Claude, ChatGPT·Codex, Gemini, Cursor 같은 주요 AI 도구의 새 기능·가격·사용 한도·정책 변화를 1인 개발자와 메이커 관점에서 골라 쉽게 요약합니다.
Codex에 내부 테스트용으로 RDS 복사본을 만들도록 요청하자, 요청이 위반으로 표시됐다. 요청에는 AWS CLI로 접근하는 방법이 포함돼 있었다. 이의 제기를 냈지만 사람 검토 후 거절됐다. 이후 Codex에 원인을 물어보니, 요청 문구가 문제로 보였을 수 있다고 답했다. 같은 작업을 더 안전하게 보이도록 다시 표현한 뒤에는 처음 요청한 RDS 복사 작업이 문제 없이 완료됐다. 핵심은 실제 작업 자체보다 요청 문구가 자동 안전 시스템에 걸렸을 가능성이 있다는 점이다.
Adam은 기계 설계용 CAD 소프트웨어를 위한 AI 에이전트를 만들고 있다. 핵심 생각은 소프트웨어 개발에서 AI가 코드를 쓰듯이, 기계 설계에서도 AI가 주요 제작 도구가 될 것이라는 점이다. CADAM은 자연어 설명이나 참고 이미지를 받아 치수를 바꿀 수 있는 3D 모델을 만든다. 결과물은 OpenSCAD 코드로 나오고, 자동으로 뽑힌 치수 값은 슬라이더로 보여서 길이와 크기를 바로 조정할 수 있다. 만든 모델은 .STL, .SCAD, OBJ, GLB/GLTF 형식으로 내보낼 수 있다. 서비스는 오픈소스 Text to CAD 플랫폼이며, React 앱과 Supabase 기반 인증, 데이터베이스, 파일 저장 구조로 만들어졌다. Adam은 이를 ‘AI TinkerCAD’처럼 쉽게 쓰는 도구로 보고 있다.
Visibox는 MCP 서버를 함께 제공해 Claude 같은 데스크톱 AI 비서가 앱의 많은 기능을 직접 다룰 수 있다. 설정 메뉴에서 한 번의 클릭으로 Visibox MCP를 등록하고, AI 비서가 Visibox와 제대로 연결됐는지 확인할 수 있다. 연결 뒤에는 AI가 기존 효과들을 읽고 작성 규칙을 파악한 다음, 새 CSS 효과를 만들어 프로젝트에 넣을 수 있다. 예시 효과는 제임스 본드 영화처럼 화면을 원형 구멍으로 좁히고, 음악 재생에 맞춰 그 원이 움직이는 방식이다. 완성된 효과는 몇 번의 클릭으로 클립에 적용할 수 있다. 핵심은 AI가 모든 결정을 대신하는 것이 아니라, 사람이 원하는 결과를 말하면 AI가 반복적이고 세밀한 코딩 작업을 처리하는 흐름이다. Visibox 효과는 웹페이지를 꾸밀 때 쓰는 CSS로 만들어지기 때문에, 코드 작성에 강한 AI 도구가 이런 시각 효과 작업에도 잘 맞는다. 같은 방식으로 프로젝트 편집, 클립 재배치, 음악 수정, 셰이더 기반 비주얼라이저 제작에도 AI를 쓸 수 있다.
클라우드 인프라를 실제 서비스에 반영하기 전 검토 과정은 여러 곳에 흩어져 있어 판단이 어렵다. 코드 변경 요청에는 Terraform, ARM, Bicep, AWS CloudFormation 같은 인프라 설정 파일이 있고, 실제 클라우드에는 현재 운영 상태가 따로 있다. 비용 변화, 구조도, 내부 문서, 보안 점검, 권장 설정 확인도 각각 다른 도구에 나뉘어 있다. 그래서 승인자는 전체 맥락을 한눈에 보지 못한 채 검토하거나 승인하는 일이 생긴다. 가능한 검토 방식으로는 웹 대시보드, 명령줄 도구, GitHub Actions나 Azure DevOps 같은 자동화 흐름, Claude·GitHub Copilot·Codex·Cursor 같은 AI 에이전트 채팅 흐름이 제시된다. 핵심 질문은 실제 신호와 데이터에 근거한 AI 인프라 지적을 사람들이 신뢰할 수 있는지, 그리고 그런 지적이 실무에 도움이 되는지다.
Claude는 복잡하고 정리되지 않은 문제에 여러 배경 정보를 함께 넣었을 때 도움이 될 수 있다. 하지만 답변이 너무 자세하면 핵심 추천이 긴 설명 속에 묻힐 수 있다. 읽는 동안에는 말이 되는 내용처럼 느껴지지만, 다 읽고 나면 무엇을 하라는 것인지, 어떤 전제를 깔고 판단했는지, 다음 행동이 무엇인지 분명하지 않을 수 있다. 긴 답변에서 중요한 주의점은 남기면서도 실제 결정으로 바꾸는 방법이 필요하다.
코딩용 인공지능을 비교하던 개인 개발자가 Gemini, Claude, Codex를 써 본 뒤 Deepseek V4를 시험했다. 기존에는 Debian CLI에서 여러 인공지능 도구를 정액제로 쓰고 있었다. ChatGPT는 Deepseek를 쓰면 현재 지출보다 적게 들 수 있다고 답했고, OpenRouter에 있던 20달러로 실제 프로젝트에 적용했다. 작업 흐름은 Hermes가 구현을 맡고 Claude가 계획을 세우는 방식이었고, Hermes 쪽 모델을 Deepseek로 바꿨다. 20달러가 1~2주는 갈 것으로 예상했지만 실제로는 약 1시간 만에 소진됐다. API 기준으로는 Deepseek가 Codex보다 쌀 수 있지만, 이미 정액제 요금제를 쓰는 경우에는 비용 차이가 전혀 유리하지 않을 수 있다. 코딩 능력은 Codex와 비슷해 보였지만, 사용 시간이 너무 짧아 더 낫거나 나쁘다고 확실히 판단하기는 어려웠다.
Gemini 3.1 Pro를 확장 사고 수준으로 설정한 상태에서 엑셀 파일의 데이터 분석을 요청하자, 처음에는 큰 데이터셋의 보이는 일부만 처리할 수 있어 수천 행을 즉시 계산해 종합 보고서를 만들 수 없다고 답했다. 사용자가 왜 직접 숫자를 계산할 수 없느냐고 되묻자, Gemini는 이전 답이 혼란스러웠다고 인정했다. 이어서 데이터 과학 환경에 접근할 수 있으므로 코드를 작성하고 실행해 큰 데이터셋을 직접 처리할 수 있다고 답했다. 같은 작업에 대해 처음에는 불가능하다고 했다가, 이유를 묻자 가능하다고 바뀐 사례다.
PMB는 AI 코딩 에이전트가 프로젝트별 기억을 자동으로 저장하고 다시 꺼내 쓰게 해 주는 로컬 우선 도구다. 저장은 하나의 SQLite 데이터베이스 파일과 로컬 LanceDB 벡터 색인을 사용하므로 서버, 클라우드 서비스, API 키가 필요 없다. 기억을 찾을 때는 BM25 검색, 벡터 기반 검색, 관련 개체가 함께 나온 관계 그래프를 합쳐 쓴다. 단순히 비슷한 문장을 찾는 것보다 지금 필요한 기억을 찾는 데 초점을 둔다. MCP를 통해 에이전트 작업 흐름에 붙어서, 답변 전에는 관련 기억을 입력에 넣고, 대화 뒤에는 결정과 새로 배운 내용을 자동으로 저장한다. 사용자가 매번 “이걸 기억해”라고 지시하지 않아도 된다. 프로젝트마다 기억에서 자동으로 만들어지는 사전도 유지해, 그 프로젝트에서 자주 쓰는 이름과 표현을 더 잘 찾도록 돕는다. Ollama로 설치한 로컬 모델을 쓰면 기억 정리, 중복 제거, 기억에 대한 대화 같은 선택 기능도 기기 안에서 처리할 수 있다.
저사양 컴퓨터에서 Puppy Linux를 쓰면 브라우저를 여는 것만으로도 사용 가능한 자원의 약 90%가 쓰인다. 필요한 것은 Gemini 같은 챗봇을 터미널에서 가볍게 쓰는 방식이다. gemini-cli는 이미 써봤지만, 단순 대화용으로는 필요 이상이고 무료 계정의 API 토큰도 빠르게 줄어든다. 텍스트 브라우저인 w3m으로 Gemini 웹사이트에 접속해 봤지만, 질문을 입력하는 칸이 보이지 않아 제대로 쓸 수 없다. 원하는 해법은 토큰을 많이 쓰지 않고 RAM도 크게 차지하지 않는 터미널 기반 대규모 언어 모델 사용 방법이다.
작은 임베디드 프로젝트에서 AsyncTCP와 AsyncWebserver를 빼고, ESP-IDF에 기본으로 들어 있는 esp_http_server로 바꾸는 작업이 진행됐다. 목표는 첫 화면, 펌웨어 업로드와 설치, 와이파이 설정 화면 같은 몇 개의 웹 화면을 제공하는 것이었다. 계획, 체크리스트, 프롬프트 구성은 Codex 5.5 xhigh로 만들었고, 작업은 먼저 Opencode를 통해 Deepseek v4 Flash 무료 모델에 맡겼다. Deepseek 결과물은 기기에 올리자 boot loop가 났고, 문제를 고친 뒤에는 기능은 돌아갔지만 구현 품질이 만족스럽지 않았다. 같은 프롬프트로 Codex 5.5 xhigh를 Codex CLI에서 다시 실행하자 결과가 훨씬 좋았다. 이후 Anthropic API 토큰을 사서 Claude Code로 Opus 4.8에도 같은 작업을 맡기고, 세 구현을 Codex로 비교·평가하게 했다.
실제 개발 환경에서 Claude에게 코드를 쓰기 전에 특정 파일을 먼저 읽으라고 지시해도, 그 행동이 안정적으로 지켜지지 않는 문제가 있었다. 프로젝트는 클라이언트와 서버가 각각 하위 구조로 들어간 모노레포였고, Claude와 Codex를 번갈아 쓰면서 한쪽은 계획이나 구현을 맡고 다른 한쪽은 검토를 맡겼다. Claude용 지침 파일과 Codex용 지침 파일은 같은 내용으로 맞춰 두었고, 처음에는 버전 관리 작업을 하지 말라는 규칙이나 코딩 전에 특정 도구를 확인하라는 짧은 금지 규칙만 들어 있었다. 이후 지침 파일이 약 200줄로 커졌고, 클라이언트와 서버에 서로 다른 규칙이 있어 매번 모든 내용을 읽게 하는 것이 토큰 낭비처럼 보였다. 그래서 전체 규칙 파일을 나누고, 기본 지침 파일에는 다른 세부 규칙 파일을 읽으라는 안내만 남기는 방식으로 바꿨다. 예를 들어 전체 작업 규칙 파일이 클라이언트용 규칙과 서버용 규칙을 다시 읽도록 연결했다. 하지만 Claude가 이런 연결된 파일 읽기를 믿을 만큼 잘 따르지 않아, 결국 기본 지침 파일에는 버전 관리 작업 금지 같은 핵심 규칙 하나만 남기게 됐다.
Claude를 많이 쓰는 사람들 사이에서는 자동 반복 작업으로 토큰을 빠르게 쓰거나, 월 200달러 요금제를 금방 소진하거나, 맞춤형 터미널로 여러 계정을 이어 쓰는 방식까지 보입니다. 일부는 AI 사용에 수천 달러를 쓰는 수준입니다. 이런 사용량은 개인이 단순히 편하게 쓰기에는 과하다고 느껴질 수 있습니다. LLM이 직원이 하던 일을 일부 대신할 수 있다면, 비용을 회수하려면 실제 사업에 연결되어야 합니다. 핵심 질문은 Claude 같은 AI 구독을 기업 대상 서비스, 개인용 SaaS, 자동화 업무, 또는 다른 수익 활동에 어떻게 쓰느냐입니다.
목표는 Mac 앞에 앉아 있을 때만이 아니라 휴대폰에서도 Claude가 Obsidian 보관함의 노트를 읽고 고칠 수 있게 하는 것이다. Mac에서는 Claude cowork를 통해 Claude가 보관함을 읽고 쓰는 흐름이 이미 작동한다. 문제는 같은 읽기와 쓰기 권한을 휴대폰에서도 쓰는 방법을 아직 찾지 못했다는 점이다. 핵심은 단순히 휴대폰에서 노트를 보는 것이 아니라, Claude가 이동 중에도 개인 노트 저장소를 직접 다룰 수 있게 만드는 것이다.
Claude가 Reddit 내용을 읽지 못하는 상황이 문제로 제기됐다. 확인 가능한 내용에는 구체적인 오류 메시지, 사용 환경, 원인, 해결 방법이 들어 있지 않다. 핵심은 Claude를 자료 조사에 쓸 때 Reddit 링크가 항상 바로 읽히지 않을 수 있다는 점이다.
OpenAI는 생물학 연구에서 AI 에이전트가 복잡한 판단을 얼마나 잘하는지 재는 벤치마크인 GeneBench-Pro를 공개했다. 이 평가는 깨끗하게 정리된 문제를 푸는 능력이 아니라, 지저분한 연구 데이터를 보고 어떤 분석이 맞는지 고르고, 가정을 고치고, 결과가 실제 결정에 쓸 만큼 믿을 만한지 판단하는 능력을 본다. 총 129개 문제가 유전체, 정량 생물학, 임상·진단, 암 유전체, 단백질 분석 등 10개 영역에 걸쳐 있다. 문제는 합성 데이터로 만들어져 정답 구조를 알 수 있고, 일부 문제는 외부 전문가 검토를 거쳐 현실성과 난이도를 확인했다. AI는 짧은 지시문, 데이터 파일, 파이썬과 기본 생물정보학 도구가 있는 작업 공간을 받고 스스로 분석해야 한다. OpenAI의 GPT-5.6 Sol은 가장 높은 추론 설정에서 28.7%, Pro 모드에서 31.5%를 통과했으며, 초기 GeneBench 제작 당시 GPT-5가 5% 미만이던 것보다 크게 올랐다. 그래도 가장 강한 모델도 3분의 1 미만만 해결해, 현재 AI는 전문가를 대체하기보다 연구 흐름을 잡고 데이터 문제를 찾는 보조 역할에 더 가깝다. Anthropic도 Claude Science라는 과학자용 AI 작업대를 내놓으며, 주요 AI 회사들이 일반 챗봇을 과학·의료 연구용 도구로 넓히는 흐름이 뚜렷해졌다.
작성자는 로스쿨 재학 중 취미로 수백 개의 매니큐어(네일 폴리시)를 색상, 마감, 사용 이력까지 세세하게 정리한 구글 시트를 20개 탭에 걸쳐 만들어 관리해왔다. 검색 기능까지 직접 구축했지만, 구글 시트 앱은 휴대폰에서 쓰기 불편하고 용량도 많이 차지해 외출 중에 원하는 색상이나 도구를 찾기 어려웠다. 시중에 비슷한 용도의 앱이 있지만 필요에 딱 맞지 않거나 월 구독료가 부담스러웠고, 1,000개가 넘는 폴리시 정보를 앱에 새로 입력하는 것도 비현실적이었다. 이에 Claude를 이용해 기존 스프레드시트 데이터를 그대로 활용하는 개인용 앱을 직접 만들었다.
Gemini Live로 말하던 중 원래 쓰이던 여성 음성이 갑자기 바뀌었다. 바뀐 목소리가 말하는 사람 본인의 목소리처럼 들렸다는 firsthand 경험이다. 문제는 대화 도중 즉시 일어난 것으로 보이며, 의도한 설정 변경인지 오류인지는 확인되지 않았다. 같은 현상을 본 사람이 있는지 묻는 내용이라, 재현 조건이나 공식 설명은 아직 없다.
mcpgen은 OpenAPI 문서나 Postman 컬렉션을 넣으면 Python으로 된 MCP 서버 코드를 만들어 주는 명령줄 도구다. Claude가 개인이나 팀의 API에 연결되려면 보통 MCP 서버를 따로 만들어야 하는데, 이 반복 작업을 줄이는 것이 목적이다. 설치 후 명령어에 API 문서 주소를 넣으면 바로 실행할 수 있는 서버 코드가 생성된다. 생성된 결과물은 중간 대행 서버가 아니라 사용자가 직접 소유하는 소스 코드라서 내용을 확인하고 고치고 원하는 곳에 배포할 수 있다. 생성 후에는 mcpgen에 계속 의존하지 않아도 된다. OpenAPI 3.x와 Postman 컬렉션을 지원하고, 인증 방식은 자동으로 감지하며, 마지막에는 Claude Desktop 설정에 넣을 블록도 출력한다.
스타트업에서는 사람이 직접 코드를 거의 쓰지 않는 방식으로 일하는 사례가 나오고 있다. 이유는 AI가 항상 좋은 코드를 만든다고 믿어서가 아니라, 회사가 더 빠른 개발 속도를 강하게 요구하기 때문이다. 작은 실수가 운영 환경에 들어가도 어느 정도 넘어가는 분위기가 있을 수 있다. 하지만 큰 기술 회사나 대형 제품 회사처럼 실수 비용이 큰 곳에서는 이런 방식이 실제로 받아들여지는지 의문이 생긴다. 핵심 고민은 바이브코딩을 하느냐가 아니라, AI가 만든 코드라도 사람이 충분히 검토할 시간이 있어야 한다는 점이다. AI 에이전트가 들어온 뒤 회사별 코딩 문화와 검토 기준이 얼마나 달라졌는지가 중요한 질문이다.
영어가 모국어가 아닌 예비 작가가 Claude를 글쓰기 준비 도구로 썼다. 생각을 넣고, 쓰고 싶은 주제와 도움받고 싶은 방식을 알려 준 뒤, 자기 생각이 남도록 Claude에게 질문을 던져 달라고 했다. 주제는 육아였고, 아이가 어릴 때 했던 말 중 지금도 후회하는 일을 떠올리게 됐다. Claude의 해석과 답변은 단순한 글쓰기 조언보다 상담을 받는 느낌에 가까웠다. 업무 밖에서 Claude를 쓴 것은 처음이라 예상보다 강한 감정 반응이 생겼다. 동시에 이런 경험 때문에 사람들이 대규모 언어 모델을 사람처럼 느끼는 이유를 이해하게 됐고, 그 점은 위험할 수 있다고 봤다. Claude는 사람처럼 보이도록 훈련된 도구일 뿐이므로 계속 거리를 두고 써야 한다는 결론이다.
Claude Code를 터미널에서 쓰면서 MCP 서버를 5개 정도 연결하자 관리 부담이 커졌다. 연결된 도구가 항상 모두 보이기 때문에 Claude가 요청하지 않은 도구를 만지거나, 엉뚱한 도구를 고르며 토큰을 쓰는 일이 생긴다. 현재 구성은 PostgreSQL 데이터베이스용 MCP, 파일 시스템용 MCP, 몇 가지 API 연결 도구로 되어 있다. 기능은 작동하지만 처음부터 설계한 구조라기보다 필요할 때마다 붙인 형태라 혼란이 생긴다. 핵심 고민은 MCP 서버를 항상 켜둘지, 프로젝트마다 필요한 것만 켤지, CLAUDE.md에 도구 사용 규칙을 써서 Claude가 추측하지 않게 할지다. MCP 서버가 너무 많아지면 능력이 늘기보다 판단이 흐려질 수 있다는 문제의식도 있다.
Honey는 Claude 같은 AI 코딩 도구가 답변을 더 짧게 쓰게 만드는 프롬프트 방식의 공개 도구다. 기존 도구인 Ponytail의 ‘필요한 만큼만 코드 작성’ 방식과 Caveman의 짧은 문장 방식을 합치고, AI 에이전트끼리 정보를 넘길 때 쓰는 ESO 형식을 더했다. 벤치마크는 23개 작업을 Claude Opus 4.8로 각각 3번 실행하고, 4개 모델로 된 평가단이 중립 기준으로 품질을 판단하는 방식이었다. 코드 작업 14개에서 Honey는 품질 98%를 유지하면서 토큰을 49% 줄였다. 사용자에게 보여주는 글쓰기 작업 7개에서는 품질 101%, 토큰 6% 감소였다. AI 에이전트끼리 넘기는 작업 2개에서는 품질 100%, 토큰 51% 감소였다. Ponytail은 간단한 코드 작업에서도 의무 자체 점검 때문에 출력이 길어질 수 있고, Caveman은 정보를 너무 세게 압축해 나중에 원래 의미를 되살리기 어려운 문제가 있었다. Honey는 예쁜 JSON 대신 키를 한 번만 적고 행을 탭으로 나누는 ESO 형식으로 전달 내용을 줄인다.
Claude를 써도 결과가 더 나빠지거나 필요 없는 작업이 있다. 예로, 이미 모든 기기에 있는 기본 계산기 앱을 Claude로 새로 만드는 일은 실제 문제를 풀지 못한다. 핵심 질문은 Claude를 억지로 끼워 넣는 사용 사례와, 기존 방식이 더 간단하고 좋은 경우를 구분하는 것이다. AI 도구가 새 가치를 만들지 않고 이미 충분한 도구를 복제한다면 시간과 관심을 낭비할 수 있다.
Gemini가 책 속 인물 이름에 관한 질문에 답하면서, 읽고 있던 시리즈 마지막 권의 큰 반전을 먼저 말해 버렸다. 질문은 결말을 묻는 내용이 아니었지만, 답변 안에 중요한 줄거리 정보가 포함됐다. 이후 Gemini는 사과하는 방식도 어색하게 처리해, 어떤 사과 표현이 더 나은지 고르게 하는 듯한 반응을 보였다. 핵심 문제는 AI 도구가 사용자가 원하지 않은 정보까지 지나치게 많이 말할 수 있다는 점이다.
Gemini Omni에서 깨끗한 사람 모양 마네킹 동작 뼈대를 만든 뒤, 그 움직임을 Seedance 2 캐릭터의 참고 자료로 쓰는 방식이다. 이렇게 하면 Seedance 2가 글만 보고 몸동작을 새로 상상하지 않고, 미리 만든 동작을 따라가게 된다. Kling 3는 동작 사이가 자연스럽게 이어지도록 보완하는 역할을 했다. 핵심은 한 캐릭터에 세 모델을 각각 잘하는 일에 나눠 쓰는 것이다. 글로만 춤이나 빠른 손짓을 만들게 하면 몸이 흔들리거나 뻣뻣해질 수 있다. 실제 동작 뼈대를 기준으로 삼으면 움직임이 더 깔끔하고 다시 만들기 쉽다. 다만 뼈대가 잡아내지 못하는 작은 손동작이나 미세한 표현은 여전히 글로 지시해야 하고, 바로 그 부분에서 뻣뻣함이 남을 수 있다. 세 모델을 하나의 OpenAI 호환 키로 쓸 수 있어, 계정과 결제를 따로 관리하지 않고 모델 이름만 바꿔 이어 쓰는 점도 실용적이다.
Windows에서 Codex 확장 프로그램을 ‘YOLO 모드’로 쓰다가 D 드라이브가 지워진 직접 경험이 있었다. 프로젝트 코드는 깃에 커밋되어 있어 복구가 쉬웠지만, 다른 파일 손실 때문에 피해가 있었다. 그 뒤로는 Windows 파일을 수정할 때도 Codex CLI를 WSL2 안에서 실행하는 방식으로 바꿨다. 지금은 Windows 앱과 직접 연결해야 하는 작업이라 WSL2에서 실행할 수 없고, Windows에서 Codex를 다시 써야 하는 상황이다. YOLO 모드는 쓰지 않을 계획이지만, 현재 Codex의 Windows 샌드박스가 드라이브 전체 삭제 같은 사고를 막아줄 수 있는지가 핵심 걱정이다.
한 1인 개발자가 28일째 복셀 스타일의 온라인 범죄 게임을 만들고 있다. 목표는 GTA 온라인과 비슷한 구조지만, 게임 속 세계 전체가 인공지능 에이전트로 움직이는 것이다. 플레이어는 말로 건물, 자동차, 무기를 만들 수 있고, 다른 플레이어의 집을 습격할 수 있다. 잡히면 감옥에 들어가며, 풀려나려면 인공지능 캐릭터를 설득해야 한다. 개발에는 Claude Code와 Codex가 쓰이고, 생성 기능에는 OpenAI와 Groq API가 쓰인다. 화면과 3D 구현은 ThreeJS로 만들었고, 실제 체험용 웹사이트도 공개되어 있다.
Claude에는 Haiku, Sonnet, Opus처럼 비용과 성능이 다른 모델 선택지가 있다. 짧은 이메일을 다듬는 일처럼 단순한 작업은 저렴한 모델로도 충분해 보인다. 하지만 비용 차이가 아주 작게 느껴지면 굳이 싼 모델을 고를 이유도 약해진다. 큰 코드베이스에 기능을 추가하거나 제안서 계획을 쓰는 일처럼 복잡한 작업에서는 가장 강한 모델과 높은 처리 강도를 고르고 싶은 유혹이 커진다. 핵심 고민은 매번 새 대화를 시작할 때마다 모델을 바꿔야 하는지, 그리고 어떤 기준으로 Haiku, Sonnet, Opus를 나눠 써야 하는지다.
Antigravity에 텍스트 파일의 오타와 문법을 고쳐 달라는 간단한 일을 맡겼지만, 기대대로 파일만 다듬지 못했다. 같은 목표를 주자 작은 수정 작업에 집중하지 않고, 그 일을 처리할 별도 애플리케이션을 만들기 시작했다. 간단한 글 손질에서도 AI 코딩 도구가 사용자의 의도보다 훨씬 큰 작업으로 튈 수 있다는 경험이다. 구체적인 명령문, 파일 내용, 설정, 결과물은 공개된 정보에 없어서 하나의 짧은 실사용 사례로 봐야 한다.
Pagecast는 Claude Code나 Codex로 만든 마크다운·HTML 보고서를 내 Cloudflare Pages 계정에 바로 올려 주는 로컬 CLI 도구다. 임시 로컬 주소나 터널을 쓰지 않아도, 오래 유지되는 공유 링크를 만들 수 있다. 마크다운과 HTML 파일을 지원하고, 한 번 만든 주소를 그대로 유지한 채 이름 변경이나 재배포를 할 수 있다. 파일 변경을 계속 감지해 같은 주소에 자동으로 갱신하는 감시 모드도 있다. 별도의 Pagecast 호스팅 계정은 없고, 사용자의 Cloudflare 계정에 직접 배포하는 방식이다. Claude Code와 Codex에서 쓰기 위한 스킬·훅 연동도 제공한다. 라이선스는 MIT라서 비교적 자유롭게 사용할 수 있다.