IDE부터 MCP까지, 흩어져 있던 개념을 하나의 그림으로 연결해보기

소개

이번 1주차에는 무언가를 바로 완성하기보다, AI 개발을 시작하기 전에 내가 먼저 이해해야 할 기본 개념들을 정리해보고자 했음.

GPTERS 스터디에 들어오면서 Cursor, Claude Code, Codex, Antigravity, Warp, MCP, API, Supabase, Docker 같은 단어들을 계속 접하게 되었는데, 처음에는 이 개념들이 전부 비슷비슷하게 느껴졌음.

어떤 것은 코드를 쓰는 도구 같고, 어떤 것은 AI 같고, 어떤 것은 서버 같고, 어떤 것은 데이터베이스 같았음. 그런데 각각의 역할을 모르니, “AI 에이전트를 만든다”거나 “MCP를 붙인다”는 말도 막연하게만 들렸음.

그래서 이번 주에는 무리하게 바로 개발을 시작하기보다, 내가 앞으로 AI 에이전트나 웹앱을 만들기 위해 필요한 기본 개념들을 GPT와 Claude Code에 계속 질문하면서 하나씩 이해해보기로 했음.

이번 사례글은 그 과정에서 내가 헷갈렸던 개념들을 질문하고, 답변을 바탕으로 내 식대로 정리해본 기록임.

진행 방법

먼저 가장 기본이 되는 IDE 개념부터 질문했음.

Cursor도 IDE라고 하고, VS Code도 IDE라고 하고, Antigravity도 개발환경처럼 보이는데, Claude Code나 Warp와는 무엇이 다른지 헷갈렸기 때문임.

정리해보니 IDE는 쉽게 말해 “개발자용 작업실”에 가까웠음. 코드를 쓰고, 파일을 관리하고, 실행하고, 오류를 확인하고, 터미널을 열고, Git을 다루는 통합 작업 공간이었음.

이 기준으로 보면 VS Code나 Cursor는 IDE에 가깝고, Claude Code는 IDE라기보다는 AI 코딩 에이전트에 가까웠음. Warp는 IDE가 아니라 명령어를 입력하고 실행하는 터미널이었음.

내가 이해한 방식으로 정리하면 이렇음.

Cursor나 VS Code는 작업실,
Warp는 명령어를 입력하는 창,
Claude Code는 작업실 안에서 같이 일하는 AI 개발자에 가까웠음.

그다음으로는 Antigravity에 대해 질문했음.

처음에는 Antigravity가 VS Code보다 더 상위 개념인지, 아니면 VS Code와 같은 종류인지 헷갈렸음. 내가 이해한 바로는 Antigravity는 전통적인 의미의 IDE 하나라기보다는, AI 개발을 위한 작업환경에 가까웠음.

즉 Antigravity 안에서 코드를 열고, 터미널을 사용하고, Claude Code 같은 AI 에이전트를 실행하고, 프로젝트를 관리할 수 있다면, 실질적으로는 VS Code에서 하던 일들을 상당 부분 대체하거나 포함할 수 있는 환경처럼 볼 수 있었음.

다만 “Antigravity가 VS Code보다 무조건 상위 개념이다”라고 이해하기보다는, “AI 에이전트 시대에 맞게 IDE, 터미널, 에이전트 실행 흐름을 묶어놓은 개발환경” 정도로 이해하는 것이 더 자연스러웠음.

이후에는 Markdown 개념도 정리했음.

Markdown은 프로그래밍 언어라기보다는 “문서를 구조화해서 쓰는 간단한 문법”이었음. 제목을 쓰고, 목록을 만들고, 코드를 구분하고, 강조 표시를 하는 방식임.

처음에는 Markdown도 개발 언어처럼 느껴졌는데, 실제로는 README.md, GitHub 문서, AI에게 전달하는 작업 지시서, 개발 문서 등에 많이 쓰이는 문서 작성 방식에 가까웠음.

특히 AI에게 작업을 시킬 때도 그냥 말로 길게 쓰는 것보다, Markdown 형식으로 제목, 요구사항, 조건, 예시를 나눠서 주면 훨씬 명확하게 전달할 수 있겠다고 느꼈음.

그다음으로는 API와 MCP의 차이를 질문했음.

이 부분이 가장 헷갈렸음. API도 외부 기능을 연결하는 것이고, MCP도 외부 도구를 연결하는 것처럼 들려서 거의 같은 말처럼 느껴졌음.

먼저 API는 “요청받는 쪽이 열어둔 기능 창구”라고 이해했음.

예를 들어 네이버 지도 API가 있다면, 네이버가 지도 기능을 외부에서 사용할 수 있도록 창구를 열어둔 것임. 내 서비스는 그 API에 요청을 보내고, 네이버는 그 요청을 받아 지도 데이터나 좌표, 경로 같은 결과를 응답해줌.

즉 네이버는 API를 제공하는 쪽이고, 내 서비스는 네이버 지도 API를 호출하는 쪽임.

실무에서는 “우리 서비스에 네이버 지도 API를 달았다”라고 표현하기도 하지만, 정확히는 “우리 서비스가 네이버 지도 API를 호출하도록 연동했다”는 의미였음.

MCP는 Model Context Protocol의 약자였음.

처음에는 이름부터 어렵게 느껴졌지만, 직관적으로는 “AI가 외부 도구를 사용할 수 있게 해주는 표준 연결 규격”이라고 이해했음.

API가 프로그램끼리 기능을 호출하기 위한 창구라면, MCP는 AI 에이전트가 외부 도구를 도구답게 이해하고 사용할 수 있도록 정리해주는 방식에 가까웠음.

예를 들어 “Korean Law MCP를 AI 에이전트와 연결했다”라는 말을 들었을 때 처음에는 “그냥 법률 API 붙였다는 말 아닌가?”라고 생각했음.

그런데 차이는 관점에 있었음.

API는 개발자 관점에서 “이 기능을 코드로 호출할 수 있다”는 느낌이고,
MCP는 AI 에이전트 관점에서 “AI가 이 도구를 필요할 때 직접 사용할 수 있다”는 느낌이었음.

즉 API는 기능 하나하나를 호출하는 창구이고, MCP는 AI가 여러 도구를 이해하고 골라 쓸 수 있게 해주는 표준 연결 방식으로 이해했음.

조금 더 쉽게 말하면 API는 “가게마다 따로 있는 주문 창구”이고, MCP는 “AI가 여러 도구를 공통 방식으로 사용할 수 있게 해주는 안내데스크”에 가까웠음.

이후에는 Supabase도 정리했음.

스터디나 AI 개발 관련 글을 보면 Supabase 이야기가 많이 나오는데, 처음에는 이게 서버인지, 데이터베이스인지, API인지 헷갈렸음.

정리해보니 Supabase는 “앱을 만들 때 필요한 백엔드 기능을 미리 제공해주는 서비스”였음.

웹이나 앱을 만들 때는 단순히 화면만 필요한 것이 아니라, 회원가입, 로그인, 데이터 저장, 파일 저장, 권한 관리, API 같은 기능이 필요함. 원래는 이 백엔드 부분을 직접 만들어야 하는데, Supabase는 이것들을 빠르게 붙일 수 있게 도와주는 서비스였음.

내가 이해한 방식으로는 이렇음.

Cursor나 VS Code는 코드를 만드는 곳이고,
Vercel은 만든 웹사이트를 인터넷에 배포하는 곳이고,
Supabase는 데이터베이스, 로그인, 파일 저장 같은 백엔드 기능을 맡는 곳임.

예를 들어 문의 수집 페이지를 만든다고 하면, 사용자가 이름, 연락처, 지역, 문의 내용을 입력했을 때 그 데이터를 어딘가에 저장해야 함. 이때 Supabase를 쓰면 별도의 백엔드 서버를 처음부터 직접 만들지 않아도, Supabase DB에 데이터를 저장하고 나중에 조회할 수 있음.

그다음으로는 Docker 개념을 질문했음.

맥미니를 사서 AI 에이전트를 24시간 돌리는 이야기를 하다 보니, 사람들이 Docker로 설치한다는 말을 많이 했음. 처음에는 “맥미니에서는 꼭 Docker로 설치해야 하나?”라고 생각했음.

정리해보니 꼭 그런 것은 아니었음.

Docker는 쉽게 말하면 “프로그램이 돌아가는 실행 환경 자체를 통째로 포장하는 기술”이었음.

예를 들어 어떤 프로젝트는 Python 3.10이 필요하고, 어떤 프로젝트는 Python 3.12가 필요할 수 있음. 또 어떤 프로젝트는 특정 라이브러리 버전이 필요하고, 다른 프로젝트는 다른 버전이 필요할 수 있음. 이걸 한 컴퓨터에 직접 다 설치하다 보면 환경이 꼬일 수 있음.

Docker는 프로젝트마다 독립된 실행 공간을 만들어줌. 그래서 내 컴퓨터 안에 여러 개의 작은 독립 공간을 만들어두고, 각각의 에이전트나 서비스가 자기 환경 안에서만 돌아가게 할 수 있음.

즉 Docker는 프로그램만 옮기는 것이 아니라, 그 프로그램이 실행되는 환경까지 같이 포장하는 기술로 이해했음.

마지막으로 맥미니를 개인 AI 서버처럼 쓰는 개념도 정리했음.

처음에는 맥미니를 서버처럼 쓴다는 말을 듣고, “맥미니는 컴퓨터가 아니라 하드웨어 서버 같은 건가?”라는 생각이 들었음.

그런데 알고 보니 맥미니도 그냥 맥 컴퓨터였음. 다만 모니터, 키보드, 배터리가 없는 작은 데스크탑 컴퓨터였음.

맥북은 들고 다니는 컴퓨터이고, 맥미니는 책상이나 집에 계속 켜두기 좋은 컴퓨터임.

그래서 AI 에이전트를 24시간 돌리고 싶다면 맥북보다는 맥미니가 더 적합할 수 있다는 것도 이해했음. 맥북은 덮으면 잠자기 모드가 되고, 이동 중에 꺼질 수도 있고, 배터리나 네트워크 상황에 영향을 받지만, 맥미니는 집이나 사무실 한쪽에 계속 켜두고 AI 에이전트를 실행시켜둘 수 있음.

처음에는 “모니터도 없는데 어떻게 조작하지?”라는 부분도 헷갈렸음.

정리해보니 처음 세팅할 때는 모니터와 키보드를 연결해서 설정하고, 이후에는 맥북프로에서 원격 접속해서 조작할 수 있었음.

즉 내 맥북프로는 작업용 컴퓨터이고, 맥미니는 24시간 실행용 컴퓨터로 쓰는 구조임.

내가 이해한 비유는 이렇음.

맥북프로는 내가 직접 들고 다니며 일하는 노트북이고,
맥미니는 집에 앉혀두고 24시간 일하게 만드는 AI 직원임.

결과와 배운 점

이번 주에 가장 크게 배운 점은, AI 개발은 단순히 “AI에게 질문을 잘하는 것”만으로 끝나지 않는다는 점이었음.

AI가 실제로 무언가를 만들고 실행하려면, 그 AI가 일할 수 있는 작업환경과 도구 구조를 이해해야 했음.

이번 주에 정리한 전체 그림은 이렇음.

IDE는 개발하는 작업실임.
Cursor, VS Code, Antigravity는 코드를 쓰고 프로젝트를 다루는 작업환경임.
Warp는 명령어를 입력하는 터미널임.
Claude Code나 Codex는 코드 작업을 도와주는 AI 에이전트임.
Markdown은 사람과 AI가 읽기 좋게 문서를 구조화하는 문법임.
API는 외부 서비스가 열어둔 기능 창구임.
MCP는 AI 에이전트가 외부 도구를 표준 방식으로 사용할 수 있게 해주는 연결 규격임.
Supabase는 앱에 필요한 DB, 로그인, 파일 저장 같은 백엔드 기능을 빠르게 붙이는 서비스임.
Docker는 프로그램 실행 환경을 통째로 포장해서 안정적으로 돌리게 해주는 기술임.
맥미니는 24시간 켜둘 수 있는 작은 맥 컴퓨터로, 개인 AI 에이전트 서버처럼 활용할 수 있음.

처음에는 이 단어들이 전부 흩어져 있어서 너무 어렵게 느껴졌음. 그런데 하나씩 질문하면서 정리해보니 결국 하나의 흐름으로 연결됐음.

내가 만들고 싶은 AI 에이전트나 앱이 있다면, 대략 이런 식의 구조가 된다고 이해했음.

먼저 Cursor나 Antigravity 같은 IDE에서 코드를 만듦.
Claude Code나 Codex에게 구현을 도와달라고 함.
필요한 데이터는 Supabase에 저장함.
외부 기능은 API를 호출해서 붙임.
AI가 외부 도구를 직접 쓰게 하려면 MCP를 연결함.
실행 환경이 복잡해지면 Docker로 묶음.
24시간 돌리고 싶으면 맥미니나 클라우드 서버에 올림.

이번 주는 무언가를 완성한 주라기보다는, AI 개발을 시작하기 위해 필요한 기본 지도를 그린 주였음.

이전에는 “AI 에이전트를 만든다”는 말이 막연하게만 느껴졌는데, 이제는 그 말이 조금 더 구체적으로 보임.

AI 에이전트는 그냥 채팅창 안에 있는 답변자가 아니라, IDE, 터미널, API, MCP, DB, 서버 같은 도구들과 연결되어 실제 작업을 수행하는 구조에 가까웠음.

과정 중에 겪은 시행착오도 있었음.

처음에는 IDE, 터미널, AI 에이전트의 차이를 구분하지 못했음. Claude Code도 IDE의 일종인지, Warp도 IDE인지, Antigravity가 VS Code보다 상위 개념인지 계속 헷갈렸음.

API와 MCP도 거의 같은 말처럼 느껴졌음. 둘 다 외부 기능을 연결하는 말처럼 들렸기 때문임.

하지만 질문을 반복하면서 “API는 개발자나 프로그램이 기능을 호출하는 창구”이고, “MCP는 AI 에이전트가 도구를 이해하고 사용할 수 있게 해주는 규격”이라는 식으로 관점을 나누어 이해할 수 있었음.

앞으로는 이 개념들을 바탕으로 아주 작은 실습을 해보고 싶음.

예를 들면 텔레그램 봇처럼 간단한 AI 에이전트를 만들고, 맥북에서 먼저 테스트한 뒤, 나중에는 맥미니나 서버에서 24시간 실행하는 구조까지 이어가보고 싶음.

이번 주는 “완성물”보다는 “개념 지도”를 만든 주였고, 앞으로 AI를 배운다는 것이 단순히 프롬프트를 잘 쓰는 것을 넘어, AI가 실제로 사용할 수 있는 도구와 환경을 하나씩 연결해가는 과정이라는 것을 알게 되었음.

도움 받은 글

이번 사례글은 특정 외부 글 하나를 참고했다기보다는, GPT와 Claude Code에 개념을 계속 질문하고, 답변을 다시 내 언어로 정리하는 방식으로 작성했음.

특히 아래 개념들을 중심으로 질문했음.

IDE와 Cursor, VS Code, Antigravity의 차이
Warp와 터미널의 역할
Claude Code와 Codex의 개념
Markdown의 특징
API와 MCP의 차이
Supabase의 역할
Docker의 개념
맥미니를 개인 AI 서버처럼 사용하는 방식

이번 주에는 AI에게 바로 결과물을 만들게 하기보다는, 내가 앞으로 AI 도구들을 제대로 활용하기 위해 필요한 기본 개념을 먼저 정리하는 데 도움을 받았음.

전체 흐름으로 다시 정리

내가 이번 주에 이해한 핵심 개념