00:00:00AI 에이전트가 점점 성능이 떨어지는 걸까요, 아니면 그저 잘못된 정보를 바탕으로 작동하고 있는 걸까요?
00:00:03에이전트의 가장 큰 문제는 바로 '컨텍스트'입니다.
00:00:06에이전트에게 정보가 부족하거나 기억력이 나빠서가 아니라,
00:00:09검증된 정보원, 즉 '신뢰할 수 있는 단일 출처'에 기반을 두지 않았기 때문입니다.
00:00:12결국 잘못된 정보를 처리하기 때문에 성능이 저조하게 나타나는 것이죠.
00:00:15구글의 NotebookLM에 대해 들어보셨을 겁니다.
00:00:18리서치 능력이 매우 뛰어나고 팟캐스트 생성 기능까지 갖춘 도구죠.
00:00:22하지만 그 이상의 활용 가치가 있다면 어떨까요?
00:00:23저희 팀은 이 리서치 도구를 다양한 각도에서 테스트하여
00:00:27실제 개발 워크플로우에 통합할 방법을 찾아보았습니다.
00:00:30솔직히 기대 이상으로 궁합이 잘 맞아서 놀랐습니다.
00:00:32이번 영상에서 저희 팀은 CLI 도구를 통해 NotebookLM을 사용했습니다.
00:00:36이 인터페이스를 사용하면 제품을 완전히 제어할 수 있는데요,
00:00:39노트북 관리부터 소스 추가, 소스 기반의 오디오 리뷰까지 모두 가능합니다.
00:00:44설치도 간단합니다. 명령어 한 줄이면 끝납니다.
00:00:47설치가 완료되면 도움말 명령어를 실행해 확인할 수 있습니다.
00:00:51여기서 NotebookLM의 소스를 제어하거나
00:00:56멀티모달 입력을 처리하는 등 사용 가능한 모든 기능을 확인할 수 있습니다.
00:01:00사용 전에는 반드시 NLM auth 명령어로 구글 계정 인증을 거쳐야 합니다.
00:01:05명령어를 실행하면 크롬 창이 열리고 거기서 로그인하면 됩니다.
00:01:08그러면 NLM이 향후 사용을 위해 자격 증명을 저장합니다.
00:01:11NotebookLM은 CLI나 MCP를 통해 접근할 수 있으며,
00:01:15둘 다 동일한 개발자가 만든 것이니 취향에 따라 선택하시면 됩니다.
00:01:18저희는 토큰 효율성이 좋고
00:01:21장기적인 작업을 수행할 때 유리한 CLI를 선택했습니다.
00:01:24NotebookLM을 AI 에이전트의 '제2의 뇌'로 활용할 수 있습니다.
00:01:27코드베이스 정보를 제공하고 실시간으로 내용을 문서화하게 만드는 방식이죠.
00:01:31이를 위해 먼저 claud.md 파일에 지침을 추가했습니다.
00:01:35모든 프로젝트 지식과 설계 결정 사항,
00:01:38기타 모든 문서를 노트북에 보관하도록 설정한 것이죠.
00:01:41이 노트북이 곧 '신뢰할 수 있는 유일한 원천'이 됩니다.
00:01:43저희는 Claude를 시켜 CLI 도구로 노트북을 만들고 그 ID를 claud.md에 저장했습니다.
00:01:49그래서 앱의 새로운 기능을 개발할 때, 우선 계획 모드에서 설계를 마친 뒤
00:01:53구현이 끝나고 빌드가 성공하면,
00:01:55지침에 따라 노트북에 구현 내용을 업데이트하도록 했습니다.
00:01:59생성된 노트북에는 Claude가 작업 과정에서 내린 모든 결정이 기록됩니다.
00:02:03이렇게 '제2의 뇌'를 설정해두면 Claude가 방대한 문서를 일일이 뒤질 필요가 없습니다.
00:02:08단순 패턴 매칭으로 읽으며 불필요한 정보로 컨텍스트를 낭비할 일도 없죠.
00:02:12대신 NotebookLM의 RAG 기능을 활용해 정확히 필요한 정보만 가져옵니다.
00:02:16원시 데이터를 그대로 쏟아붓는 게 아니라 Gemini가 요약한 답변을 받기 때문에,
00:02:20Claude는 개발과 구현 작업에 더 집중할 수 있게 됩니다.
00:02:23이 노트북은 다른 사람과 공유할 수도 있습니다.
00:02:25공유받은 사람은 NotebookLM을 통해 구현 내용이 요구 사항에 맞는지 확인할 수 있죠.
00:02:31기술 지식이 부족한 분들도 자신의 속도에 맞춰 기술적 세부 사항을 이해할 수 있습니다.
00:02:35NotebookLM은 여러 소스를 아우르는 리서치에 최적화되어 있습니다.
00:02:39저희는 이미 Claude Code를 리서치에 많이 활용하고 있었기 때문에,
00:02:42진행 중인 주제에 대한 자료를 Claude가 직접 찾게 한 뒤,
00:02:47새 노트북을 만들어 그 자료들을 업로드하도록 시켰습니다.
00:02:49Claude는 모든 소스를 식별하여 해당 작업을 위해 생성한 노트북에 업로드했습니다.
00:02:53Claude만으로 리서치를 하면 나중에 무관한 것으로 밝혀질 링크들까지 일일이 확인하느라 컨텍스트를 많이 잡아먹습니다.
00:02:59리서치 과정을 분리하여 전용 도구에 맡기니 시간과 토큰을 모두 아낄 수 있었습니다.
00:03:05소스가 노트북에 저장되면 리서치 과정의 컨텍스트를 비워 효율성을 높인 뒤,
00:03:11Claude에게 CLI를 통해 NotebookLM의 정보를 찾아보라고 시켰습니다.
00:03:15RAG 파이프라인 리서치 노트를 찾아 채팅 기능으로 주요 결과만 추출해 오게 한 것이죠.
00:03:20Claude는 CLI 도구로 노트북을 불러오고 채팅 메시지를 보내 핵심 내용을 요약해 가져왔습니다.
00:03:26기존 방식의 리서치보다 훨씬 빠르게 처리되었습니다.
00:03:29노트북을 사용할 때의 또 다른 장점은 추가 정보가 필요할 때 언제든 다시 확인할 수 있다는 점입니다.
00:03:34모든 소스가 저장되어 있으니까요.
00:03:37리서치 결과가 외부에 보관되므로 Claude가 다시 처음부터 검색할 필요가 없습니다.
00:03:41Claude만 사용했다면 예전 자료를 참고하고 싶을 때
00:03:45리서치를 반복하고 다시 모든 소스를 쿼리해야 했을 겁니다.
00:03:49하지만 이 방식은 향후 작업에서도 기존 자료를 재사용할 수 있게 해줍니다.
00:03:52직접 작성하지 않은 코드베이스를 이해하는 것은 개발에서 가장 어려운 일 중 하나입니다.
00:03:57이 과정을 단순화하기 위해 NotebookLM을 투입했습니다.
00:04:00먼저 Claude에게 GitHub CLI로 레포지토리를 복제하게 했습니다.
00:04:04복제가 완료되면 RepoMix를 사용해 해당 레포의 문서 파일을 생성하게 했죠.
00:04:09RepoMix는 전체 코드베이스를 AI가 읽기 좋은 형식으로 묶어주는 도구입니다.
00:04:14웹 인터페이스를 통해 코드를 다양한 형식의 문서로 변환할 수도 있고,
00:04:18이를 통해 AI가 토큰을 아끼면서 코드베이스를 쉽게 파악할 수 있습니다.
00:04:23저희는 RepoMix CLI를 활용했습니다.
00:04:25NPM으로 설치를 진행했습니다.
00:04:26설치 후에는 어디서나 RepoMix CLI를 사용할 수 있게 되었죠.
00:04:29그다음 Claude에게 NotebookLM CLI로 새 노트북을 만들고
00:04:34변환된 문서를 소스로 추가하라고 시켰습니다.
00:04:37Claude는 레포를 복제하고, RepoMix CLI로 코드를 토큰 효율적인 문서로 바꾼 뒤
00:04:44새 노트북을 생성하여 TXT 형식의 소스를 추가했습니다.
00:04:47소스 추가가 완료된 후,
00:04:49Claude에게 노트북 도구를 사용해 코드베이스를 시각화하고
00:04:52구조 파악을 돕는 다이어그램을 생성하게 했습니다.
00:04:56Claude는 일련의 시각화 명령어를 실행했습니다.
00:04:58다이어그램 생성이 끝나면 NotebookLM 스튜디오에서 바로 확인할 수 있습니다.
00:05:03프로젝트의 핵심 작동 원리를 안내하는 아틀라스가 만들어졌고,
00:05:07앱의 각 요소에 대한 마인드맵도 생성되어
00:05:09개별 항목에 대해 채팅으로 대화할 수 있었습니다.
00:05:12다양한 측면을 보여주는 인포그래픽도 생성되어,
00:05:16단순히 텍스트로 설명을 듣는 것보다
00:05:19코드베이스를 훨씬 직관적으로 이해할 수 있었습니다.
00:05:21다음 단계로 넘어가기 전, 이번 영상의 후원사인 Make를 소개합니다.
00:05:25Make는 팀이 AI를 통해 비즈니스를 구축하고 가속화하여
00:05:28잠재력을 최대한 발휘할 수 있게 돕는 플랫폼입니다.
00:05:31자율 에이전트의 가장 큰 리스크는 과정이 보이지 않는 '블랙박스' 문제입니다.
00:05:35에이전트를 배포해도 어떤 결정을 내리는지 검증하기 어렵죠.
00:05:37Make는 AI 기반 노코드 기능과
00:05:413,000개 이상의 프리빌트 앱을 결합해 투명한 '글래스박스' 접근 방식을 제시합니다.
00:05:46이번 영상에서는 Make의 시장 조사 분석 에이전트를 활용해
00:05:49통제 하에 비즈니스를 확장하는 방법을 보여드리고 있습니다.
00:05:52MakeGrid, MCP, 고급 분석 같은 강력한 기능과 더불어,
00:05:56가장 핵심적인 변화는 바로 '추론 패널(Reasoning Panel)'입니다.
00:05:58에이전트의 논리 단계를 실시간으로 지켜볼 수 있고,
00:06:01지식 기능을 활용해 응답의 근거를 확보하며,
00:06:03캔버스에서 직접 채팅 도구로 실시간 디버깅까지 가능합니다.
00:06:06개발자들이 오랫동안 기다려온 투명성입니다.
00:06:09추측은 멈추고 제어 가능한 확장을 시작해 보세요.
00:06:11고정 댓글의 링크를 클릭해 새로운 Make 에이전트를 직접 경험해 보시기 바랍니다.
00:06:15AI는 자신의 지식 범위를 벗어나는 문제를 만나면
00:06:18웹 검색을 통해 정보를 수집하고 해결책을 찾아냅니다.
00:06:22여기서 저희는 웹 검색 과정을 완전히 생략하고
00:06:25미리 준비된 지식 저장소로 대체할 수 없을지 고민했습니다.
00:06:27웹 검색의 문제는 Claude가 수많은 자료를 가져오지만
00:06:30실제로 도움이 되는 건 극히 일부라는 점입니다.
00:06:32나머지는 토큰만 낭비할 뿐이죠.
00:06:33그래서 Claude에게 NotebookLM에 새 노트북을 만들고
00:06:37공식 문서, 커뮤니티 답변,
00:06:40여러 플랫폼의 해결책들을 소스로 추가하게 했습니다.
00:06:41디버깅을 위한 전용 지식 창고를 만든 것이죠.
00:06:44Claude는 노트북을 생성하고 관련 소스를 찾아 추가하기 시작했습니다.
00:06:48완성된 노트북에는 공식 문서부터
00:06:50커뮤니티 포럼, GitHub 레포, 블로그 등 디버깅에 꼭 필요한
00:06:55핵심 자료들이 모두 담겼습니다.
00:06:58이 노트북의 ID를 claud.md 파일에 적어두고,
00:07:01디버깅 이슈가 생길 때마다 이 노트북을 우선적으로 참고하라고 Claude에게 지시했습니다.
00:07:05특히 버그가 발생하면
00:07:08웹 검색에 앞서 반드시 이 노트북을 먼저 확인하도록 했습니다.
00:07:11이렇게 설정해두니 오류가 발생했을 때,
00:07:13예를 들어 프로젝트에서 사용된 구버전 미들웨어 문제 같은 경우에 대응 방식이 달라졌습니다.
00:07:16기존 방식이었다면
00:07:18먼저 관련 문서를 검색해 가져온 뒤 문제를 해결했겠지만,
00:07:19이제는 노트북에 직접 질문을 던져
00:07:23최신 프록시로 마이그레이션하는 방법을 물어봅니다.
00:07:26웹 전체를 뒤지는 대신 노트북 안에서만 최적의 답변을 찾아
00:07:28구조화된 응답을 즉시 받아내는 것이죠.
00:07:31이 claud.md 파일과 모든 관련 리소스는
00:07:33AI Labs Pro에서 확인하실 수 있습니다.
00:07:36모르는 분들을 위해 설명해 드리자면, 저희가 최근 런칭한 커뮤니티인데요.
00:07:38바로 사용 가능한 템플릿과 프롬프트,
00:07:41그리고 이번 영상과 이전 영상들에 나온 모든 명령어와 기술들을
00:07:43여러분 프로젝트에 즉시 적용하실 수 있도록 제공하고 있습니다.
00:07:47저희 채널의 콘텐츠가 도움이 되었고 채널을 응원하고 싶으시다면,
00:07:49참여해 주시는 것이 가장 큰 힘이 됩니다.
00:07:52링크는 설명란에 있습니다.
00:07:53저희는 AI 개발을 시작할 때 항상 문서 작업부터 먼저 하는데요,
00:07:55이 문서들을 NotebookLM에 올려두면 어떨까 생각했습니다.
00:07:59앱을 개발하는 과정에서 작성된 문서들이 준비되면,
00:08:02Claude를 통해 NotebookLM에 새 노트북을 만들고
00:08:04해당 문서들을 모두 소스로 업로드하게 했습니다.
00:08:06노트북이 생성되고 모든 소스가 NotebookLM에 통합되었습니다.
00:08:09정리된 신뢰할 수 있는 소스가 확보되니,
00:08:12Claude가 프로젝트의 세부 사항을 훨씬 더 잘 이해하게 되었습니다.
00:08:16비기술 직군 동료들과 협업할 때도,
00:08:19이 노트북을 공유하기만 하면 누구나 채팅을 통해
00:08:21스스로 프로젝트 내용을 파악할 수 있습니다.
00:08:24이 노트북은 Claude만 돕는 게 아닙니다.
00:08:27Cursor나 Gemini CLI 등 다른 도구를 사용하거나,
00:08:28누군가와 함께 개발을 진행할 때도
00:08:30훌륭한 지식 베이스 역할을 해줍니다.
00:08:34노트북 채팅을 활용하면,
00:08:36각 에이전트가 파일 검색 기능을 일일이 돌리는 대신
00:08:39자신에게 딱 필요한 정보만 쏙쏙 뽑아갈 수 있기 때문이죠.
00:08:40이제 Claude나 다른 에이전트들은 NLM 노트북 쿼리 도구를 이용해
00:08:44현재 필요한 내용만 질문하고
00:08:46그 답변을 바탕으로 컨텍스트를 구축할 수 있습니다.
00:08:51영상이 마음에 드신다면 'Hype' 버튼을 한 번씩 눌러주세요.
00:08:53여러분의 응원이 더 좋은 콘텐츠를 만들고
00:08:55더 많은 분께 다가가는 데 큰 힘이 됩니다.
00:08:58자, 아까 우리가 직접 코드베이스를 파악할 때 시각화 기능을 썼었죠.
00:09:00이 시각화 자료들이 에이전트에게도 도움이 될지 궁금했습니다.
00:09:02그래서 Claude에게 새 노트북을 만들고,
00:09:06에이전트가 코드를 파악하는 데 도움이 될 시각화 자료들을 생성하라고 시켰습니다.
00:09:10마인드맵, 인포그래픽, 데이터 테이블 등을 만들어 NotebookLM에 추가하고,
00:09:12이를 프로젝트 내 시각화 폴더에 다운로드했습니다.
00:09:16에이전트가 이해하기 쉬운 다양한 형식이 포함되었는데요,
00:09:20CSV와 마크다운 파일로 된 테이블은 물론,
00:09:22마인드맵 정보를 담은 JSON 파일도 포함되었습니다.
00:09:25그 결과 각 기능에 대한 마인드맵이 만들어졌고,
00:09:28이것들이 바로 JSON 파일로 내보낸 정보들입니다.
00:09:30또한 시각적 이해를 돕기 위해 전체 슬라이드 덱도 생성되었습니다.
00:09:33에이전트는 무언가 확인이 필요할 때마다 파일 시스템을 전부 뒤지는 대신,
00:09:36해당 마인드맵을 먼저 확인해 정확한 흐름을 파악하고,
00:09:40노트북에 필요한 내용을 쿼리했습니다.
00:09:43엔드포인트나 데이터 흐름을 분석할 때도 마찬가지로,
00:09:46코드베이스를 헤매는 대신 JSON으로 된 마인드맵을 활용해
00:09:50노트북에 직접 질문을 던졌습니다.
00:09:54NotebookLM의 또 다른 활용법은
00:09:56AI로 만든 웹사이트에서 자주 발생하는 보안 이슈들을
00:10:00신뢰할 수 있는 소스로 보완하는 것입니다.
00:10:03Claude에게 CLI 도구로 새 노트북을 만들고
00:10:05기능 명세서와 모든 관련 보안 자료를 추가하게 했습니다.
00:10:08이 노트북의 목적은 Claude를 위한 '보안 핸드북'이 되어,
00:10:12문제가 생겼을 때 언제든 도움을 받을 수 있는 가이드 역할을 하는 것입니다.
00:10:15노트북이 생성되고 모든 자료가 추가되었습니다.
00:10:19OWASP의 보안 가이드와 치트 시트,
00:10:22현재 사용 중인 기술 스택의 GitHub 보안 대책,
00:10:26CVE 취약점 데이터베이스 등 앱 보안에 필요한 모든 리소스가 포함되었습니다.
00:10:28이 노트북에는 여러 출처에서 가져온 61개의 보안 권고 소스가
00:10:32각각의 파일로 담겨 있습니다.
00:10:35이제 Claude에게 간단한 보안 점검을 시키면,
00:10:39이 핸드북을 바탕으로 보안 보고서를 생성합니다.
00:10:43이를 통해 트랜잭션 처리 중 발생할 수 있는 부동 소수점 오류처럼,
00:10:45거래 금액이 클 때 심각해질 수 있는 여러 위험 요소를 감지해냈습니다.
00:10:49NotebookLM의 리서치 데이터를 기반으로 점검했기에 가능한 결과였습니다.
00:10:51이제 영상의 끝에 다다랐네요.
00:10:54채널을 후원하고 지속적인 영상 제작에 힘을 보태고 싶으시다면
00:10:58아래의 'Super Thanks' 버튼을 이용해 주세요.
00:11:00언제나 시청해 주셔서 감사드리고, 다음 영상에서 뵙겠습니다.
00:11:04That brings us to the end of this video.
00:11:06If you'd like to support the channel and help us keep making videos like this,
00:11:10you can do so by using the super thanks button below.
00:11:13As always, thank you for watching and I'll see you in the next one.