(바이브 코딩) Claude Code 창시자 Boris Cherny가 사용하는 방식

Claude Code 창시자 Boris Cherny의 비밀 병기: 10배 효율성을 향상시킨 워크플로우

요약 Claude Code는 단순한 코드 완성을 넘어 터미널에서 스스로 문제를 해결하는 자율형 AI 에이전트로 Boris Cherny의 병렬 워크플로우와 검증 루프를 통해 개발 생산성을 극대화합니다. 이 가이드는 창시자의 실제 사용법을 바탕으로 에이전틱 코딩의 정수를 전수하며 당신의 개발 습관을 완전히 뒤바꿔 놓을 것입니다.

에이전틱 코딩(Agentic Coding)은 AI가 단순히 코드를 제안하는 수준을 넘어 스스로 계획을 세우고 도구를 사용하며 오류를 수정하는 자율적인 프로그래밍 방식을 의미합니다.

Claude Code는 Anthropic이 출시한 터미널 기반의 AI 코딩 에이전트로 개발자의 로컬 환경에서 직접 파일 수정, 명령어 실행, 테스트 수행 등의 권한을 수행합니다.

기존의 깃허브 코파일럿(GitHub Copilot)이 실시간 자동 완성에 집중했다면 Claude Code는 독립적인 개발자처럼 티켓 하나를 통째로 해결하는 '에이전틱 루프'를 핵심으로 합니다.

Claude Code의 창시자가 사용하는 10배 효율성을 증가시키는 방법 (출처: AI 생성)

전통적 개발의 한계와 에이전틱 코딩의 등장 배경

과거의 개발 방식은 개발자가 모든 로직을 머릿속에 담고 수천 줄의 코드를 직접 타이핑하며 디버깅에 수많은 시간을 쏟아야 하는 구조적인 한계가 있었습니다.

단순한 오타나 설정 오류로 인해 며칠을 허비하는 일이 빈번했으며 이는 프로젝트의 전체 일정을 지연시키는 주요 원인이 되기도 했습니다.

하지만 AI 기술의 발전으로 이제 코딩은 '작성'의 영역에서 '조율'의 영역으로 넘어가고 있으며 Claude Code는 그 변화의 최전선에 서 있습니다.

구분	전통적 프로그래밍	에이전틱(바이브) 코딩
핵심 입력	정교한 코드 작성	자연어 프롬프트 및 의도 전달
개발자 역할	설계, 구현, 디버깅 전체 수행	가이드, 검토, 최종 승인자
오류 해결	수동 디버깅 및 검색	AI가 오류 메시지 분석 후 자가 수정
생산성	개인의 숙련도에 의존	AI 에이전트의 병렬 처리에 의존

시장의 데이터에 따르면 2025년 현재 개발자의 약 90%가 어떤 형태로든 AI 도구를 사용하고 있으며 전체 코드의 41%가 AI에 의해 생성되고 있습니다.

이러한 변화 속에서 Claude Code의 창시자 Boris Cherny는 어떻게 이 도구를 활용해 매주 50~100개의 PR을 처리하는지 그 구체적인 방법을 살펴볼 필요가 있습니다.

Boris Cherny의 철학: 인지 능력의 스케줄링

Boris는 AI를 단순히 사용하는 도구가 아니라 '예약 가능한 인지 능력(Capacity to schedule)'으로 정의하며 개발 공정을 완전히 재설계했습니다.

그는 코딩의 병목 현상이 코드 생성 속도가 아니라 개발자의 주의력 할당에 있다고 판단하고 에이전트를 다중 실행하는 방식을 택했습니다.

이는 마치 한 명의 관리자가 여러 명의 유능한 주니어 개발자에게 각기 다른 과업을 맡기고 결과물만 검토하는 시스템과 유사합니다.

1단계: 병렬 세션과 모델 선택의 기술

Boris 워크플로우의 첫 번째 핵심은 극단적인 병렬 처리입니다. 그는 로컬 터미널에서 최소 5개의 Claude 세션을 동시에 운영합니다.

각 세션은 서로 간의 간섭을 피하기 위해 동일한 저장소의 별도 'Git Checkout' 폴더에서 실행됩니다. 이는 브랜치 전환 없이도 여러 기능을 동시에 개발하게 해줍니다.

그는 iTerm2의 시스템 알림 기능을 활용하여 특정 에이전트가 입력을 기다리거나 작업이 완료되었을 때만 해당 탭으로 이동하여 흐름을 유지합니다.

Boris는 속도가 빠른 Sonnet 대신 추론 능력이 뛰어난 'Opus 4.5'와 'Thinking mode'를 모든 코딩 작업의 기본으로 사용합니다.

모델 선택	특징	Boris의 인사이트
Claude 3.5 Sonnet	빠르고 가벼우며 효율적임	단순 반복 작업에는 좋으나 깊은 추론 부족
Claude 4.5 Opus	깊은 사고와 복잡한 논리 해결력	속도는 느려도 재지시가 적어 최종 속도가 빠름
Thinking Mode	32k 토큰의 추론 예산 할당	엣지 케이스 분석 및 자기 수정 능력 극대화

데이터에 따르면 Opus 4.5는 도구 사용 능력과 복잡한 문제 해결에서 Sonnet보다 압도적인 성능을 보이며 이는 개발자의 수동 개입을 2배 이상 줄여줍니다.

2단계: CLAUDE.md를 통한 집단 지성의 공유

Claude Code가 세션을 시작할 때 가장 먼저 읽는 파일은 CLAUDE.md입니다. 이는 프로젝트의 영구적인 '뇌' 역할을 수행합니다.

Boris의 팀은 이 파일에 공통 빌드 명령어, 코딩 스타일 가이드, 테스트 방법뿐만 아니라 과거에 겪었던 실수들까지 꼼꼼히 기록합니다.

특히 코드 리뷰 과정에서 발견된 새로운 학습 내용은 @claude 태그를 통해 즉시 이 파일에 반영되어 팀 전체의 에이전트가 공유하게 됩니다.

CLAUDE.md 구성 요소	상세 내용	기대 효과
환경 설정	pyenv 사용법, 컴파일러 버전 등	환경 구축 오류 방지
컨벤션	"ES modules 사용", "함수형 컴포넌트 우선"	코드 일관성 유지
주요 파일 맵	로그 처리기, 인증 모듈 위치 등	에이전트의 파일 탐색 시간 단축
오답 노트	"과거 특정 API 호출 시 발생했던 버그"	동일 실수 반복 차단

많은 팀이 /init 명령어를 통해 초기 파일을 생성한 뒤 프로젝트가 진행됨에 따라 이를 지속적으로 업데이트하며 에이전트의 성능을 최적화합니다.

3단계: 계획 모드(Plan Mode)의 엄격한 준수

Boris는 아무리 사소한 작업이라도 곧바로 코딩을 지시하지 않습니다. 반드시 Shift+Tab을 눌러 'Plan Mode'로 진입하는 것이 그의 철칙입니다.

계획 모드에서 Claude는 코드를 수정하지 않고 오직 읽기 권한만을 사용하여 현재 코드베이스를 분석하고 최선의 구현 전략을 텍스트로 제안합니다.

개발자는 이 계획을 검토하며 의도와 다른 부분을 수정하거나 제약 조건을 추가합니다. 이 과정은 AI가 엉뚱한 방향으로 대량의 코드를 수정하는 참사를 막아줍니다.

모드 비교	Plan Mode (⏸)	Act Mode (⏵⏵)
주요 목적	아키텍처 설계 및 요구사항 구체화	실제 코드 수정 및 파일 쓰기
권한 상태	읽기 전용 (Read-only)	모든 도구 사용 및 수정 가능
사용자 상호작용	질문과 답변을 통한 전략 수립	작업 수행 및 결과 보고
사용 시점	복잡한 기능 구현 전, 디버깅 시작 시	계획이 확정된 후 즉시 실행

연구에 따르면 먼저 계획을 세우고 실행할 경우 AI의 작업 성공률이 단순 실행 대비 30% 이상 향상되는 것으로 나타났습니다.

4단계: 슬래시 명령어와 서브 에이전트의 자동화

반복되는 워크플로우는 .claude/commands/ 폴더에 저장된 슬래시 명령어를 통해 자동화됩니다. 이는 단순한 프롬프트 템플릿 이상의 위력을 발휘합니다.

예를 들어 Boris가 매일 수십 번 사용하는 /commit-push-pr 명령어는 현재 Git 상태를 미리 계산하여 에이전트와의 불필요한 대화를 줄여줍니다.

또한 특정 작업에 특화된 서브 에이전트(Sub-agents)를 호출하여 복잡한 인지 과정을 분산시킵니다. /agents 명령으로 사용 가능한 목록을 확인하고 직접 생성할 수도 있습니다.

서브 에이전트 종류	역할 설명	활용 예시
code-simplifier	작업 완료 후 코드의 복잡도를 낮춤	리팩토링 및 가독성 개선
verify-app	엔드투엔드 테스트 절차 수행	전체 시스템 안정성 검토
code-review	보안 취약점 및 스타일 위반 검사	PR 전 최종 품질 체크
debugger	특정 로그를 바탕으로 원인 추적	장애 상황 조기 진단

이러한 모듈화된 접근 방식은 '하나의 거대한 에이전트'가 가질 수 있는 기억의 한계와 혼란을 방지하고 각 단계의 전문성을 극대화합니다.

5단계: PostToolUse 훅을 이용한 코드 품질 강제

AI가 생성한 코드가 훌륭하더라도 가끔 프로젝트의 포맷팅 규칙이나 Lint 기준을 미세하게 어기는 경우가 발생하여 CI 빌드가 실패하곤 합니다.

Boris는 이를 방지하기 위해 PostToolUse 훅을 설정합니다. 에이전트가 파일을 편집한 직후 자동으로 포맷팅 명령어를 실행하도록 만드는 것입니다.

예를 들어 `bun run format |

| true`와 같은 명령어를 설정해두면 에이전트가 작업을 마치자마자 코드가 깨끗하게 정리되어 개발자의 검토 시간을 단축해줍니다.

이 작은 설정 하나가 CI 실패로 인한 컨텍스트 스위칭 비용을 획기적으로 줄여주며 팀 전체의 개발 리듬을 유지하는 데 큰 기여를 합니다.

6단계: 보안과 편의성의 균형, 권한 관리

보안에 매우 엄격한 Anthropic의 철학에 따라 Claude Code는 기본적으로 모든 위험한 동작에 대해 사용자의 승인을 요청하도록 설계되었습니다.

하지만 매번 승인 버튼을 누르는 것은 개발 흐름을 방해합니다. Boris는 위험한 옵션 대신 /permissions 명령어를 활용합니다.

그는 npm test, git commit 등 안전함이 검증된 명령어 패턴들을 미리 허용 목록에 등록하여 흐름을 끊지 않으면서도 보안 경계를 유지합니다.

권한 관리 전략	설명	권장 여부
Full Permission	모든 권한 스킵 (매우 위험)	비권장 (보안 사고 위험)
Pattern Approval	특정 명령어 패턴만 사전 승인	적극 권장 (안전과 속도 균형)
Manual Approval	매 실행마다 직접 확인	초보자에게 권장 (동작 이해 단계)
Headless Mode	스크립트를 통한 자동 처리	숙련된 파워 유저 전용

이러한 세밀한 권한 관리는 팀 단위로 공유되어 신입 개발자가 프로젝트에 합류했을 때도 안전하고 빠르게 작업에 몰입할 수 있는 환경을 제공합니다.

7단계: 결과물을 3배 향상시키는 검증 루프(Verification Loop)

Boris가 강조하는 가장 중요한 팁은 에이전트에게 스스로의 작업 결과를 확인할 수 있는 '피드백 루프'를 제공하는 것입니다.

단순히 코드를 짜라고 시키는 것이 아니라 "브라우저를 열어 UI가 의도대로 동작하는지 확인하고 문제가 있다면 수정해줘"라고 지시하는 방식입니다.

그는 Claude Chrome 확장 프로그램이나 Puppeteer MCP 서버를 연동하여 에이전트가 실제 사용자 관점에서 UX를 테스트하고 완성도를 높이게 만듭니다.

검증 수단	작동 방식	개선 수치 (Boris 체감)
Bash Unit Tests	`npm test` 등 자동화 테스트 실행	품질 약 2배 향상
UI Interaction	브라우저 스크린샷 및 DOM 조작	품질 약 2.5배 향상
Sub-agent Review	다른 에이전트의 교차 검증	오류 발생률 30% 감소
Visual Mockup	디자인 이미지와 실제 UI 비교	시각적 일치도 95% 이상

실제로 검증 루프가 포함된 워크플로우는 최종 결과물의 품질을 2~3배 이상 높여주며 개발자가 일일이 수동으로 확인해야 하는 수고를 덜어줍니다.

8단계: 테스트 주도 에이전틱 개발(Agentic TDD)

Boris는 에이전트와 함께 일할 때 테스트 주도 개발(TDD)을 적극적으로 활용합니다. 이는 AI의 환각 현상을 억제하고 정답에 도달하는 가장 확실한 방법입니다.

먼저 요구사항을 바탕으로 테스트 코드를 작성하게 한 뒤 이를 실행하여 실패하는 것을 확인합니다. 이때 구현 코드는 절대 작성하지 말라고 명시하는 것이 팁입니다.

테스트가 만족스러우면 비로소 기능을 구현하게 하고 모든 테스트를 통과할 때까지 에이전트 스스로 반복 수정하게 만듭니다. 최종적으로는 독립적인 에이전트에게 '오버피팅' 여부까지 검토시킵니다.

이 방식은 특히 복잡한 비즈니스 로직이나 알고리즘을 구현할 때 빛을 발하며 인간 개발자의 검토 부담을 최소화하는 핵심 전략입니다.

실전 시나리오: 새로운 프로젝트 분석과 PR 생성

주니어 개발자가 낯선 코드베이스를 인계받았을 때 Claude Code를 활용하는 예상 시나리오는 다음과 같습니다.

먼저 프로젝트 루트에서 /init 명령어로 에이전트에게 지형지물을 파악하게 합니다. 이후 "이 코드베이스의 전체적인 아키텍처와 주요 데이터 모델을 설명해줘"라고 요청합니다.

특정 기능을 수정해야 한다면 Plan Mode에서 "사용자 인증 로직을 Tracer해보고 OAuth2 연동을 추가하기 위한 계획을 세워줘"라고 지시합니다.

계획이 수립되면 Act Mode로 전환하여 코드를 작성하게 하고 검증 루프를 통해 테스트를 완료한 뒤 /commit-push-pr 명령으로 작업을 마무리합니다. 이 과정에서 개발자는 오직 '의사 결정'에만 집중합니다.

시사점 및 미래 전망: 개발자의 정의가 바뀐다

Claude Code와 Boris Cherny의 워크플로우는 코딩의 본질이 '텍스트 생산'에서 '시스템 설계와 검증'으로 완전히 이동했음을 증명합니다.

앞으로는 코드를 한 줄씩 직접 쓰는 능력보다 AI 에이전트에게 명확한 의도를 전달하고 그들이 올바른 궤도에서 작업할 수 있도록 '환경'을 구축하는 능력이 더 중요해질 것입니다.

에이전트 시장은 향후 5년간 연평균 45% 이상 성장할 것으로 보이며 기업들은 이제 개별 도구를 넘어 통합된 '에이전틱 인프라'를 구축하는 데 집중할 것입니다.

결국 승자는 AI를 경쟁자로 보는 사람이 아니라 Boris처럼 10명의 AI 에이전트를 거느린 '오케스트레이터'로 변모하는 개발자가 될 것입니다.

생산성 향상을 위한 추가 팁

Thinking Budget 최적화: 너무 간단한 작업은 think 옵션을 꺼서 토큰을 아끼고 복잡한 아키텍처 설계에는 think harder 또는 ultrathink를 사용하세요.
MCP 서버 적극 활용: Puppeteer, Google Drive, Slack 등 외부 도구를 연결해 에이전트의 활동 영역을 터미널 밖으로 확장하세요.
iTerm2 알림 설정: 에이전트가 작업을 마쳤을 때 브라우징을 하다가도 즉시 복귀할 수 있도록 시스템 알림을 반드시 켜두세요.
Git Worktree 활용: 여러 브랜치를 동시에 작업해야 한다면 Boris의 별도 폴더 방식 대신 git worktree를 활용해 효율적으로 병렬 세션을 관리하세요.
Obsidian Web Clipper 사용: 에이전트가 특정 웹 페이지 내용을 읽지 못한다면 마크다운으로 클리핑하여 직접 전달하는 것도 방법입니다.