Amazon Q CLI로 자연어 게임 개발하기: AI 에이전트 완전 정복 가이드 - 1편
이 글은 터미널에서 동작하는 AI 에이전트 Amazon Q CLI를 이용해, 단순한 프롬프트만으로 파이썬 Pygame 틱택토 게임을 완성한 과정을 기록한 후기입니다.
AI 에이전트란?
AI 에이전트(AI Agent)는 LLM을 중심으로 “관찰 → 계획 → 행동” 루프를 돌며, 외부 도구 호출·파일 시스템 접근·API 연동 등을 스스로 수행해 사용자의 목표를 달성하도록 설계된 자율(autonomous) 시스템입니다.
일반 LLM 챗봇이 “질문 → 텍스트 응답”에 머무르는 지식 엔진이라면, AI 에이전트는 그 지식을 실제 행동으로 옮겨 시스템을 변화시키는 실행 엔진입니다.
다시 말해, LLM이 ‘두뇌’ 역할을 한다면 에이전트는 여기에 ‘손과 발(도구 사용 능력과 자율 루프)’을 붙여 더 큰 목표를 스스로 완수하도록 만든 형태라 볼 수 있습니다.
예제: LLM과 AI 에이전트 차이
- LLM 챗봇: “서울 날씨 알려줘” → “오늘 서울은 맑고 최고 25 °C입니다.”
- AI 에이전트: “서울 날씨를 실시간으로 보여주는 간단한 웹 앱을 만들어 줘.”
- 관찰: 현재 디렉터리 확인, 필요한 라이브러리 존재 여부 확인
- 계획:
weather.py스크립트 작성 → OpenWeather API 호출 → Flask 서버 구성 → HTML 템플릿 생성 → 실행 스크립트 작성- 행동:
pip install flask requests실행, 코드 파일 생성, 로컬 서버 기동- 피드백: 브라우저에서 페이지 열어 날씨 데이터 정상 노출 확인 → CSS 수정으로 UI 다듬기
사용자는 한 문장만 입력했지만, 에이전트가 코딩-빌드-실행 전 과정을 완료해 즉시 사용 가능한 앱을 개발할 수 있습니다.
Observe-Plan-Act (OPA) Cycle
AI 에이전트가 “텍스트 답변” 수준을 넘어 실제 코드를 고치고 시스템을 배포하려면, 지금 해야 할 일을 스스로 판단하고 결과를 바탕으로 행동을 계속 조정해야 합니다.
이 메커니즘이 바로 Observe-Plan-Act(OPA) 사이클입니다.
OPA가 왜 중요한가?
- 관찰(Observe) 없이는 맹목적 실행
– 잘못된 파일을 수정하거나 이미 해결된 문제를 다시 건드릴 수 있습니다. - 계획(Plan) 없는 행동은 비효율
– 최적 경로(예: “UI → 로직 → 테스트”)를 잡지 못하면 시행착오가 늘어납니다. - 피드백이 없으면 품질 보장이 불가
– 결과를 점검하고 오류를 즉시 바로잡는 자율 루프가 필수입니다. - OPA 덕분에 다단계 워크플로우 자동화
– “코드 수정 → 빌드 → 테스트 → 배포” 같은 긴 파이프라인도 한 줄 프롬프트로 완주할 수 있습니다.
단계별 흐름
- Observe (관찰)
- 입력 프롬프트, 실행 결과, 코드·로그 등 현재 상태를 수집
- Plan (계획)
- 목표(예: “틱택토 AI 상대 추가”)에 도달할 행동 시퀀스를 작성
- Act (행동)
- 셸 명령 실행, API 호출, 코드 생성·수정 등 외부 도구와 상호작용
- Feedback (피드백)
- 행동 결과를 다시 관찰해 계획을 갱신 → 루프 반복
AI Agent 대표 도구
- Amazon Q CLI: 개발용 터미널 AI 에이전트
- GitHub Copilot Agent 모드: PR 생성·리팩터링 자동화
- OpenAI Codex: 소프트웨어 엔지니어링 에이전트
Q CLI 설치 및 사용방법
Amazon Q CLI는 터미널에서 실행되는 AI 에이전트 입니다.
대화형 프롬프트를 통해 코드 생성·리팩터링·테스트·배포 같은 개발 업무를 자동화하며, 수백 가지 CLI(예: git, docker, aws) 명령을 이해하고 실행 계획까지 제안합니다.
설치방법은 공식 가이드의 인스톨러를 사용하면 쉽게 설치할 수 있으며 설치 가이드 링크
윈도우에서는 WSL환경에서 사용가능합니다. 윈도우 설치 가이드
WSL에서 터미널 형식으로 사용해야 하므로 윈도우 환경에서는 사용이 불편합니다.
맥환경에서는 Shell Integration을 하면 터미널 자동완성등 유용한 기능을 사용할 수 있습니다.
댓글남기기