 프로젝트
   • → 결론이 다를 수밖에 없음
2. 규모가 모든 것을 결정
   • 작은 프로젝트: Manual 압도적 효율
   • 큰 프로젝트: Plugin 필수 도구
3. 대부분의 실무는 Hybrid가 최적
   • Planning 구조화 (Plugin)
   • Implementation 속도 (Manual)
   • QA 품질 보증 (Plugin)

참고 문서

[1] claude-coade-agents-workflow: https://github.com/omersaraf/claude-code-agents-workflow

[2] claude-dev-agent-toolkit: https://github.com/blcktgr73/claude-dev-agent-toolkit

Claude를 이용해서 AI Coding 도구를 상세 비교해봤어요. 2025년 9월 말 기준 Claude에서도 Open AI Codex가 가장 좋다고 하네요.

AI 코딩 도구 상세 비교

기본 정보 비교

접근 방식 및 플랫폼

핵심 기능 비교

성능 벤치마크

*추정치 (공식 벤치마크 미공개)

가격 정책

지원 언어 및 프레임워크

장단점 요약

GPT-5-Codex

장점: 최고 성능, 동적 작업 시간, 강력한 코드 리뷰 단점: 상대적으로 높은 비용, API 제한

Claude Code

장점: 터미널 특화, 자연어 처리 우수, 단계별 설명 단점: CLI만 지원, IDE 통합 없음

GitHub Copilot

장점: 광범위한 IDE 지원, Git 통합, 큰 커뮤니티 단점: 실시간 완성 위주, 복잡한 프로젝트 구축 제한

Gemini CLI

장점: Google 생태계 통합, 최신 AI 기술 단점: 상대적으로 새로움, 제한적인 문서

Cursor

장점: 올인원 에디터, 실시간 협업, 직관적 UI 단점: 새로운 에디터 학습 필요, 플랫폼 의존성

Windsurf

장점: 통합 개발 환경, 웹 개발 특화 단점: 상대적으로 새로움, 제한적인 언어 지원

선택 가이드

• 최고 성능 원할 때: GPT-5-Codex
• 터미널 작업 중심: Claude Code
• 기존 IDE 계속 사용: GitHub Copilot
• Google 생태계 사용자: Gemini CLI
• 올인원 솔루션: Cursor
• 웹 개발 중심: Windsurf
• 예산 고려: Codeium (무료)

2025년 9월 20일 신사동에서 Claude Code Meetup이 있었고, 많은 사람들이 지원했음에도 운좋게 선정되어 다녀왔다. 짧게 요약 가능한 내용들을 정리해 본다.

Claude Code Meetup 발표

① 최흥민 — 오프닝 & 커뮤니티 맥락

• 한국 내 Claude 사용자 점유율 소개 (세계 3위, 3.7%).
• 바이브 코딩 → 에이전트 코딩 → AI 협업 코딩 흐름 강조.

② Dickson Tsai (Anthropic, Claude Code 팀) — Agents/Subagents, Hooks, Agentic RAG

• Agents 정의: LLM + Tool Call + Environment.
• Subagents: 병렬 작업 분산.
• Hooks: Claude Code 실행 지점에 동작 삽입 (lint/test/build 등).
• Slash Commands: Git workflow 자동화.
• Agentic RAG: 단순 검색을 넘은 실행 기반 Retrieval.

③ Daniel Avila (Claude Code Template 개발자) — 템플릿/도구 시연 및 Q&A

• 주요 질의응답
  • MCP 동적 로드/해제: 초기 단계라 미지원, 향후 확장 예정.
  • 특정 도메인 지식 부족 → 특화 모델 발전 방향 논의.
  • VS Code 플러그인(Carrot)과 Claude API 연동 가능 여부 → SDK 활용 권장.
  • 모바일 UI 기능 요청: 현재 미지원, hook 기반 확장 가능성.
  • LM OS(LLM 운영체제) 비전에 대한 질의 → 장기적 비전 속에 포함되어 있음을 언급.

④ 박진영 (사이오리아 엔지니어, ‘부타탱크’) — 컨텍스트·워크플로우·오케스트레이션·MCP/리뷰 루프

• Claude Code Context: Prompt · CLAUDE.md · Project Files · System Prompt · API/Tools.
• Workflow(YAML): multi-agent 워크플로우 자동화.
• Core Philosophy: 여러 모델 오케스트레이션으로 최적 결과 달성.
  • Tech Spec 작성 → PLAN.md 작성 → Compiler-in-the-loop.
• 실천 지침:
  • CLAUDE.md → PLAN.md 지침 기반 task 실행, TECHSPEC.md 참조.
  • CLI Agent로 코드 수정 + TODO.md 자동 업데이트.
  • Python 루프: Pyright · Ruff 활용.
• Agent in the Loop:
  • Serena MCP (심볼 단위 코드 수정).
  • Zen MCP (멀티모델 코드 리뷰 → 자동 리뷰 트리거).

현재 Claude Code를 main으로 사용하고 있고, Codex도 이야기를 들어서 ChatGPT와 Claude에서 비교해 보았다.

ChatGPT 정리 비교표

Claude Desktop 비교

OpenAI Codex vs Claude Code 종합 비교표

🔍 핵심 아키텍처

🌐 인터넷 접근 & 외부 연동

🤖 AI 에이전트 기능

👥 협업 및 통합

🔧 개발자 경험

🛡️ 보안 및 프라이버시

💰 비용 및 접근성

🔌 확장성 및 커스터마이징

🎯 최적 사용 시나리오 (Claude Desktop)

OpenAI Codex가 우수한 경우:

• 🏢 대규모 팀 협업: 병렬 작업 처리와 자동 PR 관리
• ⏰ 장시간 작업: 30분 이상의 복잡한 리팩토링
• 📱 멀티디바이스: 모바일에서 작업 시작, 데스크톱에서 확인
• 🔄 자동화된 워크플로우: CI/CD 완전 통합
• 🏭 엔터프라이즈: 보안이 중요한 대기업 환경

Claude Code가 우수한 경우:

• ⚡ 즉시 응답: 빠른 코드 수정과 설명
• 🔒 로컬 제어: 코드가 외부로 나가면 안 되는 환경
• 👤 개인 개발: 1인 개발자의 일상적 코딩
• 🖥️ 터미널 중심: Vim/Emacs 사용자
• 🎛️ 고도 커스터마이징: 서브에이전트와 워크플로우 자동화

최적 사용 시나리오(ChatGPT)

나의 총평

아직, Codex ai는 아직 써보지 못했고, Claude Code를 열심히 쓰고 있는 입장에서 Codex는 지켜볼 도구 중 하나가 되었다.

Agentic CLI를 쓰면서, 점차 AI가 Computing System의 기반, 소위 Operating System으로 발전해 가겠구나 하는 생각이 들었다.

또 하나, 궁금한 것은 Digital Native 처럼 AI native들은 어떤 모습을 보여줄까? 기다려 지는 일이다.