BioPlayground

🧬
목록으로

Claude Code와 Cursor — AI 코딩 에이전트와 함께 개발하기

Claude Code·Cursor·Windsurf·GitHub Copilot 등 AI 코딩 에이전트의 실전 사용법·차이·바이오 실무 활용까지, 편 #9 에이전트 원리의 실전 응용.

중급
|
20분
|
검증 완료 (2026-07)
진행률0/15 (0%)

Claude Code와 Cursor — AI 코딩 에이전트와 함께 개발하기

이 토픽을 마치면

편 #9의 에이전트 원리를 가장 성숙한 실무 응용 인 AI 코딩 에이전트에서 어떻게 만나는지 배웁니다. Claude Code·Cursor·Windsurf·GitHub Copilot의 실전 사용법과 각 도구의 강점, 그리고 바이오 연구실에서 이 도구들을 어떻게 활용하는지 정리.

Phase 3 도구 편 세 번째. 2025년 기준으로 소프트웨어 개발 방식을 근본적으로 바꾸고 있는 도구들. 바이오 연구실도 이 흐름을 활용하면 데이터 분석·파이프라인 구축·논문 코드 재현이 극적으로 빨라집니다.

AI 코딩 에이전트가 하는 일

편 #9에서 이야기했듯이 에이전트 = LLM + Tools + Loop + Memory. AI 코딩 에이전트는 이 구조가 개발 환경에 특화된 형태.

필수 도구.

  • 파일 시스템: 파일 읽기·쓰기·검색.
  • 터미널 실행: 셸 명령·테스트 실행.
  • Git: 상태 확인·커밋·diff.
  • 웹 접근: 문서 조회·라이브러리 정보.
  • 에디터 통합: 커서 위치·선택된 코드 인식.

이 도구들로 에이전트가 실제로 코드를 짜고·실행하고·디버깅할 수 있게 됩니다.

전형적 태스크.

  • 새 기능 구현.
  • 버그 수정.
  • 테스트 작성.
  • 리팩토링.
  • 문서 작성.
  • 코드 리뷰.
  • 마이그레이션.

바이오 실무 태스크.

  • scRNA-seq 분석 파이프라인 스크립트.
  • 실험 데이터 시각화 (matplotlib·plotly).
  • API 통합 (PubMed·UniProt·ClinicalTrials.gov).
  • Snakemake·Nextflow 워크플로.
  • Jupyter 노트북 분석.

주요 도구 지도

Claude Code

Anthropic의 CLI 코딩 에이전트. 터미널에서 직접 대화.

bash
# 프로젝트 폴더에서
claude


# 대화 시작
> "src/analysis.py에서 데이터 파싱 부분 리팩토링해줘"

특징.

  • 터미널 네이티브. 별도 GUI 없음, 어떤 에디터와도 조합 가능.
  • 강력한 도구 사용. Bash·파일·git·웹 도구가 잘 통합됨.
  • 긴 세션. 편 #10의 문맥 관리를 자동으로 (compaction·offloading).
  • Skills·Plugins. 프로젝트별 커스텀 로직 확장.
  • MCP 지원. 편 #9의 MCP 서버 연결.

바이오 사용 사례.

  • 실험 데이터 폴더에서 대량 파일 처리.
  • Jupyter 노트북 대신 CLI로 분석 파이프라인 개발.
  • 원격 서버(HPC) SSH 세션에서 직접.

Cursor

VS Code 포크. AI 페어 프로그래밍에 특화된 IDE.

주요 기능.

  • Tab 자동완성: 파일 문맥 이해한 인라인 완성.
  • Cmd+K: 코드 편집 자연어 명령.
  • Cmd+L (Chat): 사이드바 대화.
  • Cmd+I (Composer): 여러 파일 편집 에이전트.
  • Codebase indexing: 프로젝트 전체 인덱싱, 세만틱 검색.
  • Rules for AI: 프로젝트별 규칙(코딩 스타일·아키텍처) 지정.

특징.

  • 비주얼 IDE. VS Code 익숙한 사용자 즉시 적응.
  • 인라인 편집. 특정 코드 블록 선택 후 자연어로 편집.
  • 모델 선택: Claude·GPT-4o·Gemini·자체 fast model 등 선택 가능.

Windsurf (Codeium)

Cursor 계열 경쟁 IDE. Cascade 라는 에이전트 모드 유명.

차별점.

  • Flows: 여러 파일에 걸친 큰 변경을 자동 계획·실행.
  • Windsurf Cascade: 능동적 코드 이해 (사용자가 선택한 것뿐 아니라 관련 파일 자동 참조).
  • 가격 경쟁력: Cursor 대비 낮은 편.

GitHub Copilot

Copilot Chat: 사이드바 대화. Copilot Workspace: 이슈 → 계획 → 구현 → PR을 자동화. Copilot Agent Mode: 최근 Cursor·Claude Code에 유사한 에이전트 기능.

Microsoft·OpenAI 지원. VS Code 통합 강력. 기업 규모 인프라 성숙.

기타

  • Zed: 성능 우선 에디터. 최근 AI 기능 강화.
  • Continue.dev: 오픈소스 코딩 확장 (VS Code·JetBrains).
  • Aider: CLI 기반 오픈소스 에이전트.
  • Devin (Cognition): 완전 자율 에이전트. 클라우드 실행.

Claude Code 실전 흐름

바이오 실무에서 Claude Code를 어떻게 쓰는지 구체적 예시.

시작

bash
cd ~/lab_project
claude

첫 대화에서 프로젝트 설명 · CLAUDE.md 파일 참조. 프로젝트 규칙·구조를 에이전트가 학습.

태스크 위임

예시 1: scRNA-seq 데이터 분석 스크립트.

"data/samples/ 폴더에 새 scRNA-seq h5ad 파일 5개가 있어. Scanpy로 QC · filtering · normalization · UMAP · Leiden clustering을 각 샘플에 대해 수행하고, 결과를 results/{sample_id}/ 폴더에 저장하는 스크립트를 만들어줘. 각 샘플 결과 요약 표도 만들어."

에이전트가:

  1. 폴더 구조 확인 (ls, find).
  2. 샘플 파일 검토 (파일 크기·확장자).
  3. Scanpy 표준 파이프라인 스크립트 작성.
  4. 필요 라이브러리 확인·설치.
  5. 소형 샘플로 테스트 실행.
  6. 문제 발견 시 수정.
  7. 최종 스크립트 및 사용법 문서 반환.

코드 리뷰

예시 2: PR 코드 리뷰.

"이 브랜치의 변경사항을 리뷰해줘. 특히 통계 검정 부분의 다중 검정 보정 누락 있는지 봐줘."

에이전트가 git diff main으로 변경 확인, 통계 관련 부분 발견, p_adjusted 처리 누락 지적, statsmodels의 FDR 보정 코드 제안.

디버깅

예시 3: 실패한 파이프라인 디버깅.

"run_analysis.py 실행하면 3번째 샘플에서 crash 나. 로그는 logs/error.log에 있어. 원인 찾아서 고쳐줘."

에이전트가 로그 읽기 → 문제 파일 검토 → 3번째 샘플의 특이 상황(예: 0 세포 사이즈) 확인 → 예외 처리 코드 추가 → 재실행 검증.

문서 생성

예시 4: README·튜토리얼.

"이 리포지토리의 사용법 README를 작성해줘. 설치 · 데이터 준비 · 실행 · 결과 해석 순으로. 신규 랩원이 처음 접했을 때 필요한 내용 모두 포함."

프로젝트 스캔 후 종합 README 작성. 기존 스크립트에서 실제 사용 예시 추출.

Cursor 실전 흐름

Cursor를 쓰는 다른 스타일.

인라인 편집 (Cmd+K)

특정 함수를 선택하고 Cmd+K.

"이 함수에 numpy 벡터화 적용해서 for loop 제거해줘"

Cursor가 함수를 편집 제안 → 승인/거절.

사이드바 대화 (Cmd+L)

"지금 열려 있는 이 노트북에서 UMAP 시각화 색상을 세포 타입 기반으로 바꾸고 싶어"

Cursor Chat이 노트북 문맥 이해하고 코드 스니펫 제안.

Composer (Cmd+I)

큰 변경을 여러 파일에 걸쳐.

"@src/utils.py @src/analysis.py에서 config 관리를 hardcode에서 pydantic Settings 클래스로 리팩토링"

Composer가 두 파일 동시 수정, diff로 리뷰 가능.

Rules for AI

프로젝트 루트에 .cursorrules.

text
- 항상 type hint 사용.
- Docstring은 Google 스타일.
- Scanpy 관련 함수는 utils.scanpy_helpers 모듈로 격리.
- Test는 pytest, 커버리지 80%+.
- Bio 도메인 용어는 원어(영어) 유지, 주석은 한국어.

이 규칙들이 매 대화의 시스템 프롬프트에 자동 포함.

Vibe Coding — 새로운 워크플로

Vibe Coding — 개발자가 세세한 코드 대신 의도·감각을 자연어로 표현하고 에이전트가 구현. 최근 확산되는 워크플로.

전통적 개발:

text
문서 읽기 → 코드 작성 → 실행 → 디버그 → 반복

Vibe Coding:

text
자연어 요청 → 에이전트 실행 → 결과 검토 → 조정

바이오 예시.

"seaborn으로 8개 유전자 발현 히트맵 그려. 유전자는 hierarchical clustering, 샘플은 원본 순서 유지. 색상은 diverging, 중심을 mean에. 결측치는 회색으로."

이 한 문장이 20~30줄 코드로 즉시 구현. 결과가 마음에 안 들면 다시 자연어로 수정.

적합한 케이스.

  • 반복적 분석 스크립트 (explore-plot-refine 사이클).
  • 임시 시각화·데이터 탐색.
  • 프로토타입·MVP.
  • 스크립트 자동화.

부적합한 케이스.

  • 정확성 결정적: 임상·규제 관련. 코드 검토 필수.
  • 아키텍처 결정: 시스템 설계는 인간 판단 중심.
  • 보안 민감: 인증·암호화·인젝션 방어 등.

핵심 원칙. 에이전트가 짠 코드를 반드시 실행·테스트하고 결과 검토. Vibe만 봐서는 안 됨. 편 #11의 환각이 코드에서도 발생.

프로젝트 컨텍스트 관리

큰 프로젝트에서 에이전트가 전체 맥락을 이해하도록 하는 게 중요.

CLAUDE.md (Claude Code)

프로젝트 루트에 CLAUDE.md. 에이전트가 매 세션 시작 시 자동 참조.

내용 예시.

markdown
# 프로젝트 컨텍스트

## 프로젝트 목적
이 리포지토리는 단일 세포 RNA 시퀀싱 데이터의 자동화 분석 파이프라인.

## 주요 구조
- `data/`: 원본 h5ad 파일 (git 제외).
- `src/`: 파이프라인 코드.
- `notebooks/`: 탐색적 분석.
- `results/`: 실행 결과.

## 코딩 스타일
- Type hint 필수.
- Docstring: Google 스타일.
- 새 스크립트는 `src/scripts/` 아래.

## 데이터 규약
- 세포 유형 라벨은 CellTypist 명명법 우선.
- 유전자 심볼은 HGNC 최신.

## 자주 하는 작업
- 새 샘플 추가: `python src/scripts/add_sample.py {sample_id}`.
- QC 리포트 재생성: `snakemake qc_report`.

## 주의사항
- `data/raw/`는 절대 수정 금지.
- git push 전 반드시 pre-commit 실행.

에이전트가 이 문서를 참조해 프로젝트 규약을 준수.

.cursorrules (Cursor)

Cursor는 .cursorrules 파일. 형식이 조금 다르지만 목적 동일.

다른 도구도 유사

Windsurf(.windsurfrules), Continue(config.json) 등 각자 규칙 파일. 프로젝트 컨텍스트 파일은 편 #7의 시스템 프롬프트를 프로젝트 지속형으로 확장한 것.

MCP 서버 통합

편 #9에서 다룬 MCP가 코딩 에이전트에서 특히 유용.

유용한 MCP 서버

Filesystem: 파일 시스템 접근 (기본). GitHub: 리포지토리·이슈·PR 조작. Slack: 팀 커뮤니케이션. Postgres: 데이터베이스 쿼리. Puppeteer: 웹 브라우저 자동화. Memory: 세션 간 지식 유지. Notion: Notion 페이지 읽기·쓰기.

바이오 특화 MCP 서버 (커스텀).

  • PubMed MCP: 논문 검색·상세 조회.
  • UniProt MCP: 단백질 정보.
  • PDB MCP: 구조 데이터.
  • 실험실 LIMS MCP: 내부 실험 관리.

MCP 서버 설정 (Claude Code 예시)

~/.claude/mcp.json:

json
{
  "mcpServers": {
    "pubmed": {
      "command": "python",
      "args": ["/path/to/pubmed_mcp_server.py"]
    },
    "github": {
      "command": "npx",
      "args": ["-y", "@modelcontextprotocol/server-github"]
    }
  }
}

에이전트가 자동으로 이 서버들의 도구를 인식·사용.

Best Practices

좋은 대화 패턴

1. 명확한 목표.

Bad: "이 코드 좀 봐줘." Good: "이 함수의 시간 복잡도가 O(n^2)인 것 같아. O(n log n)으로 개선 가능한지 봐줘."

2. 컨텍스트 제공.

Bad: "왜 안 돼?" Good: "이 스크립트가 3번째 샘플에서 crash. 로그는 여기: (붙여넣기)"

3. 검증 요구.

Bad: "리팩토링해줘." Good: "리팩토링 후 기존 테스트 통과하는지 확인해줘. pytest tests/."

4. 계획 먼저.

Bad: "새 기능 구현해줘." Good: "새 기능 구현 계획 먼저. 이후 승인 받고 진행."

Claude Code의 Plan mode가 이걸 강제. 계획 승인 후 실행.

실수 방지

1. 파괴적 작업 확인. 파일 삭제·git force push·데이터 삭제 등은 명시 확인.

2. 테스트 자동 실행. 코드 변경 후 자동으로 테스트 실행. 실패 시 인간 개입.

3. Git commit 리뷰. 에이전트가 커밋하기 전 diff 리뷰.

4. 비용 인식. Claude Opus·GPT-4o는 토큰당 요금. 큰 세션의 예상 비용 확인.

팀 사용

공유 규칙: CLAUDE.md · .cursorrules를 git 관리. 세션 로그: 중요 결정은 문서화. 교육: 팀원에게 좋은 대화 패턴 공유. 감사: 에이전트가 만든 코드도 인간 리뷰 필수.

언제 어떤 도구를 쓰나

개인 실험·분석: Cursor + Claude Sonnet · Windsurf. IDE 익숙하면 편. 대량 자동화·CLI 워크플로: Claude Code. 터미널 세션 유지. 팀 협업 코딩: Cursor 또는 Copilot. IDE 협업 기능. MLE·연구: Cursor + Claude Code 조합. 노트북·CLI 병행. 바이오 파이프라인 (Snakemake·Nextflow): Claude Code. HPC SSH 세션에서. 신속 프로토타입: Windsurf Cascade·Cursor Composer. 대형 리팩토링: Cursor Composer 또는 Claude Code plan mode.

바이오 응용 시나리오

시나리오 1 — Snakemake 워크플로 자동화

랩의 새 실험 파이프라인을 Snakemake로 구축.

Claude Code 사용:

  1. CLAUDE.md에 랩 표준(입력 형식·출력 규약·리소스 제한) 명시.
  2. "이 sample sheet 기반으로 Snakemake workflow 만들어. rules는 QC·align·variant call·annotation. cluster submission 지원."
  3. 에이전트가 rules 파일 생성, config.yaml, cluster config 작성.
  4. Test run으로 검증.
  5. 문서 작성.

시나리오 2 — Kaggle Bio 대회

Kaggle 바이오 이미지 분류 대회 참가.

Cursor 사용:

  1. 데이터 탐색 (Jupyter + Cursor).
  2. 베이스라인 모델 (torchvision ResNet + fine-tuning).
  3. 데이터 augmentation 실험 (Cmd+K로 augmentation 조합 여러 개 시도).
  4. Ensemble·TTA 구현.
  5. Submission 파이프라인.

편 #12의 PyTorch 지식과 Cursor의 실시간 편집 결합.

시나리오 3 — 논문 코드 재현

최근 논문의 방법을 여러분의 데이터로 적용.

Claude Code + WebFetch:

  1. 논문 GitHub 링크 확인.
  2. 코드 리포지토리 clone.
  3. 환경 세팅 (requirements·conda env).
  4. 여러분의 데이터로 각색.
  5. 결과 검증.

에이전트가 논문 method 섹션을 읽고 코드와 대조. 차이 발견 시 논문 저자의 issue·PR도 참조.

핵심 정리

  • AI 코딩 에이전트 = 편 #9 에이전트의 개발 환경 특화 응용.
  • 주요 도구: Claude Code (CLI)·Cursor (IDE)·Windsurf·GitHub Copilot.
  • 터미널 vs IDE 워크플로 선택. 프로젝트 성격·개인 취향에 따라.
  • Vibe Coding: 자연어로 의도 표현. 반드시 결과 검증.
  • 프로젝트 컨텍스트 파일 (CLAUDE.md·.cursorrules)로 규약 지속.
  • MCP 서버로 커스텀 도구 통합. 바이오 특화 서버 구축.
  • Best practices: 명확한 목표·컨텍스트·검증 요구·계획 먼저. 파괴적 작업 확인.
  • 바이오 실무: Snakemake 파이프라인·Kaggle 대회·논문 재현 등에 활용.

다음 개념

  • 편 #15 bio-ai-integration — Phase 4. 지금까지의 편 #1~14를 바이오 연구실 실무 워크플로에 통합.

📐 부록 — 전문가를 위한 실전 팁

난이도: 매우 어려움 (Very Hard) 대상: AI 코딩 에이전트 운영·프로덕션 도입 배경 독자

A.1 에이전트 문맥 관리 (Claude Code 관점)

Claude Code의 문맥은 편 #10에서 다룬 원리 적용.

세션 압축. 대화가 길어지면 자동 compaction. 오래된 도구 결과를 요약으로 대체.

Skills. 특정 도메인 로직을 프로젝트별 커스텀으로 정의. 예: bio-analysis skill이 scRNA-seq 표준 파이프라인 지식을 포함.

Subagents. 큰 태스크를 서브 에이전트에 위임. 각 서브가 별도 문맥 창. 편 #9 multi-agent 패턴.

A.2 Cursor의 Codebase Indexing

프로젝트 전체를 인덱싱.

절차:

  1. 각 파일을 청크로 나눔 (편 #8 chunking 원리).
  2. 임베딩 계산 (Cursor 자체 모델 또는 OpenAI).
  3. 벡터 DB에 저장 (로컬 또는 클라우드).
  4. 채팅 시 관련 코드 자동 검색·문맥 삽입.

@ 문법. @file.py, @Codebase, @Docs로 명시적 참조.

A.3 Prompt Caching 활용

편 #10 A.4에서 다룬 prompt caching이 코딩 에이전트에서 특히 유용.

  • CLAUDE.md·시스템 프롬프트가 매 세션 반복 → 캐시.
  • 큰 파일 반복 읽기 → 캐시.
  • Anthropic ephemeral cache 자동 적용.

효과: 큰 프로젝트 세션의 비용·지연 절감.

A.4 Tool Use Loop 최적화

각 에이전트 스텝의 코스트가 곱해짐. 최적화 지점.

  • Parallel tool calls: 독립 도구 호출 병렬화. Claude가 최근 지원.
  • Tool result compression: 큰 결과(예: 파일 목록) 요약 후 문맥에.
  • Early exit: 충분한 정보 수집 시 loop break.
  • Retry with backoff: 도구 실패 시 지수 백오프.

A.5 코드 안전성 검증

에이전트가 만든 코드는 자동 검증 층 필수.

Static analysis: pyright·ruff·mypy. 타입·스타일·잠재 버그. Test execution: pytest. 기존 테스트 통과 확인. Security scan: bandit·safety. 취약점. Diff review: 대량 변경은 인간이 최종 리뷰.

Claude Code의 hooks·pre-commit 통합으로 자동화.

A.6 Multi-Repo·Monorepo 전략

Monorepo. 대형 조직 표준. Bazel·Nx·Turborepo. 에이전트가 관련 부분만 인덱싱하도록 .gitignore·.cursorignore 활용.

Multi-Repo. 각 리포마다 별도 세션. 크로스 리포 변경은 순차 처리.

A.7 프롬프트 인젝션 방어 (코드 문맥)

편 #7의 인젝션 위험이 코드에서도 발생.

  • README·이슈·주석에 심어진 악성 지시.
  • 웹 검색 결과의 injection.
  • 오픈소스 의존성 코드 안의 지시.

방어:

  • 유저 요청과 파일 내용 명확 구분.
  • 파일 내용의 "시스템 지시"는 무시하도록 훈련.
  • Shell 실행 결과도 데이터로만.

Claude Code·Cursor 모두 훈련 시 이 위협 학습.

A.8 성능 벤치마크

SWE-Bench. 실제 GitHub 이슈 해결률. 편 #9 A.10. HumanEval·MBPP. 함수 구현 정답률. Code Reasoning benchmarks: 코드 이해·리팩토링 태스크.

2025년 기준 Claude Sonnet·Opus, GPT-4o·o3, Gemini 2.5·3 등이 상위. 실제 사용 만족도는 벤치마크 순위와 다를 수 있음.

A.9 팀 도입 전략

단계 1: 개인 사용 (12인). Cursor·Copilot로 시작. 단계 2: 팀 파일럿 (510인). 공유 규칙·workflow 정의. 단계 3: 조직 배포. 라이선스·거버넌스·감사.

리스크 관리:

  • IP 유출 방지 (엔터프라이즈 플랜).
  • 잘못된 코드 배포 방지 (강제 리뷰).
  • 스킬 저하 방지 (지속 학습·페어링).

A.10 미래 방향

Autonomous engineering agents. 이슈만 주면 PR까지 자율 완성 (Devin 계열).

Long-horizon planning. 며칠·주 단위 프로젝트 자율 관리.

Multi-modal understanding. 스크린샷·다이어그램·비디오도 이해.

Self-improvement. 자기 코드 리뷰·개선 반복.

Bio-specific agents. 바이오 도메인 지식 내장. 실험 설계·분석·논문 작성 통합.

참고 자료

본 편의 콘텐츠·시나리오·비유·수치는 모두 BioPlayground 자체 개발이며, 아래는 개념 학습에 도움이 되는 외부 참고 자료입니다.

  • Claude Code: claude.com/claude-code (Anthropic 공식)
  • Cursor: cursor.com
  • Windsurf: codeium.com/windsurf
  • GitHub Copilot: github.com/features/copilot
  • Zed: zed.dev
  • Continue.dev: continue.dev
  • Aider: aider.chat
  • Devin (Cognition): cognition.ai
  • MCP: modelcontextprotocol.io
  • SWE-Bench: swebench.com
  • AI Coding Best Practices: Anthropic·Cursor·GitHub 각 공식 가이드
  • Simon Willison Blog: simonwillison.net/tags/llms — AI 코딩 트렌드 뉴스레터

편 #14로 AI 코딩 에이전트 지형이 정리되었습니다. 편 #15에서 지금까지의 모든 편을 바이오 연구실의 실제 워크플로에 통합하는 방법을 정리합니다.