[Tech] 2026-03-12 기술 동향: LLM
🕑 Quick Glance
| 분류 | 주요 내용 | 중요도 |
|---|---|---|
| New | 앤트로픽 Claude 마켓플레이스 공개 — GPT 스토어·Gemini 확장과 경쟁 | ⭐⭐⭐ |
| Tip | Claude Code Agent Teams로 반나절 만에 모니터링 시스템 구축 | ⭐⭐⭐ |
| Trend | LLM 기반 AI 코딩 에이전트의 실무 활용 확대 | ⭐⭐ |
💡 Deep Dive
1. Claude Code Agent Teams로 내부 도구 빠르게 만들기
핵심: 무신사 O4O 팀이 설 연휴 온콜 중 발생한 데이터 정합성 이슈를 해결하기 위해 Claude Code의 Agent Teams 기능을 활용해 반나절 만에 실시간 모니터링 시스템을 구축했습니다. 리드 에이전트가 전체 아키텍처를 설계하고 BE/FE 워커 에이전트가 병렬로 작업을 진행하는 방식으로 개발 속도를 극대화했습니다.
공통 의견: 스프린트에 잡혀 있지 않은 긴급 운영 이슈는 기존 프로젝트 프로세스로는 해결이 어렵습니다. AI 코딩 에이전트는 이런 상황에서 개발자가 직접 빠르게 프로토타입을 만들 수 있는 도구로 작동합니다. 특히 내부 진단 도구처럼 사용자가 제한적인 경우 더욱 효과적입니다.
실무 적용:
- 리드 에이전트에게 전체 아키텍처와 API 계약을 먼저 정의하도록 지시하고, 그 후 BE/FE 워커를 병렬로 실행하는 구조 활용
- 반복되는 온콜 이슈를 추적하면서 자동화 기회를 발굴하고, 정식 프로젝트 전에 AI 에이전트로 MVP 수준의 솔루션 검증
- 기존 코드베이스의 패턴(관리자 앱 구조 등)을 프롬프트에 명시해 일관성 있는 코드 생성 유도
2. Claude 마켓플레이스의 등장과 LLM 생태계 경쟁 심화
핵심: 앤트로픽이 Claude 마켓플레이스를 공개하면서 OpenAI의 GPT 스토어, Google의 Gemini 확장과 직접 경쟁하는 구도가 형성되었습니다. 앤트로픽은 안전성과 윤리 기준을 강조하는 포지셔닝으로 차별화를 시도하고 있습니다.
공통 의견: LLM 제공사들이 단순 모델 경쟁에서 에코시스템 경쟁으로 전환하고 있습니다. 마켓플레이스는 개발자와 사용자를 플랫폼에 묶어두는 전략이며, 각사의 모델 철학(안전성, 성능, 비용)이 그대로 반영됩니다.
실무 적용:
- 프로젝트에 사용할 LLM을 선택할 때 단순 성능뿐 아니라 마켓플레이스 생태계와 장기 지원 계획 검토
- Claude의 안전성 강조 포지셔닝은 금융·의료·규제 산업에서 유리할 수 있으므로 도메인별로 평가
- 마켓플레이스 기반 커스텀 에이전트 구축 시 플랫폼 종속성 고려
3. AI 코딩 에이전트의 실무 한계와 효과적인 활용 조건
핵심: Claude Code Agent Teams의 성공 사례는 명확한 요구사항, 기존 코드베이스의 패턴 제공, 병렬 작업 구조화 같은 조건이 갖춰졌을 때 가능합니다. 반대로 모호한 요구사항이나 복잡한 비즈니스 로직은 여전히 인간 개발자의 개입이 필요합니다.
공통 의견: AI 에이전트는 “빠른 프로토타이핑”과 “반복적 작업 자동화”에 강하지만, 아키텍처 결정이나 트레이드오프 판단은 여전히 개발자의 몫입니다. 온콜 상황처럼 시간 압박이 있을 때 가장 효과적입니다.
실무 적용:
- 에이전트에 전달하기 전에 요구사항을 구체적으로 정의하고, 기존 코드베이스의 패턴을 명시적으로 제시
- 생성된 코드는 보안·성능·테스트 관점에서 반드시 리뷰하고, 프로덕션 배포 전 충분한 검증 수행
- 내부 도구나 모니터링 시스템처럼 사용자 범위가 제한적인 프로젝트부터 시작해 신뢰도 구축
🛠️ 지금 당장 해볼 것
- Claude Code Agent Teams 문서 읽기 —
site:docs.anthropic.com agent teams검색 후 공식 가이드 확인 및 간단한 예제 실행 - 자신의 프로젝트에서 반복되는 온콜 이슈 목록 작성 후, 그 중 자동화 가능한 것 1개 선정해 Claude Code로 MVP 구축 시도 (30분 타임박스)
- Claude 마켓플레이스 접속 후 현재 프로젝트 도메인(금융/의료/일반)에 맞는 커스텀 에이전트 3개 검토 —
https://claude.ai/marketplace방문