AI는 이제 단순한 코드 자동 완성 도구가 아니라, 개발자의 협업 파트너로 진화하고 있습니다.
이번 포스트에서는 슬렉슨의 AI 개발 도구 CodeCenter를 활용해, 요구사항 분석부터 코드 구현까지의 과정을 실제 예시를 통해 살펴보겠습니다.
CodeCenter란?
CodeCenter는 슬렉슨이 개발한 온프레미스형 AI 코드 어시스턴트로, 기업 내부망(Air Gap) 환경에서도 완전하게 동작하는 보안 중심 AI 개발 플랫폼입니다. 외부 네트워크 연결 없이도 모델 실행이 가능해, 데이터 주권을 100% 유지한 상태에서 AI 개발 환경을 구축할 수 있습니다. 또한 VS Code 플러그인 형태로 제공되어, 기존 IDE를 그대로 활용하면서 AI 코딩 보조 기능을 손쉽게 통합할 수 있습니다.
실전 예시: 내부 결제 시스템 개선
CodeCenter를 통해 기존 내부 결제 시스템 웹 애플리케이션을 요구사항에 맞춰 개선하는 과정을 단계별로 살펴보겠습니다.
1. 요구사항 정의
먼저 AI 요구사항 관리 도구 Trace.space에서 관련 요구사항을 확인합니다
확인된 요구사항과 세부 조건은 다음과 같습니다.
“요청 목록에 정렬(Sort)과 필터(Filter) 기능을 추가해 주세요.”
- 등록일 기준 정렬 (최신순 / 오래된순)
- 상태별 필터링 (pending / approved / denied)
- 프론트엔드·백엔드 모두 기능 반영
- 상단에 드롭다운 UI 추가
- 적용 후 기존 데이터 정상 표시
2. AI 프롬프트 작성 및 계획 수립
이 요구사항을 그대로 CodeCenter의 Vibe Coding 창에 입력하겠습니다.
AI는 실시간으로 요구사항을 분석한 뒤 자동으로 작업 계획서(Plan)를 생성하며, 개발자가 제안된 계획서를 확인·승인한 뒤 실제 코드 생성을 진행합니다.
3. 자동 코드 생성 및 수정
작업 계획서에 대한 사용자의 확인이 완료되면, 실제 구현이 진행됩니다.
CodeCenter는 기존 코드베이스의 Context(맥락)를 자동 인식하여 모듈 구조, 네이밍 컨벤션, 데이터 모델 등을 일관성있게 유지한 채 새로운 기능을 구현했습니다. AI가 생성한 코드는 기존 컨벤션을 그대로 따르기 때문에, 추가 개발이나 코드 리뷰 시에도 별도의 리팩토링 부담이 없습니다.
4. 기능 확장 예시 : 상세 모달 & 역할 기반 제어
다음으로는 request항목에 대한 상세 정보 모달을 요청해보겠습니다.
“요청 목록에서 특정 요청을 클릭하면 상세 정보를 볼 수 있는 모달 창 기능을 추가해주세요. 모달에는 다음 정보가 포함되어야 합니다”
- 제목 (Title)
- 설명 (Description)
- 요청자 (Requester)
- 상태 (Status)
- 생성일시 (Created Date)
- 모달에는 닫기(Close) 버튼을 추가해주세요.
- 모달이 열려 있을 때 요청 목록은 배경으로 유지되도록 해주세요.
앞선 프롬프트와 동일하게 사용자의 작업 계획서 확인 이후 작업이 진행되었습니다.
작성한 요구사항과 세부 조건에 맞춰 Title, Description, Requester, Status, Created Date 등을 표시하는 모달 UI이 생성되었습니다.
마지막으로, 역할(Role) 기반 접근 제어를 요청해보겠습니다.
“승인/거절 기능에 역할(Role) 기반 접근 제어를 추가해주세요.”
- approver 또는 admin 역할을 가진 사용자만 승인(Approve), 거절(Deny) 버튼을 볼 수 있도록 해주세요.
- 일반 사용자(user)는 요청 생성과 조회만 가능해야 합니다.
- 간단한 로그인 기능을 추가하고, 로그인 시 역할(role)을 세션 또는 상태(state)에 저장해주세요.
- 예시 역할:
- admin: 전체 기능 접근 가능
- approver: 승인/거절 가능
- user: 요청 작성 및 조회만 가능
- 권한이 없는 사용자는 승인/거절 버튼이 보이지 않거나 비활성화되어야 합니다.
role permission이 user인 경우에는 request만 가능하고, approver/admin인 경우엔 approve/deny 액션이 가능하게끔 구현이 완료되었습니다.
단 세 번의 프롬프트 입력만으로 정렬·필터 → 상세 모달 → Role-based Access Control 기능이 완성되었습니다. CodeCenter가 실제로 어떤 과정을 거쳐 이 결과를 만들어내는지 단계별로 살펴보겠습니다.
요구사항 분석 및 계획 수립
CodeCenter는 입력된 요구사항을 문맥 단위로 분석한 뒤, 필요한 기능을 작업 단위로 분해하고 실행 순서를 스스로 정의합니다.
자동 코드 생성 및 변경 요약
각 단계가 완료될 때마다 변경된 파일 경로와 핵심 코드 수정 내용이 요약되어 표시됩니다. 개발자는 이를 검토하고 병합하면서 AI와 협업하듯 개발을 진행할 수 있습니다.
통합 실행 및 검증 지원
CodeCenter는 프롬프트 입력 순간부터 수정 대상 파일을 자동으로 분석하고, API와 UI, 데이터 구조까지 일관되게 반영합니다.
이처럼 CodeCenter는 단 한 번의 프롬프트로 백엔드와 프론트엔드를 동시에 수정하고, 보안 정책까지 코드 수준에서 구현하는 ‘AI 주도형 개발자 검증 워크플로우’를 완성합니다. 즉, 한 줄의 프롬프트로 API·UI·보안 로직을 모두 반영하는 에이전틱(Agentic) 개발 환경을 제공합니다.
CodeCenter V2 Enterprise 미리보기
슬렉슨은 현재 CodeCenter V2 Enterprise 버전을 준비 중으로, 보다 확장된 협업 기능과 온프레미스 통합 관리 환경이 추가될 예정입니다. CodeCenter V2 Enterprise 환경에서 제공될 주요 기능과 로드맵을 미리 소개해 드리면서 이번 포스트를 마무리하도록 하겠습니다. .
1. On-Prem Marketplace — 사내 MCP 연동을 원클릭으로
가장 먼저, 온프레미스(내부망) 환경에서도 손쉽게 사용할 수 있는 Marketplace가 제공될 예정입니다. 이 Marketplace에서는 관리자가 사내에 등록해둔 MCP(Model Context Provider) 서버를 원클릭으로 연동할 수 있습니다.
외부 네트워크 연결이 제한된 Air Gap 환경에서도 기업 내부에서 검증된 모델과 서비스를 자유롭게 선택하고 배포할 수 있게 됩니다. 즉, 보안과 편의성을 모두 충족하는 AI 개발 생태계를 구축할 수 있게 되는 셈입니다.
2. Chat History Share — 대화형 코딩 기록의 공유
현재 CodeCenter에서는 개발자가 진행한 모든 바이브코딩(Vibe Coding) 이력이 각자의 IDE 환경 내에서만 확인 가능합니다. 하지만 팀 단위 프로젝트에서는 “다른 개발자가 AI와 어떤 대화를 주고받으며 코드를 완성했는가?”가 중요한 히스토리가 될 때가 많습니다.
이에 따라 Web Dashboard를 통한 Chat History 공유 기능이 추가됩니다. 이 기능을 통해 팀원 간 대화형 코딩 이력을 손쉽게 공유하고, AI와의 대화 과정을 문서처럼 확인할 수 있습니다. 결과적으로 개발 히스토리 관리와 팀 학습(learning curve) 단축에 큰 도움이 될 것으로 기대됩니다.
3. Rules & Workflow 공유 — 일관된 개발 환경 유지
같은 프로젝트를 여러 개발자가 함께 진행할 경우, 공통된 개발 지침과 코드 스타일을 유지하는 것이 중요합니다. 특히 AI가 코드 생성을 지원하는 환경에서는 시스템 프롬프트와 워크플로우의 일관성이 결과 품질에 큰 영향을 미칩니다.
CodeCenter V2에서는 Web Dashboard를 통해 Rules 및 Workflow를 손쉽게 공유할 수 있습니다. 팀 전체가 동일한 시스템 프롬프트를 적용하고, 일관된 개발 가이드라인 아래에서 바이브코딩을 진행할 수 있게 됩니다.
4. Context Provider (RAG) — 사내 지식의 AI 문맥화
마지막으로, CodeCenter V2는 Context Provider, 즉 RAG 기술을 지원할 예정입니다.
대규모 조직에서는 사내 GitHub, GitLab 등의 여러 repo에서 각 프로젝트의 구조와 역할을 빠르게 파악하는 것이 쉽지 않습니다. 이때 RAG 기술을 활용하면, 사내 코드베이스를 AI가 미리 분석하여 프로젝트 간 연관성을 이해하고, 신규 개발자가 기존 프로젝트에 빠르게 온보딩할 수 있도록 합니다.
마무리
이번 글에서는 CodeCenter가 단순한 코드 어시스턴트를 넘어, AI가 요구사항을 이해하고 코드로 구현하는 에이전틱 개발 환경을 어떻게 실현하는지를 살펴보았습니다.
다음 포스트에서는 이 흐름을 한 단계 확장하여, Qodo Cover와 Code Intelligence를 활용한 AI 기반 테스트 자동화 사례를 다룰 예정입니다. AI가 테스트 코드를 스스로 작성하고, 커버리지와 품질을 개선하는 실제 프로세스를 통해 AI가 어떻게 개발 품질 보증의 패러다임을 바꾸고 있는지 분석해보겠습니다.
