자동화를 만드는 AI를 쓰세요: Claude Code 입문 가이드
Claude Code로 자동화를 직접 만들고 싶은 입문자를 위해 사용 환경, 기본 개념, WAT 프레임워크, 브라우저 자동화, 배포 흐름까지 정리합니다.
이런 분을 위한 글입니다
- Make, Zapier 같은 자동화 도구 다음 단계를 고민하는 분
- Claude Code로 AI 자동화를 시작해보고 싶은 분
읽고 나면 이렇게 달라집니다
- 기존 자동화와 Claude Code의 차이를 이해합니다
- 작은 업무를 Claude Code 자동화로 시작하는 순서를 알게 됩니다
자동화를 쓰는 시대는 끝났습니다. 이제는 자동화를 만드는 시대입니다.
예전에는 Make, Zapier 같은 도구에서 노드를 하나씩 연결했습니다. 조건을 만들고, 예외를 처리하고, 앱마다 필요한 설정을 손으로 맞췄죠.
문제는 그다음입니다. 예상하지 못한 상황이 하나만 생겨도 전체 흐름이 멈춥니다. 결국 사람이 로그를 열고, 원인을 찾고, 다시 고쳐야 합니다.
Claude Code는 이 흐름을 조금 다르게 만듭니다. 내가 원하는 결과를 말하면, AI가 필요한 단계를 제안하고, 코드를 만들고, 실행하고, 문제가 생기면 원인을 찾아 수정합니다.
Claude Code는 자동화 도구가 아닙니다
Claude Code를 처음 보면 "코딩해주는 AI" 정도로 생각하기 쉽습니다. 하지만 실제로는 조금 더 넓게 봐야 합니다.
Claude Code는 프로젝트 안의 파일을 읽고, 코드를 수정하고, 터미널 명령을 실행하고, 브라우저를 조작하고, 결과를 확인할 수 있는 AI 에이전트입니다.
즉 단순히 답변만 하는 챗봇이 아니라, 컴퓨터 안에서 실제 작업을 이어갈 수 있는 실행형 도구에 가깝습니다.
기존 자동화 도구와 비교하면 차이가 더 선명해집니다.
| 구분 | 기존 자동화 도구 | Claude Code |
|---|---|---|
| 흐름 설계 | 사람이 직접 노드와 조건을 연결 | AI가 흐름을 제안하고 구현 |
| 오류 대응 | 멈춘 뒤 사람이 수정 | 실행 중이면 로그를 읽고 수정 시도 |
| 확장 범위 | 연결된 앱 중심 | 파일, 코드, 브라우저, 배포까지 확장 |
| 사용 방식 | 기능을 조립 | 목표를 주고 함께 설계 |
비유하면 기존 자동화는 종이 지도와 나침반으로 목적지를 찾는 것에 가깝습니다. Claude Code는 구글맵에 가깝습니다. 목적지는 같아도 과정이 다릅니다. 길이 막히면 다른 길을 찾고, 다음 방향을 계속 안내합니다.
물론 모든 것을 알아서 해주는 마법은 아닙니다. 좋은 결과를 내려면 사람이 일을 잘 쪼개고, 목표를 분명히 말하고, 결과를 검토해야 합니다.
먼저 어디서 시작해야 할까
Claude Code를 쓰는 방법은 여러 가지입니다. 입문자는 환경 선택부터 헷갈릴 수 있습니다.
| 사용 환경 | 장점 | 추천 대상 |
|---|---|---|
| CLI | 기능과 권한이 가장 강력함 | 터미널에 익숙한 개발자 |
| 데스크톱 앱 | GUI로 조작하기 쉬움 | 터미널이 부담스러운 분 |
| 웹 브라우저 | 설치 없이 사용 가능 | 긴 작업을 맡기고 자리를 비울 때 |
| VS Code 확장 | 파일 구조를 보며 작업 가능 | 개발 작업을 주로 하는 분 |
| 원격/클라우드 환경 | 로컬 밖에서 작업을 이어가기 좋음 | 긴 작업을 맡기거나 원격 저장소 기반으로 작업할 때 |
처음 시작한다면 VS Code 확장이나 데스크톱 앱을 추천합니다. 파일 변경을 눈으로 확인하기 쉽고, Claude Code가 무엇을 하고 있는지 따라가기 좋기 때문입니다.
터미널에 익숙하다면 CLI도 좋습니다. 기능이 가장 빠르게 들어오고, 프로젝트 폴더 안에서 바로 작업을 시작할 수 있습니다.
cd 내프로젝트폴더
claude시작 전에 알아야 할 기본 개념
Claude Code를 잘 쓰려면 몇 가지 기본 개념을 알아야 합니다. 어려운 이론은 아니고, 비용과 품질을 관리하기 위한 감각에 가깝습니다.
토큰
토큰은 AI가 글을 읽고 쓰는 단위입니다. 텍스트가 길수록 토큰을 많이 씁니다.
한국어는 영어보다 토큰을 더 많이 쓰는 편입니다. 긴 문서, 긴 로그, 많은 파일을 한꺼번에 넣으면 비용도 늘고 대화 공간도 빨리 찹니다.
컨텍스트 창
컨텍스트 창은 AI가 한 번에 기억할 수 있는 작업 공간입니다. 화이트보드라고 생각하면 쉽습니다.
화이트보드가 꽉 차면 오래된 내용부터 흐려지고, 응답 품질이 떨어질 수 있습니다. 그래서 작업이 길어지면 중간에 정리해야 합니다.
/context
/compact
/clear/context는 현재 사용량을 확인할 때, /compact는 중요한 내용만 남기고 압축할 때, /clear는 새로 시작할 때 씁니다.
권한 모드
Claude Code는 파일을 수정하거나 명령을 실행할 수 있기 때문에 권한 모드를 잘 골라야 합니다.
| 모드 | 의미 | 언제 쓰면 좋은가 |
|---|---|---|
| Manual | 수정이나 명령 실행 전에 확인함 | 중요한 파일을 다룰 때 |
| Plan | 계획만 세우고 소스 파일은 수정하지 않음 | 새 프로젝트를 시작할 때 |
| acceptEdits | 파일 수정은 자동으로 허용하고 나중에 검토 | 빠른 반복 작업을 할 때 |
| auto | 안전 검사를 거쳐 더 자율적으로 실행 | 방향을 신뢰할 수 있는 긴 작업 |
| bypassPermissions | 대부분의 확인을 건너뜀 | 격리된 컨테이너나 VM에서만 |
입문자는 Plan 모드로 먼저 방향을 잡고, 그다음 수정 권한을 주는 방식이 안전합니다.
모델 선택
모델도 작업 성격에 맞게 고르면 좋습니다.
| 모델 | 특징 | 추천 용도 |
|---|---|---|
| Haiku | 빠르고 저렴함 | 단순한 서브 에이전트 작업 |
| Sonnet | 균형이 좋음 | 대부분의 코딩과 일상 작업 |
| Opus | 더 깊게 생각함 | 복잡한 설계, 중요한 결정 |
처음에는 품질을 보기 위해 좋은 모델로 시작하고, 반복 작업이 많아지면 비용을 줄이는 방향으로 조정하면 됩니다.
일을 잘 시키는 공식, WAT 프레임워크
Claude Code로 복잡한 자동화를 만들 때는 그냥 "자동화 만들어줘"라고 말하는 것보다 구조를 갖추는 편이 좋습니다.
여기서 쓸 수 있는 방식이 WAT 프레임워크입니다.
- Workflow: 어떤 순서로 할 것인가
- Agent: 누가 판단하고 실행할 것인가
- Tool: 실제 행동은 무엇으로 할 것인가
레시피로 비유하면 쉽습니다.
- Workflow는 레시피입니다.
- Agent는 요리사입니다.
- Tool은 조리 도구와 재료입니다.
레시피가 없으면 아무리 뛰어난 요리사도 매번 다르게 움직입니다. 자동화도 마찬가지입니다. 작업 순서, 입력값, 실패했을 때의 대응 방식을 적어두면 결과가 훨씬 안정됩니다.
예를 들어 경쟁사 분석 자동화를 만든다면 워크플로우는 이렇게 쓸 수 있습니다.
# 경쟁사 분석 워크플로우
## 목적
경쟁사의 가격, 기능, 마케팅 메시지를 분석하고 PDF 리포트를 만든다.
## 필요한 입력값
- 우리 회사 설명
- 경쟁사 목록
- 분석 기간
## 실행 단계
1. 경쟁사 웹사이트를 수집한다.
2. 가격, 기능, 메시지를 추출한다.
3. SWOT 형태로 정리한다.
4. 차트와 함께 PDF 리포트를 만든다.
## 오류 처리
- 사이트 접속 실패 시 다른 출처를 찾는다.
- PDF 생성 실패 시 로그를 남기고 다시 시도한다.이렇게 적어두면 Claude Code가 무엇을 만들고, 어떤 파일을 만들고, 실패하면 어떻게 대응해야 하는지 훨씬 잘 이해합니다.
자동화 예시: 뉴스레터 만들기
처음부터 거대한 시스템을 만들 필요는 없습니다. 입문자는 반복되는 작은 업무 하나를 고르는 것이 좋습니다.
예를 들어 뉴스레터 자동화를 생각해볼 수 있습니다.
추천 진행 순서
AI 뉴스레터 자동화는 아래 순서로 작게 시작해보세요.
중요한 것은 "뉴스레터 써줘"에서 끝내지 않는 것입니다.
다음처럼 목표와 조건을 함께 주는 편이 좋습니다.
Claude Code로 뉴스레터 자동화를 만들고 싶어.
주제를 입력하면 관련 자료를 조사하고,
HTML 뉴스레터로 작성한 뒤,
브랜드 톤에 맞게 다듬고,
최종 검토 후 Gmail로 발송하는 흐름이야.
먼저 필요한 기술 스택과 작업 순서를 계획해줘.
내가 놓친 위험 요소가 있으면 질문해줘.이렇게 말하면 Claude Code는 곧바로 코드를 쓰기보다, 먼저 업무 흐름을 잡습니다. 이 과정이 자동화 품질을 좌우합니다.
Claude Code의 강점: 자가 치유 코드
기존 자동화에서 오류는 곧 정지입니다.
앱 연결이 끊기거나, API 응답 형식이 바뀌거나, 인코딩 문제가 생기면 흐름이 멈춥니다. 사람이 들어가서 로그를 보고 원인을 찾아야 합니다.
Claude Code는 실행 중이라면 다르게 움직일 수 있습니다.
오류 발생
→ 에러 로그 읽기
→ 원인 후보 추론
→ 코드 수정
→ 다시 테스트
→ 성공하면 워크플로우 문서도 업데이트예를 들어 이미지 생성 API 주소가 바뀌었다면 문서를 찾아 새 주소로 바꿀 수 있습니다. 뉴스레터에 특수문자가 들어가 인코딩 오류가 나면 저장 방식을 고칠 수 있습니다. 정적 스크래핑이 실패하면 브라우저 자동화 방식으로 바꿀 수도 있습니다.
하지만 여기서 중요한 주의점이 있습니다.
배포된 코드는 정해진 대로 실행됩니다. 오류가 나면 로그를 확인하고, 그 내용을 Claude Code에게 가져와 수정한 뒤 다시 배포하는 흐름이 됩니다.
이 차이를 이해해야 기대치가 꼬이지 않습니다. Claude Code는 배포된 모든 자동화에 계속 붙어 있는 상주 직원이 아닙니다. 자동화를 설계하고, 만들고, 고치는 강력한 작업 파트너에 가깝습니다.
브라우저 자동화: AI가 직접 화면을 조작한다
Claude Code의 또 다른 강점은 브라우저 자동화입니다.
Chrome 연동을 사용하면 사람이 브라우저에서 하는 일을 Claude Code가 대신할 수 있습니다. 사이트에 접속하고, 로그인된 상태를 활용하고, 버튼을 누르고, 폼을 입력하고, 데이터를 수집하고, 스크린샷을 찍을 수 있습니다.
다만 로그인 화면이나 CAPTCHA처럼 사람 확인이 필요한 상황에서는 Claude Code가 멈추고 사용자에게 직접 처리해달라고 요청합니다.
활용 예시는 다양합니다.
- 매일 아침 뉴스 기사 5개를 수집해서 노션에 정리하기
- 경쟁사 가격 페이지를 확인하고 변경되면 슬랙에 알림 보내기
- 관리자 페이지에 로그인해서 월간 판매 데이터를 내려받기
- 채용공고 페이지를 순회하며 회사명, 직무, 연봉 정보를 엑셀로 정리하기
브라우저 자동화를 시킬 때는 프롬프트를 조금 더 구체적으로 써야 합니다.
사이트에 접속한 뒤 페이지가 완전히 로딩될 때까지 기다려줘.
로딩 중에는 다음 단계로 넘어가지 마.
버튼을 찾지 못하면 스크린샷을 찍고,
그 전까지 수집한 내용은 임시 저장해줘.웹사이트는 구조가 자주 바뀝니다. 그래서 실패했을 때 어떻게 행동할지까지 알려주는 것이 좋습니다.
작업이 커지면 Subagent를 쓴다
작업이 커지면 하나의 에이전트가 모든 것을 순서대로 처리하는 것보다, 여러 하위 에이전트에게 나누는 방식이 유리할 수 있습니다.
예를 들어 경쟁사 분석을 한다고 해봅시다.
- 에이전트 1: 제품과 기능 분석
- 에이전트 2: 가격 정책 분석
- 에이전트 3: 마케팅 메시지 분석
- 에이전트 4: 고객 리뷰 분석
- 메인 에이전트: 결과를 모아 PDF 리포트 작성
서로 독립적으로 처리할 수 있는 작업이라면 병렬 처리가 시간을 크게 줄입니다.
다만 비용은 늘어납니다. 여러 에이전트가 각자 컨텍스트를 쓰기 때문에 토큰 사용량이 커집니다.
RAG와 MCP로 확장하기
Claude Code 자동화가 더 강력해지는 순간은 외부 도구와 연결될 때입니다.
MCP는 AI와 외부 앱을 연결하는 표준 규격입니다. 스마트폰의 USB-C 포트처럼 생각하면 쉽습니다. 같은 방식으로 여러 도구를 연결할 수 있습니다.
예를 들어 웹 수집용 MCP 서버를 연결하면 웹사이트를 수집하고, 사이트 구조를 파악하고, 구조화된 데이터로 추출하는 흐름을 만들 수 있습니다.
RAG는 AI가 외부 문서나 파일을 찾아가며 답변하는 방식입니다. 회사 문서, PDF, 이미지, 영상 자료를 데이터베이스에 넣어두고 필요할 때 꺼내 쓰는 구조입니다.
이 두 가지가 결합되면 자동화의 범위가 넓어집니다.
- 내 회사 문서를 참고해서 고객 응대 초안 작성
- 경쟁사 웹사이트를 수집해 리포트 만들기
- 긴 PDF를 검색 가능한 지식베이스로 만들기
- 내부 자료 기반 챗봇 만들기
입문 단계에서 바로 모두 만들 필요는 없습니다. 다만 Claude Code가 단순히 코드를 쓰는 도구를 넘어, 외부 데이터와 서비스까지 연결할 수 있다는 감각은 가져두면 좋습니다.
배포는 어떻게 생각해야 할까
자동화는 내 컴퓨터에서 한 번 실행되는 것으로 끝나지 않습니다. 실제 업무에 쓰려면 배포를 생각해야 합니다.
대표적인 배포 도구는 다음과 같습니다.
| 도구 | 역할 | 적합한 경우 |
|---|---|---|
| GitHub | 코드를 저장하고 버전 관리 | 거의 모든 프로젝트 |
| Vercel | 웹사이트와 프론트엔드 배포 | Next.js, 랜딩 페이지, 웹 앱 |
| Modal | Python 서버리스 실행 | Python 백엔드, 데이터 처리 |
| Trigger.dev | 스케줄과 웹훅 자동화 | 반복 실행, 재시도, 큐 관리 |
전체 흐름은 보통 이렇습니다.
내 컴퓨터에서 Claude Code로 제작
→ GitHub에 저장
→ Vercel, Modal, Trigger.dev 등에 배포
→ 실제 URL이나 스케줄로 실행배포할 때 가장 조심해야 할 것은 환경 변수입니다.
API 키를 코드에 직접 적으면 안 됩니다.
나쁜 예: api_key = "sk-xxxx"
좋은 예: api_key = 환경 변수에서 불러오기.env 파일은 로컬에서만 쓰고, Vercel이나 Trigger.dev 같은 배포 환경에는 별도로 환경 변수를 등록해야 합니다.
비용을 줄이는 감각
Claude Code는 강력하지만, 아무 생각 없이 쓰면 비용이 커질 수 있습니다.
비용을 줄이는 기본 원칙은 간단합니다.
- 긴 문서를 매번 다시 읽히지 않기
- 컨텍스트가 너무 차기 전에 정리하기
- 단순 반복 작업에는 저렴한 모델 쓰기
- Subagent는 꼭 필요한 경우에만 쓰기
- 자주 쓰는 긴 지침은 파일로 정리하기
반복해서 쓰는 긴 컨텍스트는 캐싱을 활용하면 비용을 크게 줄일 수 있습니다. 모델도 전략적으로 고르는 것이 좋습니다.
- 중요한 설계: Opus
- 일반 작업: Sonnet
- 대량 반복: Haiku
비용 관리는 아끼기 위한 행동이라기보다, 자동화를 오래 굴리기 위한 운영 감각입니다.
Claude Code 추천 사용 순서
처음 시작한다면 아래 순서대로 진행해보세요.
자주 묻는 질문
마무리
Claude Code를 배운다는 것은 특정 도구의 버튼 위치를 외우는 일이 아닙니다.
중요한 것은 업무를 실행 가능한 단위로 쪼개는 감각입니다. AI가 헷갈리지 않게 지시서를 쓰는 능력입니다. 결과를 테스트하고, 실패를 기록하고, 다시 개선하는 습관입니다.
Make, Zapier가 자동화를 쓰는 시대를 열었다면, Claude Code는 자동화를 직접 만드는 시대로 가는 문을 열고 있습니다.
처음부터 거창한 시스템을 만들 필요는 없습니다. 오늘 반복해서 하는 작은 업무 하나를 고르세요. 그리고 Claude Code에게 이렇게 말해보세요.
이 업무를 자동화하고 싶어.
바로 만들지 말고, 먼저 어떤 단계로 나누면 좋을지 계획해줘.
내가 빠뜨린 입력값이나 위험 요소가 있으면 질문해줘.좋은 자동화는 좋은 질문에서 시작됩니다.