# 개발 용어 탐구 10편 - AI 시대 개발 용어: LLM, RAG, AI Agent, MCP, Vibe Coding

About this offer

개발 용어 탐구 10편 - AI 시대 개발 용어: LLM, RAG, AI Agent, MCP, Vibe Coding 들어가며 최근 개발 환경은 빠르게 변화하고 있다. 과거에는: 개발자 ↓ 직접 코드 작성 ↓ 테스트 ↓ 배포 과정이 중심이었다. 하지만 최근에는: 개발자 ↓ AI 활용 ↓ 코드 생성 ↓ 검토 및 개선 ↓ 배포 형태의 개발 방식이 점점 늘어나고 있다. 이 과정에서 새로운 개발 용어들이 등장했다. 대표적으로: LLM RAG AI Agent MCP Vibe Coding Prompt Engineering 등이 있다. 이번 글에서는 AI 시대 개발자가 알아야 할 핵심 용어를 정리한다. 1. LLM(Large Language Model) LLM은: 대규모 언어 모델(Large Language Model) 을 의미한다. 쉽게 말하면: "언어와 코드를 이해하고 생성하는 AI 모델" 이다. 대표적인 LLM: GPT 계열 Claude Gemini Llama 등이 있다. LLM은 학습한 데이터를 기반으로: 글 생성 질문 답변 코드 생성 문서 분석 등을 수행한다. 예: 개발자가: 로그인 기능 만들어줘 라고 요청하면: LLM이: Controller Service Database 처리 코드 같은 코드를 생성할 수 있다. 2. AI Coding Assistant AI Coding Assistant는: 개발 작업을 도와주는 AI 도구 를 의미한다. 대표 기능: 코드 자동 완성 코드 설명 오류 분석 리팩토링 제안 테스트 코드 생성 예: 개발자가: public class User { 작성하면: AI가: 필요한 메서드 생성자 Getter/Setter 등을 제안한다. 대표 도구: GitHub Copilot Claude Code ChatGPT 기반 개발 도구 3. Prompt Engineering 프롬프트 엔지니어링은: AI에게 원하는 결과를 얻기 위해 질문과 지시를 설계하는 기술 이다. 단순 요청: 회원 기능 만들어줘 좋은 요청: Spring Boot 기반으로 작성하고, Controller와 Service를 분리하며, JWT 인증 구조를 적용해줘. 차이: AI에게 필요한 정보를 많이 제공할수록 더 정확한 결과를 얻을 수 있다. 개발에서는: 요구사항 작성 코드 생성 디버깅 문서 작성 등에 활용된다. 4. Vibe Coding Vibe Coding은: AI와 대화하며 원하는 결과물을 만들어가는 개발 방식 을 의미한다. 기존 개발: 개발자 ↓ 직접 설계 ↓ 직접 코드 작성 ↓ 테스트 Vibe Coding: 개발자 ↓ AI에게 요구사항 설명 ↓ AI 코드 생성 ↓ 개발자가 검토 ↓ 수정 중요한 점: Vibe Coding은: "개발자가 코드를 전혀 몰라도 된다" 라는 의미는 아니다. 오히려 중요해지는 능력: 요구사항 정의 설계 능력 코드 검토 능력 문제 해결 능력 이다. 5. RAG(Retrieval-Augmented Generation) RAG는: 검색 기반 생성 방식 이다. LLM의 한계: AI는 학습하지 않은 최신 정보나 개인 데이터를 모를 수 있다. 예: 회사 내부 문서: 제품 설계 문서 API 문서 업무 규칙 이 있다고 하자. 일반 LLM: 모름 RAG 적용: 사용자 질문 ↓ 관련 문서 검색 ↓ 검색 결과를 LLM에게 전달 ↓ 답변 생성 구조: 사용자 ↓ 검색 시스템 ↓ 문서 데이터 ↓ LLM ↓ 답변 활용: 기업 내부 챗봇 문서 검색 고객 지원 개발 문서 분석 6. AI Agent AI Agent는: 목표를 받아 스스로 계획하고 여러 작업을 수행하는 AI 시스템 이다. 일반적인 LLM: 질문 ↓ 답변 Agent: 목표 입력 ↓ 계획 수립 ↓ 도구 사용 ↓ 결과 확인 ↓ 작업 완료 예: "서버 오류 해결해줘" 라는 요청. Agent: 로그 확인 ↓ 문제 분석 ↓ 코드 확인 ↓ 수정 제안 ↓ 테스트 같은 작업 흐름을 수행할 수 있다. 7. Tool Calling AI Agent에서 중요한 개념이다. Tool Calling은: AI가 외부 도구를 사용할 수 있도록 연결하는 방식 이다. 예: AI 자체: 답변 생성 만 가능. Tool 연결: AI ↓ DB 조회 ↓ 파일 읽기 ↓ API 호출 ↓ 결과 분석 가능. 개발 환경에서는: 코드 실행 Git 조작 문서 검색 서버 확인 등에 활용된다. 8. MCP(Model Context Protocol) MCP는: AI 모델과 외부 도구 및 데이터 사이의 연결 규칙 이다. 쉽게 말하면: "AI가 개발 환경을 이해하고 사용할 수 있게 하는 통신 방식" 이다. 예: AI에게: 내 프로젝트 구조 분석해줘 라고 요청. MCP 환경에서는: AI가: 파일 구조 확인 코드 읽기 함수 관계 분석 변경 제안 같은 작업을 수행할 수 있다. 9. AI 시대 개발자의 역할 변화 과거: 개발자 ↓ 코드 작성자 현재: 개발자 ↓ 설계자 검토자 문제 해결자 역할이 강조되고 있다. AI가 담당: 반복 코드 작성 기본 구현 문서 작성 보조 개발자가 담당: 시스템 설계 요구사항 분석 기술 선택 품질 판단 10. AI 시대에도 필요한 개발 기본기 AI 도구가 발전해도 기본 지식은 중요하다. 필요한 영역: 프로그래밍 언어 자료구조 알고리즘 운영체제 네트워크 데이터베이스 소프트웨어 설계 이유: AI가 만든 결과가: 올바른지 판단 성능 문제가 없는지 확인 구조적으로 좋은지 평가 해야 하기 때문이다. 11. AI 개발 흐름 현대적인 개발 흐름: 요구사항 분석 ↓ AI 활용 ↓ 코드 생성 ↓ 개발자 검토 ↓ 테스트 ↓ 배포 ↓ 운영 AI는 개발자를 대체하는 도구라기보다: 개발자의 생산성을 높이는 도구로 활용되고 있다. 마무리 AI 시대에는 개발 방식이 변화하고 있다. 정리하면: LLM = 코드와 언어를 이해하는 AI 모델 RAG = 외부 데이터를 검색해 답변 강화 AI Agent = 목표를 수행하는 AI 시스템 MCP = AI와 도구를 연결하는 규칙 Vibe Coding = AI와 협업하는 개발 방식 Prompt Engineering = AI 요청을 설계하는 기술 중요한 것은 AI 도구를 사용하는 능력뿐 아니라, AI가 만든 결과를 이해하고 검증할 수 있는 개발 기본기 이다.