소개
예전에 ChatGPT를 활용해 부동산 경매 전자책을 만든 적이 있었어요. 그때는 문체를 정하고 실제 사례를 하나하나 수집해서 챕터별로 직접 만들어야 했죠. 나름 프로젝트처럼 짜임새 있게 했지만, 챕터 구성은 전적으로 제 몫이었기 때문에 시간이 꽤 걸렸어요.
이번에는 새로운 시도로 Claude Code(클코)를 활용해 전자책을 만들어보게 되었습니다. 처음엔 반신반의했지만, 클코에서는 구조화 작업을 도와주고, claude.md 파일에 있는 가이드를 통해 자연스럽게 글을 구성할 수 있어서 훨씬 효율적인 흐름이 가능했어요.
이번주에는 전자책 프로젝트는 커스텀커맨드를 쓰시는 사례를 보고 힌트를 얻어, Claude Code의 커스텀 커맨드 기능을 적극 활용해 보기로 했습니다. 지난주에 작성한 기획안에는 22개의 챕터를 구성해야 해서 동일한 것을 반복해야 했었습니다.
이를 위해 다음과 같은 방식으로 커맨드를 구성하고 사용했어요:
커맨드 설치 위치: 프로젝트 내부의
.claude/commands/폴더를 생성해 관리명령어 구조: 각 커맨드는 Markdown 파일로 저장하며, 파일명이 곧 명령어 이름이 됩니다
인자 전달:
$ARGUMENTS문법을 활용하면 커맨드 실행 시 동적으로 파일명을 넘겨줄 수 있어 재사용성이 높아집니다
# 다음 순서대로 작업해줘: # 1. @real-estate-auction-analyst.md 에이전트를 사용해서 지난번 이어서 챕터 내용을 작성해. # 2. 작성시 반드시 @부동산경매_베스트셀러_기획안.md 파일의 내용을 참고해서 방향성을 맞춰. # 3. 챕터 작성이 끝나면 @ebook-editor.md 편집 에이전트로 수정보완 작업을 진행해줘. # 4. 모든 결과를 한글로, 최대한 읽기 쉽게 전달해. 작업 요약: - 챕터 이어쓰기: @real-estate-auction-analyst.md - 참고자료: @부동산경매_베스트셀러_기획안.md - 최종 편집: @ebook-editor.md 필수조건: - 반드시 참고자료의 방향과 컨셉을 지켜서 내용 이어쓰기 - 모든 작업과정은 개별 에이전트에 명시적으로 위임 # 실제 실행 예시 @real-estate-auction-analyst.md: (이전까지 쓴 챕터를 바탕으로 다음 챕터 원고 작성, 참고: @부동산경매_베스트셀러_기획안.md) @ebook-editor.md: (위에서 생성한 원고를 기반으로 문장 다듬고 편집) # 참고: 커맨드 실행 시 파일명을 인자($ARGUMENTS)로 받아서 처리하도록 하면 반복 사용 가능이렇게 커맨드 기반으로 실행하면, 챕터마다 반복되는 작업을 자동화할 수 있어 일관성 있는 구조와 빠른 피드백 루프를 유지할 수 있습니다.
한마디로, 이번주에는 AI를 활용한 콘텐츠 제작의 자동화 실험장이자 프로덕션 환경 구축 사례였다고 볼 수 있습니다.
예를 들어, 챕터를 이어 쓸 때는
/we.md커맨드를 사용합니다.
그 명령어로 기획 방향을 잡을 때는@부동산경매_베스트셀러_기획안.md를 참고 자료로 삼으며, 최종 마무리 편집에는@ebook-editor.md를 통해 문장을 다듬는 방식이죠.
이처럼 단계별 역할을 분리하고 명확히 명시된 커맨드 흐름을 만들면서, Claude Code 환경에서 재사용성과 효율성을 크게 높일 수 있었습니다.
진행 방법
커스텀커맨드
/we로 챕터12 작성 →/ebook-editor로 바로 전문 편집까지 이어지는 자동화된 전자책 집필 플로우
사용한 도구
Claude Code (Anthropic Claude + Code 기능)
커스텀 커맨드 적용
기본 Plan에서 context 기능 일부 확인
작업 흐름
첫 주: 설정 작업 위주 (문체, 챕터 구성 방향, 참고자료 정리)
둘째 주: 본격적으로 글 작성 시작 (챕터별 초안 구성)
작업 방식: 커스텀 커맨드 기반 자동화 구성 → 반복작업 간소화 + 명확한 책임 분리
기억에 남는 경험
GPT는 제가 직접 챕터를 일일이 만들어야 했지만, 클코는 처음부터 구조화를 해줘서 훨씬 덜 막막했어요.
하지만 챕터 3개 정도만 작성해도 토큰이 거의 소진되는 상황이 자주 발생했어요. 이 때문에 중간에 멈추는 일이 많았고, 진도가 잘 안 나가더라고요. 단톡방에 보니 이림님과 샘호트만님의 설명이 있어서 체크를 해보아습니다
실제로 context usage를 확인해보니 Claude-Sonnet 기준 91k/200k tokens (46%) 가 사용된 상태였고, 주요 구성은 다음과 같았어요:
System prompt: 3.5k (1.8%)
System tools: 13.0k (6.5%)
MCP tools: 21.4k (10.7%)
Custom agents: 1.6k (0.8%)
Memory files: 3.7k (1.9%)
Messages: 48.2k (24.1%)
Free space: 108.5k (54.3%)
이처럼 메시지 누적만으로도 50% 가까이 사용되기 때문에, 글쓰기 작업을 오래 끌면 토큰 한계에 쉽게 도달하게 됩니다.
👉 여기서 중요한 포인트를 이림님의 조언을 통해 알게 되었어요:
"일단 클로드코드에서 /context 명령어를 쳐보세요. 이 명령어는 현재 Claude가 '기억하고 있는 정보의 양'을 보여주는 거예요. Claude는 200K 토큰을 제공하지만, MCP를 많이 설치하면 각 MCP의 사용법 설명서까지 context 공간을 차지하게 돼요. 실제로 그 MCP를 안 써도요.
예를 들어 MCP 10개 정도 설치되어 있으면 시작부터 40~50% 정도 찰 수도 있어요. 그럼 실제 작업에 쓸 수 있는 공간은 100K 정도 남는 셈이죠. 작업 중 파일을 읽어오다 보면 금방 꽉 차고, auto compact가 발생해요.
auto compact는 Claude가 공간이 부족해지면 이전 대화 내용을 요약 압축하는 기능인데, 이 때문에 세부 맥락이 끊기거나 이해하지 못하는 일이 발생할 수 있어요.
결론은, '많이 깔면 좋겠지'가 아니라 정말 필요한 MCP만 설치하는 게 중요하다는 이야기입니다."
이 내용을 보며 저도 제가 context 구조에 대해 정확히 모른 채 사용하고 있었다는 걸 뒤늦게 알게 되었고, 앞으로는 MCP 설치 개수와 context 사용량을 신중히 관리해야겠다고 느꼈어요.
샘 알트만도 최근 글에서 context length 관리의 중요성을 강조했듯, Claude 사용자라면 토큰 소비 구조를 꼭 이해하고 가야 할 것 같아요.
샘 알트만이 추천한 클로드 사용 방식 💡
샘 알트만이 언급한 바에 따르면, Claude와 같은 고맥락 모델을 사용할 때는 다음과 같은 방식이 바람직하다고 합니다:
1 작업(task) = 1 세션(session) 원칙을 지키기
세션이 길어지기 전에 수시로 /context 명령어로 사용량 체크하기
맥락 수용 한계는 40% 이내로 유지하기 (넘어가면 응답 품질 저하)
Auto Compact 기능 비활성화하고, 일정량 넘기면 수동으로
/clear명령어 사용하기정말 필요한 MCP만 설치해서 context 공간 확보하기
이런 식으로 사용하면 토큰 낭비 없이 훨씬 안정적인 결과를 얻을 수 있다고 해요.
결과와 배운 점
Claude를 활용하면 문서의 뼈대를 빠르게 세울 수 있다는 장점이 있었어요. 이전에 ChatGPT를 쓸 때보다 훨씬 빠르게 전체 그림을 잡을 수 있었죠.
다만, 챕터 3개 정도 작업하면 토큰이 다 차버리는 문제가 자주 발생했어요. 이로 인해 작업 흐름이 중단되거나 리프레시가 필요했죠.
context를 수시로 체크하고 관리하는 습관이 정말 중요하다는 걸 배웠습니다.
다음 단계로는 나머지 챕터를 완성하고, 내용을 점검해볼 예정입니다. 내용은 아직 맘에 드는 상태는 아닙니다. 앞으로 문체와 실전사례등을 추가해고, 나온 결과에 대해 손을 보아야 할 듯합니다.
도움 받은 글 (옵션)
샘 알트만의 context 관련 설명 글
이림님의 클코 context 관리 조언
🚀 Claude Code가 아직 낯선 분들에게 이 글이 작은 실마리가 되길 바랍니다. AI와 함께라면, 여러분도 전자책을 충분히 만들 수 있어요! 😉
