본문으로 건너뛰기

PRD를 고도화하고, AI 에이전트로 MVP를 구현한 과정

yeswin

2026.08.05

지난주 컨셉수업 GPTs에서 정리한 서비스 아이디어와 PRD를 바탕으로, 이번 주에는 Antigravity IDE의 AI 에이전트를 활용해 MVP를 구현하고 GitHub와 Cloudflare Pages를 통해 관리·배포했습니다.

토요일 모각에 참여하였기에 가능했던 결과였어서..옆자리에서 저보다 열심히 살펴봐주시며 도움주신 솔라나님부터 브랜든&박무재 스터디장님, Diane버디님, 에이아잇님, 미쉘님 모두 정말 감사드려요~💕

1. 지난주에는 서비스 컨셉과 PRD를 정리했습니다

처음에는 돌봄, 학습, 상담, 사용자 관리 등 여러 아이디어가 하나의 프로젝트 안에 함께 들어가 있었습니다.

기능은 많았지만, 첫 번째 MVP에서 무엇을 검증해야 하는지는 다소 흐려진 상태였습니다.

그래서 컨셉수업 GPTs를 활용해 지금까지 나온 아이디어를 다시 정리했습니다.

핵심은 큰 플랫폼을 한 번에 만드는 것이 아니라, 사용자가 일상에서 반복적으로 겪는 문제 하나에 집중하는 것이었습니다.

그 결과 첫 MVP는 다음과 같은 방향으로 압축했습니다.

> 바쁜 보호자가 현재 상황을 간단히 입력하면, 집에서 바로 실행할 수 있는 짧은 맞춤 활동 가이드를 받는 서비스

처음 구상했던 다양한 기능은 보류하고, 사용자가 실제로 신청하고 실행하는지를 확인할 수 있는 최소한의 흐름만 남겼습니다.

2. MVP의 목적을 다시 정의했습니다

이번 MVP의 목적은 완성된 대형 서비스를 만드는 것이 아니었습니다.

다음과 같은 사용자 행동이 실제로 발생하는지를 확인하는 데 초점을 맞췄습니다.

- 사용자가 서비스 설명에 공감하는가

- 간단한 신청 과정을 완료하는가

- 제공된 가이드를 실제로 실행하는가

- 사용 후 의견을 남기는가

- 추가 서비스에 관심을 보이는가

이 기준을 정하고 나니 구현해야 할 기능과 보류해야 할 기능이 명확해졌습니다.

이번 MVP에 포함한 범위

- 서비스 소개 페이지

- 간단한 신청 폼

- 조건에 맞는 결과 제공

- 결과 확인 화면

- 사용 후 피드백

- 최소한의 운영 확인 기능

- 개인정보 및 안전 고지

- 모바일 반응형 화면

이번 MVP에서 제외한 범위

- 회원가입과 로그인

- 커뮤니티

- 실시간 채팅

- 전문가 매칭

- 이미지·영상 분석

- 의료 또는 발달 진단

- 복잡한 결제 구조

- 대규모 추천 시스템

- 여러 유형의 사용자 계정

가장 어려웠던 점은 새로운 기능을 추가하는 일이 아니라, 좋아 보이는 기능을 보류하는 일이었습니다.

여행 가방에 계속 물건을 넣기보다, 이번 여행에 꼭 필요한 것만 남기는 과정과 비슷했습니다.

3. 컨셉수업 GPTs의 결과를 PRD로 고도화했습니다

MVP의 방향을 정한 뒤에는 내용을 실제 개발에 활용할 수 있도록 PRD.md로 구체화했습니다.

PRD에는 단순한 아이디어 설명뿐 아니라 AI 에이전트가 작업 기준으로 활용할 수 있는 내용을 담았습니다.

| 구분 | 정리한 내용 |

|---|---|

| 제품 정의 | 대상 사용자와 해결하려는 문제 |

| MVP 목표 | 확인하려는 사용자 행동 |

| 기능 범위 | 구현할 기능과 제외할 기능 |

| 사용자 흐름 | 방문부터 결과 확인과 피드백까지의 큰 흐름 |

| 화면 요구사항 | 각 페이지의 목적과 필수 요소 |

| 데이터 기준 | 필요한 정보와 저장 범위 |

| 오류 처리 | 입력 오류, 로딩, 실패 상태 |

| 개인정보 | 수집하지 않을 정보와 보호 원칙 |

| 안전 기준 | 서비스가 제공하지 않는 영역 |

| 테스트 기준 | 주요 기능의 정상 작동 여부 |

| 완료 조건 | MVP 완료를 판단하는 체크리스트 |

특히 AI 에이전트가 임의로 기능을 확장하지 않도록 다음 원칙을 문서에 포함했습니다.

- 기존 프로젝트 구조를 먼저 확인할 것

- 구현 전에 계획을 제시할 것

- MVP 범위를 벗어난 기능을 추가하지 않을 것

- 작업 단위를 나누어 진행할 것

- 각 단계가 끝날 때 기능을 직접 검증할 것

- 변경 파일과 남은 문제를 정리할 것

이 PRD는 단순한 기획 문서라기보다, AI 에이전트와 협업하기 위한 작업 기준서에 가까웠습니다.

4. Antigravity IDE의 AI 에이전트로 작업했습니다

고도화한 PRD.md를 프로젝트 최상위 경로에 저장하고, Antigravity IDE의 AI 에이전트가 해당 문서를 먼저 읽도록 설정했습니다.

처음부터 모든 기능을 한 번에 구현하도록 요청하지는 않았습니다.

먼저 다음 내용을 분석하게 했습니다.

- 현재 프로젝트 상태

- PRD와 비교했을 때 부족한 부분

- 유지할 기술 스택

- 페이지와 컴포넌트 구조

- 구현 순서

- 테스트 방법

- 개인정보 및 보안 위험

AI 에이전트가 계획을 제시한 뒤, 범위를 확인하고 단계별로 개발을 진행했습니다.

전체 작업 흐름은 다음과 같았습니다.

1. 기존 파일 구조 확인

2. PRD와 현재 구현 상태 비교

3. 부족한 기능 정리

4. 구현 순서 확인

5. 단계별 코드 수정

6. 브라우저에서 기능 검증

7. 오류 수정

8. 변경 내용 기록

5. 실제로 구현한 MVP 흐름

이번 작업에서는 복잡한 플랫폼 전체가 아니라 다음과 같은 기본 사용자 경험이 작동하도록 만드는 데 집중했습니다.

> 서비스 소개 → 간단한 신청 → 맞춤 결과 확인 → 사용 후 피드백

구체적인 추천 기준과 내부 운영 방식은 외부 공개 글에서 제외했습니다.

① 서비스 소개 페이지

첫 화면에서는 기능을 많이 설명하기보다 사용자가 자신의 문제라고 느낄 수 있는 메시지에 집중했습니다.

- 어떤 상황에서 사용하는 서비스인지

- 어떤 결과를 받을 수 있는지

- 이용 과정은 얼마나 간단한지

- 서비스가 제공하지 않는 영역은 무엇인지

- 신청은 어디서 시작하는지

② 간단한 신청 폼

신청 폼에는 결과 제공에 필요한 최소한의 항목만 포함했습니다.

사용자의 현재 상황, 가능한 시간, 선호 요소 등을 입력하면 다음 단계로 이동하도록 구성했습니다.

개인정보 보호를 위해 다음과 같은 정보는 수집하지 않는 방향으로 설계했습니다.

- 아이 또는 보호자의 불필요한 실명

- 정확한 주소

- 학교 또는 기관 정보

- 사진과 영상

- 의료 진단 정보

- 주민등록번호 등 민감정보

③ 맞춤 결과 화면

초기 MVP에서는 복잡한 생성형 AI 시스템보다 미리 검토한 콘텐츠를 조건에 맞게 제공하는 방식을 우선 적용했습니다.

결과 화면에는 사용자가 추가 검색 없이 바로 실행할 수 있도록 다음 내용을 포함했습니다.

- 추천 이유

- 예상 시간

- 필요한 준비

- 진행 순서

- 보호자가 사용할 수 있는 말

- 사용자가 거부할 때의 대안

- 난이도 조절 방법

- 안전 안내

④ 사용 후 피드백

결과를 제공하는 것만으로는 서비스가 실제로 도움이 됐는지 확인하기 어렵습니다.

그래서 사용 후 간단한 피드백을 남길 수 있도록 구성했습니다.

- 실제로 실행했는지

- 어느 정도 참여했는지

- 어떤 점이 좋았는지

- 어떤 점이 어려웠는지

- 다음에도 이용할 의향이 있는지

이번 MVP에서는 기능의 수보다 사용자가 실제로 행동했는지를 확인하는 것이 더 중요했습니다.

6. Antigravity IDE를 활용하며 느낀 점

Antigravity IDE의 AI 에이전트는 단순한 코드 자동완성 도구보다, 문서와 프로젝트 구조를 함께 읽고 작업 단위를 나누는 협업 도구에 가까웠습니다.

특히 다음 부분이 유용했습니다.

- 기존 코드를 먼저 분석할 수 있음

- PRD와 현재 구현의 차이를 비교할 수 있음

- 수정할 파일과 순서를 미리 확인할 수 있음

- 단계별 변경 사항을 추적할 수 있음

- 구현 후 테스트 결과를 정리할 수 있음

다만 AI 에이전트가 항상 정확한 것은 아니었습니다.

요구사항이 모호하면 필요하지 않은 기능을 제안하거나, 기존 구조를 과도하게 변경하려는 경우도 있었습니다.

그래서 다음 세 가지 원칙을 지키려고 했습니다.

1. 해야 할 것과 하지 않을 것을 분리한다.

2. 코드 수정 전에 계획을 확인한다.

3. 구현 후 브라우저에서 직접 검증한다.

AI 에이전트는 매우 빠른 작업자와 비슷했습니다. 목표와 경계를 명확히 알려주면 빠르게 움직이지만, 기준이 모호하면 예상과 다른 방향으로 갈 수 있었습니다.

7. GitHub로 변경 이력을 관리했습니다

프로젝트 코드와 PRD는 GitHub를 기준으로 관리했습니다.

- 작업 단위별 커밋

- PRD 변경 이력 관리

- 적용 전·후 코드 비교

- 문제가 생겼을 때 이전 상태 확인

- 배포 기준 브랜치 관리

AI 에이전트는 한 번에 여러 파일을 수정할 수 있기 때문에, 큰 작업이 끝날 때까지 기다리기보다 작은 단위로 저장하는 습관이 중요했습니다.

앞으로는 프로젝트 루트에 AI 작업 규칙 문서를 추가해 다음 내용을 고정할 계획입니다.

- 작업 전 PRD 확인

- MVP 범위 밖 기능 추가 금지

- 변경 전 현재 코드 점검

- 기능 완료 후 테스트

- 작업 종료 후 커밋과 Push 확인

- 수정 파일과 남은 문제 보고

외부 공개 글에는 저장소 주소, 브랜치 운영 규칙, 내부 이슈 번호, 커밋 식별자 등은 포함하지 않았습니다.

🔒 실제 저장소를 공개할 경우에는 환경변수, 개인정보, 테스트 계정, 관리자 정보가 포함되지 않았는지 반드시 확인해야 합니다.

8. Cloudflare Pages를 통해 배포했습니다

로컬에서 구현한 결과는 Cloudflare Pages를 이용해 실제 웹 환경에 배포했습니다.

배포 후에는 다음 내용을 다시 확인했습니다.

- 모바일 화면에서 주요 흐름이 완료되는지

- 새로고침 후 페이지가 정상적으로 표시되는지

- 직접 주소 접근 시 오류가 없는지

- 버튼과 페이지 이동이 정상적으로 작동하는지

- 빌드 환경에서 경로 문제가 발생하지 않는지

- 내부 설정값이 화면이나 로그에 노출되지 않는지

작업 과정은 다음 흐름으로 운영했습니다.

PRD 정리

→ Antigravity IDE에서 구현

→ 로컬 테스트

→ GitHub에 변경 사항 반영

→ Cloudflare Pages 배포

→ 실제 배포 화면 검증

9. 디자인 변경도 단계별로 관리했습니다

디자인을 개선할 때는 참고 자료를 별도 폴더에 모으고, 주요 화면을 캡처해 AI와 함께 개선 방향을 검토했습니다.

다만 “전체 디자인을 바꿔달라”는 식으로 요청하면 기존 사용자 흐름이나 브랜드 방향까지 크게 달라질 수 있습니다.

그래서 다음과 같이 범위를 나누었습니다.

변경 전

- 현재 화면 캡처

- 유지할 요소와 변경할 요소 구분

- 참고 디자인 정리

- 수정할 화면과 컴포넌트 지정

- 모바일 우선순위 확인

변경 후

- 적용 전·후 결과 분리

- 변경 파일 확인

- 기존 기능 유지 여부 점검

- 모바일 화면과 CTA 재검증

- GitHub에 변경 시점 기록

디자인도 한 번에 전체를 교체하기보다, 작은 범위로 나누어 검증하는 방식이 더 안전했습니다.

10. 개인정보와 안전 기준을 PRD에 포함했습니다

보호자와 아이의 상황을 다루는 서비스이기 때문에, 구현할 수 있는 기능보다 먼저 제공하지 않을 영역을 정의했습니다.

이번 MVP는 다음을 제공하지 않습니다.

- 의료 또는 발달 진단

- 치료나 개선 보장

- 장애 여부 판정

- 성적 향상 보장

- 전문기관 대체

- 보호자 없이 진행하는 활동 안내

또한 실제 테스트에서는 가상의 정보를 사용하고, 개인을 식별할 수 있는 데이터를 불필요하게 저장하지 않는 원칙을 세웠습니다.

서비스 화면에는 일반적인 활동 가이드이며 전문적인 의료·진단·상담 서비스를 제공하지 않는다는 안내를 포함했습니다.

기술적으로 구현할 수 있는 기능과 실제 서비스에 포함해도 되는 기능은 다를 수 있다는 점을 PRD 단계부터 고려했습니다.

11. 이번 작업에서 배운 점

첫째, PRD는 기능 목록보다 판단 기준에 가까웠습니다

AI 에이전트가 안정적으로 작업하려면 무엇을 만들지만 적어서는 부족했습니다.

다음 항목도 함께 필요했습니다.

- 왜 만드는가

- 무엇을 검증하는가

- 무엇은 만들지 않는가

- 어떤 상태를 성공으로 판단하는가

- 오류가 발생하면 어떻게 처리하는가

- 완료 여부를 어떻게 확인하는가

둘째, AI 에이전트의 결과는 컨텍스트 품질에 따라 달라졌습니다

단순히 “서비스를 만들어줘”라고 요청하는 것보다, PRD와 현재 프로젝트 상태를 먼저 비교하게 했을 때 더 안정적인 결과를 얻을 수 있었습니다.

## 셋째, MVP는 큰 서비스의 축소판이 아니었습니다

MVP는 많은 기능을 조금씩 구현하는 것이 아니라, 가장 중요한 가설을 가장 적은 범위로 확인하는 구조에 가까웠습니다.

## 넷째, 배포와 기록까지 해야 작업이 끝났습니다

로컬에서 화면이 보이는 것만으로는 충분하지 않았습니다.

GitHub에 변경 이력을 남기고, 실제 배포 환경에서 전체 흐름을 검증해야 결과를 신뢰할 수 있었습니다.

12. 다음 개선 과제

현재 버전은 초기 MVP이기 때문에 다음과 같은 과제가 남아 있습니다.

- 실제 사용자 테스트

- 신청 과정의 이탈 구간 확인

- 결과 콘텐츠의 만족도 확인

- 피드백 수집 방식 개선

- 운영 데이터 저장 방식 고도화

- 관리자 권한과 개인정보 보호 강화

- SEO와 GEO 기본 설정

- 분석 이벤트와 전환 측정 구조 정리

- 디자인 시스템과 AI 작업 규칙 문서화

다음 단계에서는 기능을 더 많이 추가하기보다, 실제 사용자가 서비스를 어떻게 이용하는지 확인하는 데 집중할 계획입니다.

마무리

이번 작업은 AI로 웹페이지를 빠르게 만드는 데서 끝나지 않았습니다.

컨셉수업 GPTs로 아이디어를 좁히고, PRD를 개발 기준으로 고도화한 뒤, Antigravity IDE의 AI 에이전트로 구현하고, GitHub와 Cloudflare Pages를 통해 관리·배포하는 전체 흐름을 경험했습니다.

AI 덕분에 코드 작성 속도는 빨라졌지만, 그만큼 더 중요해진 질문도 있었습니다.

> 무엇을 만들 수 있는가보다, 지금 무엇을 검증해야 하는가?

명확한 컨셉, 제한된 MVP 범위, 구체적인 PRD, 작은 작업 단위, 직접 검증하는 습관이 함께 있어야 AI 에이전트도 제대로 활용할 수 있다는 것을 배웠습니다. 😊

1

함께 이야기해요 1

로그인하고 댓글을 남겨 주세요

애진 프로필 이미지
애진2026.08.10

좋아 보이는 기능을 더하는 것보다, 이번 MVP에서 무엇을 검증하고 무엇을 보류할지 정하는 일이 더 어려웠다는 말씀에 깊이 공감해요. PRD를 단순 기능 목록이 아니라 AI 에이전트와 협업하기 위한 판단 기준으로 만들고, 구현·기록·배포 후 실제 환경 검증까지 연결하신 흐름이 정말 탄탄해보여요.

필요한 AI 정보만
메일함에 쏙쏙 넣어드려요.

지금 핫한 AI 소식부터 직접 해 본 사례까지, 월요일마다 무료로 받아보세요

이런 사례도 있어요

사례 전체 보기