어떤 스터디를 선택해야 할까? 고민하는 지피터를 위한 비교 리서치

소개

MVP를 직접 만들어보고 싶었지만 개발 경험이 전무한 비개발자 입장에서 어떻게 시작해야 할지 그리고 어떤 스터디에 참여해야 할지 막막했어요. 여러 스터디 커리큘럼이 자세히 설명되어 있다는 것을 알게 되었고, 그중 어떤 트랙이 제 아이디어를 실현하는 데 가장 적합할지 고민하다가, 공통 OT 시간에 배운 방식대로 커리큘럼을 분석해보게 되었어요. 그 결과, 저에게 맞는 방향이 조금씩 보이기 시작했습니다.

진행 방법

아이디어: "내 서비스"를 4주 안에 MVP로 구현하고 싶은데, 어떤 스터디가 좋을까?
리서치 방식: 4개의 서로 다른 커리큘럼을 비교했어요:
1. n8n · MCP · Lovable
2. Firebase Studio · A2A
3. CTO 프로젝트
4. Cursor (솔로프러뉴어형)
  - 아래와 같이 커리큘럼 내용을 싹 다 복사하고,
  - 아래 전체 오티에서 개발자F님이 알려주신 방법으로 프롬프트와 모델을 설정해서 분석했어요.
기준: 공통 MVP 목표(주차별 핵심 산출물)를 기준으로, 내가 만들고자 하는 MVP를 기준으로 각 트랙이 어떻게 해당 산출물을 실현할 수 있을지 커리큘럼을 비교해서 매핑해봤어요.

결과물

✅ 트랙 선택 빠른 길잡이

당신의 현재 역량·환경

✅ 주차별 매핑 표 (공통 과제 ↔ 각 트랙 실습)

공통 MVP Plan 요구 산출물

n8n·MCP·Lovable

Firebase Studio·A2A

CTO 프로젝트

Cursor

1주차
· 서비스 흐름도
· 프롬프트 v1
· 와이어프레임

- n8n “미니 연결” 예제 → 대화 트리거·DB 노드 목업
- MCP 스키마 작성 과제
- Lovable 템플릿으로 와이어프레임

- Firebase Studio OT : 샘플 프로젝트 수정 → User Flow 화면 생성
- Genkit로 초기 LLM 함수 스캐폴딩

- OT에서 문제·타깃 정의 → Figma로 UX 흐름도
- GPT-4o로 초기 프롬프트 생성

- Cursor PRD(todo.md)에 요구사항 기재
- AI Agent로 초기 React 페이지 생성

2주차
· FastAPI β / DB 스키마

- n8n HTTP Request 노드로 임시 API 작성
- PostgreSQL 노드 연결 → ERD 시각화

- Firestore 컬렉션 설계, Functions로 API (FastAPI 대체)

- 실제 FastAPI 코딩 & 마이그레이션 스크립트 작성 사례 공유

- Cursor에서 Supabase SDK 호출 코드 자동 생성

3주차
· 프론트 α / 챗 UI 연동

- Lovable에서 챗 위젯 + 요약 패널 빌드
- Webhook → n8n(MCP) 호출

- Firebase Hosting + React 템플릿에 챗 컴포넌트 추가
- A2A로 “요약 Agent” ↔ “매물 Agent” 메시지 교환

- Next.js 프런트, 마이크로카피·UX 리뷰 세션

- Cursor Live Preview로 UI 급속 수정, Pretotyping 실행

4주차
· 사용자 테스트 / 런칭

- Lovable “배포” 버튼으로 커스텀 도메인 연결
- n8n 모니터링 → 파이프라인 안정화

- Cloud Run(Functions) + Hosting 프로덕션 배포
- A2A 데모 발표

- Demo Day : 지표·피드백 공유, Growth 해킹 플랜

- Pretotyping 데이터 → 시장 반응 보고서 작성, MVP 공개

🔍 키 포인트 : 산출물 이름은 동일하지만 “어떤 툴로 만들었는지”만 다릅니다.
예) 프롬프트 v1 → n8n 트랙은 MCP JSON 파일, Firebase 트랙은 Genkit 함수, CTO 트랙은 직접 코드.

✅ 트랙별 상세 가이드

1. n8n·MCP·Lovable (노코드 하이브리드)

n8n 서버 접속 → 워크플로우 기본 3단계
- Webhook ➜ Function (프롬프트 생성) ➜ PostgreSQL
- 실시간 응답 확인은 n8n “Execute Workflow” 버튼
MCP 파일 구조
```
yaml
```
복사편집
id: req_summary input_schema: user_query: string output_schema: emoji_summary: string missing_fields: string[]
Lovable
- “AI 챗” 구성 요소 드래그 → 외부 API URL에 n8n Webhook 입력
- 사이드 패널은 “데이터 바인딩”으로 emoji_summary 매핑
배포 : 도메인 설정 → SSL 자동 적용 → 공유 링크 Slack 테스트

2. Firebase Studio·A2A

Genkit 템플릿으로 summarizeIndustrial.ts 생성
```
ts
```
복사편집
export const summarizeIndustrial = defineFunction(...)
Firestore
- conversations/{sessionId} 컬렉션
- 서브컬렉션 messages로 로그 저장 → BigQuery 연결
A2A
- “Collector Agent”(매물 크롤링) ↔ “Summarizer Agent” 협업
- YAML 메타로 에이전트 등록
CI/CD : “Deploy → Prod” 원클릭, Preview 채널로 QA

3. CTO 프로젝트 (코딩 주도)

Monorepo : Turbo Repo + pnpm, packages/*에 공통 타입
Prompt Versioning : Git LFS + YAML, PR 리뷰 시 Diff 확인
마케팅 연동 : Supabase Edge Functions로 이메일 전환 추적, GA4 이벤트
Demo Day : KPI 보드(Grafana) + Live Demo 스크립트 준비

4. Cursor (AI IDE, 솔로)

/ideas.mdx 파일에 GPT 아이디어 → 자동 PRD 생성
“Generate Route” 명령으로 /api/chat.ts scaffold 생성
Pretotyping : Netlify Edge Functions로 라이트 버전 우선 배포 후 고객 인터뷰
Iterate : ⌘+K → Improve Code로 리팩터, 30분 스프린트 반복

✅ 공통 체크리스트 (트랙 무관)

LLM 비용 : context_window 최소화, 동일 프롬프트 Response 캐싱
개인정보 보호 : 민감정보 마스킹 → 30일 후 삭제 스케줄러
품질 지표 : 응답 지연(초), 요약 정확도(수동 샘플 평가) 매주 기록
에러 핸들링 : “정보 부족” 폴백 문구, 재시도 지수백오프(back-off) 적용

결론과 배운 점

📌 주요 인사이트

산출물은 같아도 사용 도구가 다르다.
- 프롬프트 v1도 어떤 트랙은 코드(JSON), 어떤 트랙은 함수 정의, 어떤 트랙은 YAML 등 형식이 달랐어요.
비개발자에게는 n8n 트랙이 가장 접근성 높다는 결론에 도달!
- 특히 MCP를 통해 LLM 입출력을 구조화하고, Lovable로 챗 UI를 쉽게 구성할 수 있는 점이 인상적이었어요.

🧠 얻은 교훈

‘내가 뭘 만들고 싶은가’만 정의할 수 있다면,
각 트랙은 마치 같은 목적지를 향한 다른 경로 같아요. 🚶‍♀️🚴‍♂️🚗
사실 산출물 내용 중 많은 부분은 아직 잘 이해가 되지 않지만, 어쨌든 중요한 건, 주차별 결과물만 지키면 어떤 트랙이든 완주 가능하다는 자신감이 생겼어요!

⏭️ 다음 계획

저는 n8n · MCP · Lovable 트랙으로 진행하면서, 필요 시 Firebase Hosting을 혼합하는 전략을 써볼 생각이에요.
이후에는 Pretotyping 방식으로 사용자 피드백을 빠르게 받고, 개선하는 주기를 만들어보려 해요.

도움 받은 글

[16기 공통OT 자료]
[16기 스터디 커리큘럼 소개글]

이 비교 경험이 저처럼 "개발은 처음인데 진짜 MVP를 만들어보고 싶은 사람"에게 도움이 되길 바랍니다! 🙌

⏰ (단, 5일) AI스터디 17기 슈퍼얼리버드 START | 빠르게 합류하세요 🚀