~ AI를 일시키는 법 ~ bkit 완전 해부 🌞

같은 Claude Code를 쓰는데 생산성이 3배씩 차이 나는 이유는 뭘까 ????

요번 글에서는 개발 프로세스 전체를 AI가 운영하는 시스템을 생각해보고, bkit에 대해서도 공유하고자 한다

 

 

1. 왜 같은 AI를 써도 결과가 다를까 ??

2026년 현재, 대부분의 개발자는 이미 Claude Code 같은 AI 에이전트를 활용하고 있다.

함수 작성, 에러 수정, 리팩토링까지 — AI가 개발을 빠르게 만들어준다는 건 사실이다.

그런데 이상한 현상이 있다.

같은 AI를 쓰는데도 어떤 개발자는 생산성이 2~3배씩 올라가고, 어떤 개발자는 "그냥 조금 편해진 정도"에 머문다.

💡 핵심 질문
 이 차이는 AI의 성능에서 오는가? 아니다. AI를 어떻게 사용하느냐에서 온다. 더 정확히는, AI에게 어떤 구조와 방법론을 적용하느냐의 차이다.

대부분의 개발자가 빠지는 함정 - "검색 패턴"

실무에서 흔히 관찰되는 AI 사용 패턴

 

막힘 → AI에게 질문 → 답변 복붙 → 다시 막힘 → 반복...

 

 

이 접근법의 문제는 명확하다.

컨텍스트가 매번 끊기고, 같은 질문을 반복하게 되며, AI는 매 대화마다 프로젝트 전체 구조를 모르는 채로 답변한다.

결과적으로 AI를 "똑똑한 검색엔진" 수준으로만 활용하게 된다.

 

2. "프롬프트 엔지니어링"을 넘어 "컨텍스트 엔지니어링"으로

생산성이 크게 뛰는 개발자들은 접근 방식이 근본적으로 다르다.

그들은 AI를 질문하는 대상이 아니라 일을 시키는 대상으로 바라본다.

 

여기서 한 단계 더 나아간 개념이 컨텍스트 엔지니어링이다.

• 프롬프트 엔지니어링: "좋은 프롬프트 작성의 기술"
• 컨텍스트 엔지니어링: "LLM 추론을 위한 최적의 컨텍스트 토큰을 체계적으로 큐레이션하는 시스템을 설계하는 기술"

bkit는 이 컨텍스트 엔지니어링의 실용적 구현체다.

 

3. bkit 해부

개발 OS로서의 AI

bkit(Bkamp Vibecoding Kit)은 한국 스타트업 POPUP STUDIO가 만든 Claude Code 전용 플러그인이다. (제미나이 cli에서도 사용 가능)

단순히 AI에게 방법론을 심어주는 것을 넘어, 개발 프로세스 전체를 AI가 운영하는 시스템을 지향한다.

PDCA 상태 머신: 개발을 루프로 만들다

bkit의 핵심은 PDCA(Plan → Design → Do → Check → Act) 방법론을 Claude Code 안에서 자동화하는 것이다.

v2.0.0부터는 이를 20개의 상태 전환을 가진 선언적 상태 머신으로 구현했다.

 

 

 

9단계 파이프라인 + 각 단계의 독립 PDCA

bkit의 차별점은 프로젝트 전체에 PDCA 한 번을 돌리는 게 아니라, 9단계 파이프라인의 각 단계마다 독립적인 PDCA 사이클을 실행한다는 것이다.

 

 

CTO Lead Agent Teams 👷🏻 진짜 팀처럼 일하다

bkit v1.5.1부터 추가된 Agent Teams는 CTO 에이전트가 팀 전체를 오케스트레이션한다.

 

Dynamic Mode (3 에이전트)

• CTO Agent: 리더, 작업 분배 + 결과 수집
• Developer Agent: 백엔드 구현
• Frontend Agent: UI 구현
• QA Agent: 테스트 시나리오

Enterprise Mode (5 에이전트)

• CTO Agent: 리더
• Architect Agent: 시스템 설계
• Developer Agent
• Reviewer Agent: 코드 리뷰
• Security Agent: 보안 스캔

 

3가지 오케스트레이션 모드를 제공한다:

• Leader Mode: CTO가 팀원에게 작업 위임 후 결과 수집
• Swarm Mode: 에이전트들이 병렬로 독립 실행
• Council Mode: 에이전트들이 각자 분석 후 CTO가 종합 결정

bkit의 핵심 차별화 -> 문서가 코드와 함께 산다

bkit를 사용하면 docs/ 폴더 구조가 자동으로 만들어지고 채워진다.

문서화는 추가 작업이 아니라 개발 과정의 부산물이 된다.

 

Agent Memory ⚾️ 세션을 넘나드는 기억

bkit v1.5 이후 추가된 Agent Memory는 세션 간에 프로젝트 상태를 자동으로 기억한다.

어제 정한 아키텍처 결정, 컴포넌트 명명 규칙, 팀 컨벤션을 다음 세션에서 다시 설명할 필요가 없다. .bkit-memory.json에 자동으로 축적된다.

 

4. 언제 bkit를 써야 하나 ???

bkit는 문서화와 프로세스 추적이 중요한 상황에서 가장 빛난다.

반대로 빠른 프로토타입이나 단순 탐색 작업엔 다소 무거울 수 있다.

 

적합한 상황 ?

• 코드 안정화 단계 — gap-detector로 설계·구현 불일치 자동 감지, PDCA 루프로 반복 개선
• 팀 협업 / 클라이언트 납품 — 문서가 필요한 모든 상황, 납품 시 docs/ 폴더 통째로 제공
• 복잡한 장기 프로젝트 — 전체 프로젝트 문서 + 진행 상태 관리

실제 예시: "API 응답 구조가 바뀌었다. 프론트엔드 전체에 반영해야 한다."

 

 

설치 명령어 (마켓 플레이스)

# bkit
/plugin marketplace add popup-studio-ai/bkit-claude-code
/plugin install bkit

# 설치 확인
/plugin list
# → bkit 표시되어야 함

 

 

5. 생산성 데이터 ? 실제로 얼마나 빨라지나

 

⚠️ 중요한 맥락: 빠른 프로토타입에는 다소 느릴 수 있다. bkit의 효과는 비개발자와의 협업, 클라이언트 납품, 문서가 중시되는 환경에서 극대화된다.

6. 결론은??

bkit는 야심찬 질문을 던진다.

 

개발 프로세스 전체를, CTO가 이끄는 팀 전체를, 실제 작동하는 시스템으로 구현할 수 있는가?

 

AI를 잘 쓰는 사람은 AI에게 질문하지 않는다.

그들은 AI에게 구조화된 역할과 명확한 컨텍스트를 주고, 반복 가능한 프로세스 안에서 작업을 위임한다.

 

bkit는 그 프로세스가 세션을 넘어 문서로 살아남게 만든다.

"AI를 잘 쓰는 사람은 질문하지 않는다 — 일을 시킨다"
그리고 일을 시키려면, 먼저 일의 구조가 있어야 한다.