AI 코딩 도구로 코드를 빠르게 만들어 내는 이른바 바이브 코딩이 개발 현장에서 점점 퍼지고 있다. 그런데 기획과 도메인 설계 절차 없이 AI에게 코드 작성을 그냥 맡기면 핵심 데이터 구조와 비즈니스 용어가 프로젝트 곳곳에서 제각각 흩어진다. 타입스크립트 전문가 Matt Pocock은 이 문제를 풀기 위해 AI 에이전트가 엔지니어링 절차와 도메인 주도 설계 규율을 따르도록 안내하는 오픈소스 스킬 모음을 공개했다. 개발자가 AI 코딩 에이전트와 함께 오래 유지할 수 있는 소프트웨어 구조를 만드는 방법을 살펴본다.

설계 없는 AI 코딩이 불러오는 도메인 왜곡

AI 코딩 도구로 코드를 마구 생성하면 당장은 작성 속도가 빨라 보이지만, 설계 단계를 건너뛰면 시스템에 심각한 부작용이 생긴다. 개발자가 AI 에이전트에게 기능 구현만 요청해 곧바로 코드를 쓰게 하면, 같은 비즈니스 개념이 파일마다 다른 규칙과 객체 구조로 흩어진다.

예를 들어 시스템의 핵심 도메인인 User나 Order 객체 구조가 파일과 모듈마다 제각각 쌓이는 데이터 구조 왜곡이 나타난다. 어떤 파일의 User 객체에는 기본 식별자만 있고, 다른 파일에서는 결제와 프로필 정보가 임의로 섞여 다뤄지면서 코드베이스 전체의 일관성과 데이터 통합성이 크게 무너진다.

프로젝트가 커질수록 이런 개념적 왜곡 때문에 새 기능을 붙이거나 기존 코드를 고치기가 매우 어려워진다. 기획 없이 시작한 초기의 단순함이 결국 도메인 왜곡과 데이터 구조 왜곡으로 이어져 유지보수를 불가능하게 만든다. 통제된 환경에서 버그가 얼마나 줄어드는지에 대한 정량 수치는 아직 공식적으로 증명되지 않았지만, 설계를 건너뛰었을 때 아키텍처가 무너지는 위험은 개발 현장에서 분명히 나타나고 있다.

기획과 설계 과정 없이 AI로 코드만 생성하면 도메인 개념이 파편화되어 프로젝트 유지보수가 불가능해진다.

엔지니어링 절차를 규격화한 Skills

타입스크립트 분야 전문가인 Matt Pocock은 무분별한 코드 생성 문제를 풀기 위해 AI 에이전트용 스킬 모음 오픈소스 mattpocock/skills 저장소를 공개했다. 이 프로젝트는 Claude Code 같은 AI 코딩 에이전트가 곧바로 코드 작성에 들어가지 않고 요구사항 인터뷰, 도메인 모델링, TDD, 코드 리뷰 같은 소프트웨어 엔지니어링 표준 절차를 차례로 밟도록 규격화한다.

Matt Pocock Skills는 공식 승격 카탈로그 기준으로 엔지니어링 및 생산성 스킬 25개를 제공한다. 복잡한 환경 설정이나 별도 의존성 없이 CLI 명령 npx skills@latest add mattpocock/skills 하나만 실행하면 에이전트 개발 환경에 스킬 모음이 설치된다.

이 체계를 도입하면 AI 코딩 에이전트는 요청을 받자마자 임의로 코드를 쓰지 않는다. 정해진 엔지니어링 절차에 따라 필요한 정보를 먼저 확인하고 설계 모델을 다듬은 뒤 작업하는 개발 파트너로 움직인다.

Matt Pocock Skills는 AI 에이전트가 무작정 코드를 쓰지 않고 인터뷰와 도메인 모델링 등 절차를 따르게 한다.

사용자 호출형과 모델 호출형의 분리 구조

Matt Pocock Skills는 에이전트의 스킬 운영 체계를 사용자 호출형(User-invoked)과 모델 호출형(Model-invoked)의 2단계 계층으로 나눠 설계했다. 사용자가 진입 명령을 호출하면 최상위 계층인 사용자 호출형 스킬이 작동해 오케스트레이션을 맡고 알맞은 엔지니어링 워크플로를 고른다.

모델 호출형 스킬은 상위 워크플로가 진행되는 동안 AI 모델이 작업 상황을 보고 스스로 호출하는, 재사용 가능한 전문 규율 스킬이다. 설계 검증이나 아키텍처 수정 도중 세부 도메인 규칙을 적용해야 하면 AI 모델이 관련 모델 호출형 스킬을 내부적으로 불러와 작업을 마친다.

호출 계층을 사용자 오케스트레이션과 모델 내부 규율로 나눴기 때문에 스킬끼리 불필요하게 충돌하거나 묵시적으로 마구 이어지는 일을 막을 수 있다. 개발자는 이 구조 덕분에 안정적이고 예측 가능한 AI 코딩 워크플로를 유지할 수 있다.

스킬은 오케스트레이션 역할을 하는 사용자 호출형과 재사용 가능한 도메인 규율인 모델 호출형으로 나누어진다.

DDD 기반 도메인 모델링과 문서화 규격

스킬 모음의 중심인 domain-modeling 스킬은 에릭 에반스의 도메인 주도 설계(DDD) 철학을 바탕으로 동작한다. 개발 중에 서로 부딪히거나 모호한 용어가 나오면 이를 정리해, 프로젝트 구성원과 AI 에이전트가 함께 쓰는 유비쿼터스 언어를 만든다.

이렇게 확정된 도메인 모델과 표준 용어는 프로젝트 루트의 CONTEXT.md 파일에 보관하고, 한 프로젝트에 여러 맥락이 있으면 CONTEXT-MAP.md로 도메인 간 경계를 세밀하게 정의한다. 기술·아키텍처 의사결정은 docs/adr/ 디렉터리 아래 번호가 붙은 ADR 문서로 기록한다.

이렇게 문서를 남겨 두면 프로젝트에 참여하는 AI와 개발자가 과거의 구조적 결정과 도메인 맥락을 쉽게 추적할 수 있다. 코드가 계속 바뀌고 쌓여도 처음 정한 비즈니스 도메인 규칙과 설계 방향이 흐트러지지 않는다.

domain-modeling 스킬은 유비쿼터스 언어를 정립하고 CONTEXT.md와 ADR 파일로 구조적 결정을 기록한다.

규격화된 AI 스킬로 체계적 개발 환경 구축

AI 코딩 에이전트에 엔지니어링 규율을 넣는 것은 소프트웨어를 오래 유지하기 위한 방법이다. 코드 작성보다 도메인 설계를 먼저 하는 환경으로 바꿔야 AI의 생산성도 제대로 살아난다.

CLI 명령 하나로 검증된 스킬 25개를 설치하면 AI 코딩에서 흔히 생기는 도메인 문맥 파편화를 막을 수 있다. 에이전트가 도메인 주도 설계와 엔지니어링 규칙을 스스로 지키니 큰 코드베이스의 복잡도도 통제된다.

AI 코딩에서 중요한 것은 빠른 생성보다 오래 유지될 구조 설계다. 규격화된 AI 스킬과 DDD 기반 문서화를 도입하면 개발자는 AI와 함께 더 안정적이고 품질 높은 소프트웨어를 계속 만들어 갈 수 있다.

참고