AI 코딩 도구를 활용해 빠르게 코드를 생성하는 이른바 바이브 코딩이 개발 현장에서 점차 확산되고 있다. 그러나 명확한 기획과 도메인 설계 절차 없이 AI에게 무작정 코드 작성을 맡기면 핵심 데이터 구조와 비즈니스 용어가 프로젝트 전체에 걸쳐 파편화되는 부작용이 발생한다. 이러한 한계를 해결하기 위해 타입스크립트 전문가 Matt Pocock은 AI 에이전트가 엔지니어링 절차와 도메인 주도 설계 규율을 따르도록 가이드하는 오픈소스 스킬 모음을 공개했다. 개발자가 AI 코딩 에이전트와 협업하며 지속 가능한 소프트웨어 구조를 구축하는 방안을 살펴본다.

설계 없는 AI 코딩이 불러오는 도메인 왜곡

AI 코딩 도구를 활용한 무분별한 코드 생성은 단기적인 작성 속도를 높여주는 것처럼 보이지만, 설계 단계가 생략될 경우 심각한 시스템 부작용을 유발한다. 개발자가 AI 에이전트에게 단순 기능 구현만을 요청하여 즉시 코드를 작성하게 만들면, 동일한 비즈니스 개념이 파일마다 서로 다른 규칙과 객체 구조로 파편화된다.

예를 들어 시스템의 핵심 도메인인 User나 Order 객체 구조가 각 파일과 모듈마다 제각각 다르게 쌓이는 데이터 구조 왜곡 현상이 나타난다. 특정 파일에서는 User 객체에 기본 식별자만 포함되고, 다른 파일에서는 결제 및 프로필 정보가 임의로 조합되어 다루어지면서 전체 코드베이스의 일관성과 데이터 통합성을 크게 해친다.

프로젝트의 규모가 확장될수록 이러한 개념적 왜곡은 신규 기능 추가와 기존 코드 수정을 매우 어렵게 만든다. 기획 부재로 시작된 초기의 단순성이 결국 도메인 왜곡과 데이터 구조 왜곡으로 이어져 프로젝트 유지보수를 불가능하게 만든다. 통제된 환경에서의 정량적 버그 감소율 수치는 아직 공식적으로 증명되지 않았으나, 설계 부재가 초래하는 아키텍처 붕괴 위험은 개발 현장에서 명확히 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 해결하기 위해 AI 에이전트용 스킬 모음 오픈소스인 mattpocock/skills 저장소를 공개했다. 이 프로젝트는 Claude Code와 같은 AI 코딩 에이전트가 즉시 코드 작성에 돌입하지 않고 요구사항 인터뷰, 도메인 모델링, TDD, 코드 리뷰 등 소프트웨어 엔지니어링 표준 절차를 순차적으로 준수하도록 규격화한다.

Matt Pocock Skills 프로젝트는 공식 승격 카탈로그 기준 총 25개의 엔지니어링 및 생산성 스킬을 제공한다. 개발자는 복잡한 환경 설정이나 별도 의존성 구성 없이 단일 CLI 명령어인 npx skills@latest add mattpocock/skills 실행만으로 에이전트 개발 환경에 해당 스킬 모음을 빠르게 설치할 수 있다.

이 체계를 도입하면 AI 코딩 에이전트는 사용자의 요청을 수신했을 때 곧바로 임의의 코드를 작성하지 않는다. 대신 정해진 엔지니어링 프로세스를 준수하며 필요한 정보를 먼저 검증하고 설계 모델을 다듬는 정교한 개발 파트너로서 동작하게 된다.

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 계층 구조로 명확히 분리하여 설계했다. 사용자가 진입 명령어를 호출하면 최상위 계층인 사용자 호출형 스킬이 작동하여 오케스트레이션 역할을 수행하고 적절한 엔지니어링 워크플로를 선택한다.

반면 모델 호출형 스킬은 상위 워크플로 진행 중 AI 모델이 작업 상황을 스스로 판단하여 자동 호출하는 재사용 가능한 전문 규율 스킬이다. 예컨대 설계 검증이나 아키텍처 수정 작업 도중 세부적인 도메인 규칙 적용이 필요한 경우 AI 모델이 내부적으로 관련 모델 호출형 스킬을 불러와 작업을 완료한다.

이와 같이 호출 계층을 사용자 오케스트레이션과 모델 내부 규율로 구분함으로써 스킬 간의 불필요한 충돌과 무분별한 묵시적 체이닝 현상을 방지한다. 개발자는 명확한 구조 아래서 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 핵심 요소인 domain-modeling 스킬은 에릭 에반스의 도메인 주도 설계(DDD) 철학을 바탕으로 동작한다. 개발 과정에서 상충되거나 모호한 용어가 발견되면 이를 정립하여 프로젝트 구성원과 AI 에이전트가 공유하는 유비쿼터스 언어를 형성한다.

이렇게 확정된 도메인 모델과 표준 용어는 프로젝트 루트 경로의 CONTEXT.md 파일에 보관되며, 단일 프로젝트에 여러 맥락이 존재할 경우 CONTEXT-MAP.md를 통해 도메인 간 경계를 정교하게 정의한다. 또한 기술적 및 아키텍처적 의사결정 사항은 docs/adr/ 디렉터리 하위에 번호가 매겨진 ADR 문서로 체계화되어 기록된다.

이러한 문서화 저장 구조를 통해 프로젝트에 참여하는 AI와 개발자는 과거의 구조적 결정과 도메인 맥락을 손쉽게 추적할 수 있다. 코드가 계속 변경되고 누적되더라도 시스템 최초의 비즈니스 도메인 규칙과 설계 방향성이 훼손되지 않는다.

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

규격화된 AI 스킬로 체계적 개발 환경 구축

AI 코딩 에이전트에 체계적인 엔지니어링 규율을 주입하는 것은 소프트웨어 개발의 지속 가능성을 확보하는 핵심 전략이다. 단순 코드 작성을 넘어서 도메인 설계를 우선시하는 정교한 개발 환경으로 전환할 때 AI의 생산성이 극대화된다.

단일 CLI 명령어 도입을 통해 25개의 검증된 스킬 모음을 구축하면 AI 코딩 시 발생하기 쉬운 도메인 문맥의 파편화를 효과적으로 방지할 수 있다. 에이전트가 정해진 도메인 주도 설계 및 엔지니어링 규칙을 스스로 준수함으로써 거대한 코드베이스의 복잡성이 획기적으로 통제된다.

결국 AI 코딩의 핵심은 빠른 생성이 아니라 오래 유지될 수 있는 정교한 구조 설계에 있다. 규격화된 AI 스킬과 DDD 기반 문서화 방식을 도입함으로써, 개발자는 AI와 함께 더 안정적이고 품질 높은 소프트웨어를 지속해서 개발할 수 있다.

참고