기본 콘텐츠로 건너뛰기

인프라 엔지니어가 Claude로 자동화 스크립트 만든 후기

들어가며

10년 가까이 인프라 엔지니어로 일하면서 가장 많이 했던 게 반복 작업이었습니다. 서버 로그 정리, 배치 스크립트 관리, 모니터링 설정 등 매번 비슷한 코드를 손으로 쓰다 보면 "이거 자동화하면 좋을 텐데"라는 생각이 들죠. 하지만 막상 스크립트를 짜려고 하면 문법 찾아보고, 예외 처리 고민하고, 시간이 생각보다 오래 걸립니다. 저는 최근 Claude를 활용해서 STT 자동화 스크립트를 만들었는데, 생각보다 훨씬 빠르고 정확하게 작업을 마칠 수 있었습니다. 이 글에서는 Claude로 인프라 자동화 스크립트를 만들 때 어떤 점이 좋았는지, 어떤 방식으로 활용하면 효과적인지 제 경험을 바탕으로 정리해봤습니다.

Claude가 스크립트 작성에 적합한 이유

저는 그동안 ChatGPT, Copilot 등 여러 AI 도구를 써봤는데, Claude는 코드 작성에서 특히 두 가지 강점이 있었습니다.

긴 코드도 맥락을 잘 유지한다

인프라 스크립트는 보통 100줄 이상 넘어가는 경우가 많습니다. 로그 파싱, 에러 핸들링, 외부 API 호출 등이 섞이다 보면 파일 하나에 200~300줄도 흔합니다. 다른 AI 도구들은 중간에 맥락을 놓쳐서 앞에서 정의한 변수를 다시 물어보거나, 함수 구조를 헷갈려하는 경우가 있었습니다. Claude는 긴 대화에서도 앞서 요청한 구조를 기억하고, 일관된 코드 스타일을 유지했습니다. 특히 제가 "아까 만든 함수에 로깅 기능만 추가해줘"라고 하면, 전체 구조를 유지하면서 필요한 부분만 정확히 수정해줬습니다.

설명을 요구하면 진짜 이해할 수 있게 답한다

스크립트를 만들고 나면 나중에 유지보수해야 하는데, AI가 만든 코드는 가끔 "왜 이렇게 짰지?" 싶은 부분이 있습니다. Claude는 제가 "이 부분 왜 이렇게 처리했어?"라고 물으면, 단순히 코드 설명이 아니라 왜 그 방식이 더 안전한지, 어떤 예외 상황을 고려했는지까지 설명해줍니다. 인프라 엔지니어 입장에서는 이게 정말 중요합니다. 새벽에 장애 나서 급하게 스크립트 고칠 때, 코드 로직을 빠르게 파악할 수 있어야 하거든요.

실제로 어떻게 활용했는지

저는 Claude에게 처음부터 완성된 스크립트를 요구하지 않았습니다. 대신 단계별로 나눠서 작업했습니다.

1단계: 기본 구조 먼저 잡기

먼저 "Python으로 음성 파일을 텍스트로 변환하는 스크립트 기본 구조 만들어줘. 입력은 디렉토리, 출력은 JSON 형식"이라고 요청했습니다. Claude는 argparse로 인자 받고, 파일 탐색하고, 결과 저장하는 뼈대 코드를 만들어줬습니다. 이 단계에서는 실제 STT API 연동 없이, 파일 입출력 로직만 확인했습니다.

2단계: API 연동 및 에러 처리

그 다음 "여기에 OpenAI Whisper API 연동하고, API 호출 실패 시 3번까지 재시도하는 로직 추가해줘"라고 했습니다. Claude는 requests 라이브러리로 API 호출 코드를 넣고, try-except 구문으로 네트워크 에러, 타임아웃, 인증 실패를 각각 처리하는 코드를 작성했습니다. 여기서 인상적이었던 건, 제가 요청하지 않았는데도 rate limit 에러를 따로 처리하고, 재시도 시 exponential backoff를 적용한 점입니다.

3단계: 로깅과 모니터링

마지막으로 "처리 진행 상황 로그로 남기고, 실패한 파일 리스트 별도로 저장해줘"라고 요청했습니다. Claude는 Python logging 모듈로 INFO, ERROR 레벨 분리하고, 실패한 파일은 failed_files.txt에 기록하는 코드를 추가했습니다. 나중에 cron으로 돌릴 때 로그 파일만 확인하면 되니까 운영이 훨씬 편해졌습니다.

Claude를 쓸 때 주의할 점

물론 모든 게 완벽하지는 않았습니다. 몇 가지 주의할 부분이 있었습니다.

보안 관련 코드는 반드시 검토해야 한다

Claude가 만든 코드에서 API 키를 환경변수로 처리하는 건 좋았는데, 로그 파일에 민감한 정보가 찍히는 부분을 놓쳤습니다. 제가 직접 로그 출력 부분을 검토하면서 마스킹 처리를 추가했습니다. AI는 일반적인 보안 원칙은 알지만, 실제 운영 환경에서의 민감도까지는 판단하지 못합니다.

라이브러리 버전 확인 필요

Claude가 제안한 코드 중 일부는 구버전 라이브러리 문법이었습니다. 특히 Python 3.11 환경에서 돌리는데 deprecated된 함수를 쓴 경우가 있어서, 공식 문서 확인 후 수정했습니다. 이건 Claude만의 문제는 아니고, AI 도구 전반의 한계인 것 같습니다.

내가 직접 써본 결과

실제로 회사에서 STT 실행 자동화 스크립트와 프로젝트 통합 기록 프로그램을 Claude로 작업했습니다.

가장 기억에 남는 건 RHEL 9.3 환경에서 STT 코드를 짤 때입니다. 처음에는 다른 AI 도구로 시도했는데, 라이브러리 파일 경로를 못 찾는 에러가 계속 났어요. 같은 답변만 반복하더라고요. 같은 질문을 Claude에게 했더니 환경 정보를 따라와서 한 번에 정확한 경로의 코드가 나왔습니다.

회사 프로젝트 통합 기록 프로그램은 혼자 처음부터 짰으면 한 달은 걸렸을 작업이었어요. Claude로 일주일 만에 기본 형태가 나왔고, 무엇보다 코드 주석을 잘 달아줘서 나중에 문서로 변환할 때도 편했습니다. 인프라 일은 다른 팀원에게 인계할 일이 잦은데, 그 부분에서 큰 도움이 됐습니다.

저는 폐쇄망 환경에서 일이 많은데, 외부 AI 도구를 쓸 수 있는 자리에서 답을 받아 들고 들어가는 식으로 활용하고 있습니다. 환경 의존적인 문제일수록 Claude의 차이가 컸어요.

자주 묻는 질문

Claude 무료 버전으로도 충분한가요?

간단한 스크립트라면 무료 버전으로도 가능합니다. 다만 저는 Pro 버전을 쓰는데, 긴 코드 파일을 한 번에 올려서 리팩토링 요청하거나, 여러 번 수정 요청할 때 대화 횟수 제한 없이 쓸 수 있어서 편합니다. 체감상 복잡한 인프라 스크립트는 Pro가 작업 속도를 2배 이상 빠르게 해줍니다.

코딩을 잘 못해도 스크립트를 만들 수 있나요?

기본적인 프로그래밍 개념은 알아야 합니다. 변수, 함수, 조건문 정도는 이해해야 Claude가 만든 코드를 검토하고 수정할 수 있습니다. Claude는 코드를 빠르게 만들어주지만, 그 코드가 내 환경에서 제대로 작동하는지 판단하는 건 결국 사람 몫입니다. 문법을 몰라도 되지만, 로직은 이해해야 합니다.

ChatGPT와 비교하면 어떤가요?

저는 둘 다 쓰는데, 용도가 조금 다릅니다. ChatGPT는 빠른 코드 스니펫이나 간단한 함수 만들 때 좋고, Claude는 파일 전체를 다루거나 복잡한 로직 설계할 때 더 정확했습니다. 특히 인프라 스크립트처럼 예외 처리가 많고 파일 구조가 긴 경우에는 Claude가 맥락을 더 잘 유지했습니다.

만든 스크립트 그대로 운영에 쓸 수 있나요?

절대 안 됩니다. Claude가 만든 코드는 초안이라고 생각해야 합니다. 실제 서버에 올리기 전에 테스트 환경에서 엣지 케이스 확인하고, 로그 검토하고, 보안 이슈 체크해야 합니다. 저는 보통 Claude로 코드 80% 완성하고, 나머지 20%는 직접 검토하고 수정합니다.

프롬프트 작성에 요령이 있나요?

구체적으로 요청할수록 좋습니다. "스크립트 만들어줘"보다는 "Python 3.11 기준, argparse로 인자 받고, 에러는 stderr로 출력, 결과는 JSON 형식으로 저장하는 스크립트 만들어줘"처럼 요구사항을 명확히 하면 수정 횟수가 줄어듭니다. 그리고 한 번에 다 요청하지 말고, 기능별로 나눠서 단계적으로 추가하는 게 관리하기 편합니다.

마치며

Claude는 인프라 엔지니어가 반복 작업을 줄이고, 스크립트 작성 시간을 단축하는 데 실질적으로 도움이 됩니다. 완벽한 코드를 만들어주지는 않지만, 빠른 프로토타이핑과 초안 작성에는 충분히 유용합니다. 저는 앞으로도 단순 반복 스크립트는 Claude로 초안 만들고, 중요한 로직이나 보안 부분은 직접 검토하는 방식으로 쓸 계획입니다. AI 도구를 맹신하지 말고, 작업 속도를 올리는 보조 도구로 활용한다면 충분히 가치가 있습니다.

📌 참고 자료

본 글은 운영자의 실제 사용 경험을 기반으로 작성됐습니다. 도구의 정책, 가격, 기능은 각 서비스 정책에 따라 변경될 수 있으므로 최신 정보는 공식 사이트에서 확인하시기 바랍니다.

본 글은 어떠한 협찬·광고 관계 없이 작성됐습니다. 운영자의 개인 경험이며, 모든 사용자에게 동일하게 적용되지 않을 수 있습니다.

최종 검토일: 2026년 05월 04일

라벨:

댓글

댓글 쓰기

댓글로 의견 부탁드립니다. 욕설·광고는 삭제됩니다.

이 블로그의 인기 게시물

RHEL 9.3에서 Docker rootless 변환 작업, Claude Code로 3시간 만에 해결한 후기

들어가며 STT/TTS 인프라를 설치하는 일을 하다 보면 평소 같은 설치는 별 문제가 없습니다. 문서대로 따라가면 되니까요. 진짜 문제는 보안 정책이 까다로운 고객사 환경에서 시작됩니다. 최근에 RHEL 9.3 환경에서 Docker를 rootless로 변환하라는 고객사 요청을 받았는데, 이 작업에 거의 3시간을 매달렸습니다. Gemini도 써보고 Claude도 써봤는데 결국 해결한 건 Claude Code였습니다. 이 글에서는 그 과정과, 인프라 엔지니어 입장에서 RHEL 환경에서 AI 도구를 어떻게 활용하는 게 효율적이었는지 솔직하게 정리해봤습니다. 문제 상황 — Docker rootless 변환 Docker에는 rootful과 rootless 두 가지 실행 방식이 있습니다. 일반적으로는 root 권한으로 실행하는 rootful이 편한데, 보안에 민감한 고객사는 root 권한으로 컨테이너가 도는 걸 좋아하지 않습니다. 권한 분리가 명확하지 않다는 이유로요. 이번 프로젝트 고객사도 같은 요청을 했고, 기존에 rootful로 설치돼 있던 STT 인프라를 rootless로 변환해야 했습니다. 처음 접근은 단순했습니다. rootless로 다시 설치하면 되겠다 싶었는데, 막상 작업해보니 전체 구성이 rootless로 통일되면서 새로운 문제가 생겼습니다. root 권한으로 가져와야 하는 환경 리소스를 일반 사용자 권한으로는 가져올 수 없는 부분이 있었기 때문입니다. 부분적으로는 rootless로 동작해야 하지만, 특정 리소스는 root 권한이 필요한 상황이었습니다. Gemini와 Claude로 먼저 시도했던 이유 처음에는 Gemini를 썼고, 그 다음에 Claude도 써봤습니다. 두 도구 모두 답변은 잘 해줬는데 문제는 따로 있었습니다. 답변을 받아도 직접적으로 환경에서 확인해볼 수가 없으니, 적용했다가 안 되면 다시 질문하고, 다시 안 되면 또 질문하는 패턴이 반복됐습니다. 대화형 AI 도구의 답변은 일반적으로 잘 정리돼 있긴 한데, 제 환경...
댓글 쓰기
자세한 내용 보기

AI로 블로그 글 100편 자동 발행했더니 일어난 일

들어가며 2개월. 100편. AdSense 거절 1회. 이게 제가 첫 블로그를 운영하고 받은 성적표입니다. 거절 메일을 받고 한참을 멍하니 화면을 봤습니다. 글이 백 편이나 있는데, 도대체 뭐가 부족하단 말인가 싶었거든요. 지금 돌아보면, 부족한 게 없는 게 아니라 전부 부족했습니다. 그리고 그걸 깨닫는 데 두 달이 걸렸어요. 같은 길을 가려는 분들이 같은 시간을 낭비하지 않으셨으면 해서, 솔직한 회고록을 남깁니다. 1. 왜 시작했나 — 자동화에 대한 환상 저는 IT 인프라 엔지니어입니다. 평소 업무에서 자동화를 자주 다루다 보니, "AI로 글까지 자동화하면 부수입이 되겠다"는 생각이 자연스러웠습니다. 검색해보니 유튜브에는 그런 광고가 넘쳤어요. "하루 30분 투자로 월 100만원" , "AI로 자동 발행하고 잠자는 동안 수익" 같은 것들요. 처음엔 자동화보다 직접 써보자는 마음이었습니다. 그런데 알아볼수록 자동화 콘텐츠가 너무 많이 나왔고, 결국 "다들 하니까 나도"라는 마음으로 시작했습니다. 솔직히 말하면, 가족 사정도 있었습니다. 두 딸의 아버지로서 본업 외에 부수입이 절실했고, 자동 블로그는 가장 적은 돈으로 시작할 수 있는 부수입처럼 보였거든요. 2. 시스템 구축 — Antigravity와 Leo Agent 처음 만든 시스템은 유튜브에서 본 antigravity 기반 자동 발행 도구를 제 상황에 맞게 변형한 것이었습니다. 발행 도구 이름은 제가 보던 유튜브에서 만들었고 이름은 "Leo Agent" 였습니다. 처음엔 하루 1편으로 시작했어요. 그런데 너무 적어 보여서 하루 2편, 그러다 3편으로 늘렸습니다. 4시간 간격으로 발행하면 좋다는 글을 보고, "그럼 아침·점심·저녁이 사람들이 가장 많이 보는 시간이지 않나?" 싶어서 그 패턴으로 갔습니다. 주제는 처음엔 정하지 못해서 제 일상 이야기를 쓰다가,...
댓글 쓰기
자세한 내용 보기

Claude vs Gemini vs ChatGPT — 인프라 엔지니어가 다 써본 솔직한 비교

들어가며 AI 도구를 쓰다 보면 결국 다 한 번씩은 써보게 됩니다. 저도 인프라 엔지니어로 일하면서 ChatGPT, Claude, Gemini를 모두 써봤습니다. 이 글은 세 도구를 일정 기간 이상 직접 사용해본 사람의 솔직한 후기입니다. 어떤 도구가 무조건 좋다는 결론은 없습니다. 작업 종류와 상황에 따라 다르고, 비용 부담도 무시할 수 없으니까요. 비슷한 고민을 하시는 분들께 작은 참고가 됐으면 합니다. 처음은 ChatGPT였다 당연한 시작이었습니다. ChatGPT가 가장 먼저 나왔고, 그래서 처음 써본 도구도 ChatGPT였습니다. 처음 썼을 때는 정말 신기했습니다. 질문하면 답이 나오고, 코드도 짜주고, 모르는 개념도 설명해주니까요. 그래서 유료 결제도 했습니다. 그런데 쓰다 보니 점점 불만이 생겼습니다. 답변이 느려지는 느낌도 있었고, 같은 작업을 시켜도 결과가 일정하지 않았습니다. 프롬프트를 아무리 잘 작성해도 어느 순간 한계가 명확하게 보였습니다. 특히 코드 작업이 길어지면 앞에서 한 약속을 잊거나, 엉뚱한 방향으로 가는 일이 많았습니다. 결국 점점 안 쓰게 됐습니다. 지금은 거의 사용하지 않고, 구독은 일단 해지 예정으로 두고 있습니다. 다만 ChatGPT가 무조건 나쁘다는 건 아닙니다. 일상 정보 검색이나 그림 분석 같은 일반 사용에는 여전히 정보가 풍부해서 강점이 있다고 봅니다. 단지 제 작업—인프라와 코드 중심—에는 맞지 않았을 뿐입니다. Claude — 코드 작업에서 진가 Claude는 처음에 존재 자체를 몰랐습니다. 주변에서 쓰는 사람도 없었고요. 그러다가 코딩 작업에 강점이 있다는 이야기를 듣고 써보기 시작했습니다. 처음 써보고 가장 인상적이었던 건 코드 품질이었습니다. 같은 요청을 했을 때 코드가 깔끔하고 정렬이 잘 되어 있었습니다. 주석도 충실해서 긴 코드라도 나중에 다시 봤을 때 이해하기 쉬웠습니다. ChatGPT나 Gemini에서 받은 코드는 주석이 약해서 시간이 지나면 "이게 왜 이렇게 됐...
댓글 쓰기
자세한 내용 보기