🔹 소개
Streamlit을 활용한 웹 애플리케이션을 처음 개발하는 과정에서, 구조와 로직 흐름을 파악하는 것이 중요한 과제였습니다. Streamlit 모듈에 대한 사전 지식이 부족한 상태였기에, AI 기반 코드 편집기의 도움이 필수적이었습니다.
기존의 AI 코딩 도구(GitHub Copilot, ChatGPT 등)도 고려했지만, Cursor는 코드 수정과 요청이 간편하고, 파일을 분할하여 개발할 수 있는 기능이 뛰어나 더욱 적합하다고 판단했습니다. 또한, 별도의 컨텍스트 입력 없이 자동으로 코드베이스를 인식하는 기능도 매우 유용했습니다.
🔹 진행 방법 및 활용 기능
Cursor를 활용하여 다음과 같은 기능을 중점적으로 활용했습니다.
✅ 디버깅 및 오류 수정
AI를 활용하여 코드의 오류를 분석하고 수정 방향을 제안받음.
직접적인 수정 요청이 가능하여 빠른 반영이 이루어짐.
✅ 코드 개발 및 최적화
Streamlit 애플리케이션의 초기 구조를 잡는 데 사용.
코드 자동 완성 및 리팩토링을 통해 개발 속도를 향상.
✅ 분석 및 개선
코드의 로직 흐름을 파악하고, 불필요한 부분을 제거하여 최적화 진행.
🔹 사용 방식
Cursor의 무료 사용량이 소진된 후에는 API를 직접 연결하여 활용.
장점: 사용량만큼만 비용을 지불하는 구조로, 효율적인 비용 관리 가능.
단점: Composer 기능을 사용할 수 없으며, 긴 대화에서는 Token 소모량이 급증. 또한, 코드 수정 및 적용을 자동으로 할 수 없는 한계가 존재.
🔹 결과 및 배운 점
💡 개발 속도 극대화
코드 작성 시간을 줄이고, 디버깅 및 로직 개선에 집중할 수 있어 개발 효율성이 극대화됨.
💡 Streamlit과 AI의 강력한 조합
Streamlit에 대한 사전 지식 없이도 Cursor를 활용하여 빠르게 애플리케이션 개발 가능.
AI의 코드 분석 및 자동화 기능을 적극 활용하여 초기 진입 장벽을 효과적으로 낮춤.
💡 비용 관리의 중요성 인식
API 연결 후, Token 사용량이 예상보다 빠르게 증가하는 문제를 경험하며 AI 도구 활용 시 비용 관리 전략이 필요함을 깨달음.
추후 개선할 점
cursor rules를 적용