클로드 코드 + Ghostty, 적은 도구가 더 많은 일을 해냅니다
Summary AI 개발 생산성은 도구를 늘리기보다 Ghostty, 클로드 코드, CLI 중심의 간결한 환경으로 맥락을 깨끗하게 유지하는 데서 나옵니다. 작은 일은 바로 실행하고 큰 일은 계획을 검토받으며, 작업에 맞춰 에이전트 수를 조절하고 같은 맥락에서 테스트를 작성하면 효율적으로 개발할 수 있습니다.
- AI 개발 생산성의 비결은 도구를 늘리는 게 아니라 줄이는 데 있습니다. 터미널 하나와 클로드 코드, 최소한의 도구 조합이 가장 많은 일을 해냅니다.
- 작은 일은 바로 실행하고, 큰 일은 파일에 적어 계획 검토를 받은 뒤 실행합니다. 계획 모드와 반복이 핵심입니다.
- 테스트는 같은 맥락에서 모델이 직접 쓰게 하고, 컨텍스트는 아껴 씁니다. 도구가 적을수록 맥락이 깨끗하게 남습니다.

AI 코딩 도구가 하루가 다르게 쏟아지는데, 뭘 골라야 할지 막막했던 적 있으시죠? 새 도구가 나올 때마다 갈아타다 보면, 정작 일하는 시간보다 도구를 만지는 시간이 더 길어지기도 합니다.
🎥
어떤 조합으로 일할까요?
메인 터미널은 Ghostty입니다. VS Code는 코드를 찾아볼 때 옆에 두고, 계획 검토는 GPT-5에 맡깁니다. 한때 VS Code에 올인해 본 적도 있지만, 결국 다시 Ghostty로 돌아왔습니다. VS Code 터미널은 큰 텍스트를 붙여넣으면 얼어버리는 일이 잦았거든요. Ghostty는 그런 적이 없습니다!
모니터는 40인치 울트라와이드 한 장이면 충분합니다. 3840x1620 해상도에서는 클로드 코드 네 개와 브라우저를 창을 옮기지 않고 한눈에 볼 수 있습니다. 새 터미널도 써봤습니다. 그런데 화면 생김새가 눈에 안 들어오더라고요. 결국 도구는 익숙하고 빠른 게 이깁니다.
이 대목이 저는 가장 와닿았습니다. 도구를 고르는 기준이 화려한 기능이 아니라 ‘붙여넣을 때 안 얼어버리는가’ 같은 사소한 안정성이라니, 참 현실적입니다.
도구는 왜 줄이는 게 좋을까요?
마지막 MCP마저 뺐습니다. 코드를 직접 읽으면 될 일을, 굳이 브라우저 자동화로 확인할 필요가 있을까요? 모델이 브라우저를 띄워 확인하곤 했는데, 느리고 맥락만 더럽혔습니다. 코드 읽기만으로 충분한 일을 굳이 무거운 도구로 할 이유가 없습니다!
서비스를 고를 때도 기준은 하나입니다. CLI가 있는가? vercel, psql, gh 같은 명령줄 도구가 있으면 에이전트가 바로 쓸 수 있습니다. 설정 파일(CLAUDE.md)에 한 줄만 적으면 됩니다. ‘로그는 이 CLI로 확인한다’, ‘DB는 이 명령으로 접속한다’ — 그 정도면 충분합니다. 도구가 적을수록 맥락이 깨끗하게 남습니다. 맥락이 깨끗해야 모델이 제대로 일합니다.
계획은 어떻게 세울까요?
계획 모드와 반복이 핵심입니다. 작은 일은 바로 실행합니다. 큰 일은 파일에 적어 둡니다. 그리고 GPT-5에 검토를 맡깁니다. 계획 검토만큼은 GPT-5가 더 잘합니다.
프롬프트는 대개 짧게 씁니다. 가끔은 두서없는 생각을 그대로 던져 브레인스토밍을 하기도 합니다. 엉킨 생각을 에이전트가 알아서 정리해 주는 걸 보면, 놀랍습니다!
세션 관리는 상태 표시줄과 세션 ID로 합니다. 계정을 바꾸거나 세션을 다시 시작해야 할 때, 처음 주제를 바로 찾을 수 있어서 편합니다.
에이전트는 몇 개가 적당할까요?
평소에는 1~2개로 충분합니다. 정리·테스트·UI 작업일 때는 4개 정도가 딱 맞습니다. 정답은 없습니다. 작업의 영향 범위에 따라 달라집니다!
전부 메인 브랜치에서 작업합니다. 워크트리 설정을 써본 적도 있지만, 오히려 느려지더라고요. 작업 영역을 잘 나누면 여러 일을 동시에 해도 서로 간섭하지 않습니다.
모델이 엉망으로 만들 때도 있습니다. 그런데 정리와 리팩터링도 그만큼 잘합니다. 만들고 정리하는 걸 함께 해야 기술 부채가 쌓이지 않습니다.
가장 어려운 부분은 뭘까요?
가장 어려운 건 분산 시스템 설계입니다. 의존성을 고르고, 플랫폼을 정하고, 앞을 내다보는 DB 스키마를 짜는 일 말입니다.
그래서 관리 페이지와 CLI 같은 맞춤 인프라를 직접 많이 만들었습니다. 사람도 쓰고 에이전트도 쓰는 도구입니다. 이 작업이 속도를 엄청나게 올려줬습니다. 예전 방식으로는 엄두도 못 냈을 일입니다.
테스트는 어떻게 할까요?
큰 변경에는 항상 테스트를 붙입니다. 자동 생성 테스트가 대단하진 않습니다. 그런데 같은 맥락에서 모델에게 테스트를 쓰게 하면, 문제를 거의 항상 찾아냅니다! 컨텍스트는 소중합니다. 아껴 써야 합니다.
다른 도구와 비교하면요?
다른 CLI나 모델은 아직 못 미칩니다. Codex는 검색이 안 됩니다. 검색 엔진에 묻는 게 낫습니다. Cursor와 GPT-5 조합은 너무 느리고, 생각을 공유하지 않아서 조종하기 어렵습니다. GPT-5는 훌륭한 모델이지만, 프롬프트를 아주 정확하게 줘야 하는 에이전트로는 아쉬움이 있습니다.
백그라운드 에이전트로 옮기는 건 아직 모르겠습니다. 모델이 빗나가는 걸 보고 바로 방향을 잡아주는데, 백그라운드에서는 그게 훨씬 어렵습니다.
결국 AI 개발의 생산성은 도구의 개수가 아니라, 맥락을 얼마나 깨끗하게 유지하느냐에서 갈립니다. 적은 도구, 같은 맥락, 짧은 반복 — 이 세 가지가 가장 많은 일을 해냅니다.
GitHub 계정으로 로그인하여 댓글을 남겨보세요. GitHub 로그인
댓글 시스템 설정이 필요합니다
GitHub Discussions 기반 댓글 시스템을 활성화하려면:
- Giscus 설정 페이지에서 설정 생성
- GISCUS_SETUP_GUIDE.md 파일의 안내를 따라 설정 완료
- Repository의 Discussions 기능 활성화
Repository 관리자만 설정할 수 있습니다.