내 Cursor 및 기타 AI IDE에서 90% 오류 감소 방법

AI Jason 구독자 167,000명

요약

이 영상은 AI 코딩 에이전트인 Cursor에서 발생하는 오류를 줄이기 위해 태스크 관리 시스템을 도입하는 방법을 상세히 설명합니다. 복잡한 프로젝트를 작은 작업 단위로 분할하여, 전체 구현 계획을 명확하게 하고 의존성을 관리하는 방식이 주된 핵심입니다. 또한 실제 사례로 멀티플레이어 드로잉 게임을 구현한 경험을 공유하며, 다양한 도구(taskmaster, ru code 등)를 활용한 워크플로우를 소개합니다. 마지막으로, 생산성 향상과 향후 발전 가능성에 대한 통찰을 제공하고 있습니다.

주요 키워드

Cursor AI 코딩 에이전트 태스크 관리 PRD task.md Taskmaster ru code 복잡도 분석 오류 감소

하이라이트

🔑 AI 코딩 에이전트인 Cursor는 전체 프로젝트를 한 번에 처리하려다 오류가 발생하는 문제가 있음.
⚡️ 태스크 관리 시스템 도입으로 PRD를 작은 작업으로 분할하고, task.md 파일로 진행 상황을 추적함.
🌟 실제 사례로 멀티플레이어 온라인 드로잉 게임을 단 몇 번의 명령어로 구현한 과정을 설명함.
📌 ru code와 taskmaster 같은 도구를 활용하여 명령어 기반의 작업 분할, 복잡도 분석 및 업데이트를 수행함.
🚀 최종적으로 AI 에이전트의 오류 감소와 생산성 향상, 그리고 향후 AI 기반 개발 워크플로우의 발전 가능성을 강조함.

용어 설명

Cursor

AI 기반 코딩 에이전트로, 코드 구현과 실행을 담당하며 종종 프로젝트 전체를 한 번에 처리해 오류가 발생함.

PRD

Product Requirements Document의 약자로, 프로젝트의 요구사항과 기능을 상세히 기록한 문서임.

task.md

AI 에이전트가 작업 목록과 진행 상황을 관리하기 위해 참조하는 문서 파일임.

Taskmaster

PRD를 작은 하위 작업으로 분할하고, 작업 복잡도를 분석하는 커맨드 라인 도구임.

ru code

Visual Studio Code와 연동되는 오픈소스 AI 코딩 도구로, 다양한 사용자 정의 모드를 제공함.

영상은 AI 코딩 에이전트인 Cursor가 작은 변경 요청에도 전체 프로젝트를 매핑해 오류가 발생하는 문제를 제기합니다. 초기 도입 부분에서 이러한 한계를 짚으며 문제점을 설명합니다.

[00:00] AI 코딩 에이전트의 일반적인 문제점과 이를 해결하기 위한 태스크 관리 시스템의 필요성이 소개됩니다.

Cursor에게 복잡한 PRD를 작은 작업들로 분할하도록 요청하고, task.md 파일을 활용해 진행 상황을 관리하는 방법을 소개합니다. 이 방식은 전체 구현 계획을 명확하게 만들어줍니다.

[00:35] 멀티플레이어 온라인 드로잉 게임 구현 사례를 통해 태스크 관리 시스템의 효과를 설명합니다.

실제 사례로 단 한 번의 요청으로 멀티플레이어 온라인 드로잉 게임을 구현한 경험을 공유합니다. 이 예시는 태스크 관리 방식이 얼마나 효율적인지를 보여줍니다.

[01:01] 태스크 관리 워크플로우의 기본 개념과 구현 방법을 설명하며, task.md를 통한 태스크 추적 방법을 소개합니다.

[01:56] Claude Taskmaster와 Boomerang 같은 고급 태스크 관리 도구들의 특징과 장점을 설명합니다.

[02:28] 복잡한 프로젝트 관리에서 의존성 관리와 작업 분해의 중요성을 설명하며, perplexity와 cloud를 활용한 복잡도 분석 기능을 소개합니다.

[02:52] Roco의 부메랑 태스크 기능을 소개하며, AI 에이전트가 복잡한 프로젝트를 작은 단위로 분해하고 진행 상황을 추적하는 방법을 설명합니다.

ru code의 boomer task 기능과 taskmaster를 이용해, 명령어 기반의 작업 분할, 복잡도 분석, 그리고 PRD 파싱 과정을 설명합니다. 단계별 명령어 사용법과 도구 설정 방법을 상세히 다룹니다.

[03:17] HubSpot의 연구를 통해 AI 에이전트 개발에서의 성공 사례와 실패 사례, 그리고 고객들의 투자 결정 요인을 분석한 내용을 공유합니다.

[04:23] Ru Code의 특징과 장점을 설명하며, Visual Studio Code 내에서 작동하는 무료 오픈소스 도구로서의 가치와 커스터마이징 가능성을 강조합니다.

[04:49] AI 에이전트의 역할과 Boomerang 모드에 대한 설명. 계획 수립, 디버깅, 작업 분할 등 전문화된 에이전트들이 각각의 역할을 수행합니다.

[05:10] 할 일 앱 개발 과정 시연. 토큰 사용량과 API 비용 추적, 아키텍트 에이전트의 요구사항 분석 및 프로젝트 계획 수립 과정을 보여줍니다.

[05:40] 코드 생성 및 실행 과정. 코드 에이전트가 계획에 따라 애플리케이션을 구현하고, 브라우저에서 실행 및 테스트까지 자동화합니다.

[06:07] Taskmaster AI 설치 및 초기 설정 방법 안내. npm을 통한 설치부터 프로젝트 설정까지의 과정을 상세히 설명합니다.

[06:43] Cursor 규칙 시스템 설명. 자동 개선 기능과 규칙 생성 방식에 대한 소개를 포함합니다.

[07:08] 커서를 설정하기 위해 필요한 API 키와 설정 방법에 대해 설명합니다. 엔트로피 키는 PRD를 작은 작업으로 분해하고, 프롭래스티시티 키는 새로운 패키지나 문서를 검색하는 데 사용됩니다.

[07:50] PRD 생성 방법에 대해 설명합니다. AI 빌더 커뮤니티 멤버는 자동 PRD 생성 도구를 사용할 수 있고, 그렇지 않은 경우 커서 에이전트와 대화하여 PRD를 만들 수 있습니다.

[08:09] 스크리블과 유사한 AI 기반 게임 개발 예시를 통해 PRD 작성 과정을 설명합니다. 사용자들이 그린 그림을 GPT-4가 평가하는 게임 컨셉을 제시합니다.

[08:53] 태스크마스터 도구를 사용하여 PRD를 작은 작업들로 분해하고 관리하는 과정을 설명합니다. 작업 목록 생성과 의존성 관리 기능을 포함합니다.

[09:33] 작업 분해 시스템은 논리적 순서와 의존성을 명확히 매핑하여 올바른 구현 순서를 보장합니다.

[09:42] 'analyze complexity' 명령어를 통해 Claude 3.7과 Perplexity가 각 작업의 복잡도를 평가하고 상세한 구현 프롬프트를 제공합니다.

[10:15] 복잡한 작업은 더 작은 단위로 분해되어 성공 가능성을 높이며, HTML5 캔버스 컴포넌트와 같은 구체적인 구현 지침을 제공합니다.

[10:51] taskmaster update 명령어로 계획을 유연하게 수정할 수 있으며, 하위 작업 목록을 통해 전체 진행 상황을 쉽게 검토할 수 있습니다.

[11:22] Cursor의 YOLO 모드에서는 자동으로 작업을 실행하고 상태를 관리하며, 개발자는 전체 과정을 모니터링만 하면 됩니다.

실제 작업 실행 과정을 통해 오류를 수정하고, 새로운 cursor 규칙을 추가해 생산성을 높이는 방법을 보여줍니다. 최종적으로 완성된 드로잉 게임을 시연하며 성과를 검토합니다.

[12:02] Taskmaster를 사용하여 작업을 자동으로 완료하고 다음 작업으로 이동하는 기능을 설명합니다. Gemini 2.5 Pro Max를 사용하면 2000개 이상의 작업을 연속 실행할 수 있습니다.

[12:29] 생성된 게임의 기본 기능을 테스트합니다. 로비, 인증, 아바타 선택, 게임 설정 등의 기능이 구현되어 있습니다.

[12:58] Taskmaster의 작업 진행 상황을 확인하고, 발생한 오류를 수정하기 위한 새로운 Cursor 규칙을 생성합니다.

[13:47] 15분간의 자동 작업 수행 후, 완성된 멀티플레이어 게임의 기능을 시연합니다. 방 생성, 드로잉, 타이머, ChatGPT 평가 등이 구현되었습니다.

[00:00] [Music]

[00:02] AI 코딩을 충분히 해보지 않았다면,

[00:04] Cursor에게 작은 변경을 요청했을 때

[00:06] 프로젝트 전체가 엉망이 되거나

[00:08] Cursor가 코드베이스의 모든 의존성을

[00:11] 파악하지 못해서

[00:12] 많은 오류를 발생시키는

[00:14] 기능을 구현하는 문제를

[00:15] 경험했을 것입니다.

[00:17] 이는 어떤 플랫폼을 사용하든

[00:20] AI 코딩 에이전트의 일반적인 문제입니다.

[00:21] 하지만 한 가지 기법이

[00:23] 획기적인 개선을 보여주었는데,

[00:24] 바로 AI 코딩 에이전트에

[00:26] 태스크 관리 시스템을 도입하는 것입니다.

[00:29] 이는 전체 구현 계획을 이해하고

[00:31] 각 단계별 컨텍스트 양을

[00:33] 제어하는 데 도움이 됩니다.

[00:35] 저는 이 방법으로

[00:37] 완전한 기능을 갖춘

[00:39] 멀티플레이어 온라인 드로잉 게임을

[00:41] 구축했는데, 두 플레이어가

[00:43] 주어진 단어의 이미지를 그리고

[00:45] GPT-4에 전송하여

[00:47] 이미지를 평가하고 승자를 선정합니다.

[00:49] 이 게임 전체가 실제로

[00:51] Cursor로 한 번에 구현되었고

[00:53] 거의 오류가 없었습니다.

[00:54] 그래서 오늘은 제가 사용하는

[00:56] 워크플로우와 여러분의 프로젝트에

[00:58] 적용하는 방법을 보여드리겠습니다.

[00:59] 이러한 도구들을 사용하기 전에도

[01:01] 사람들은 태스크 관리 워크플로우를

[01:03] 성능 향상을 위해

[01:04] 구현해왔습니다. 핵심은

[01:06] Cursor에게 복잡한 PRD를

[01:08] 작은 태스크로 분할하도록 요청하고

[01:10] Cursor가 접근할 수 있는 문서에서

[01:12] 예정된 태스크와 완료된 태스크를

[01:14] 추적하고 관리하는 것입니다.

[01:16] 이는 Elle의

[01:17] 간단한 예시입니다.

[01:19] 가장 기본적인 구현은 Cursor 프로젝트에서

[01:21] Cursor 규칙을 만드는 것입니다.

[01:23] 기본적으로 이런 규칙은

[01:24] Cursor에게 task.md를 참조하여

[01:27] 완료된 태스크와 미완료 태스크를

[01:29] 추적하도록 지시합니다.

[01:31] 이를 통해 우리는

[01:33] task.md 파일을 생성하고

[01:35] 'X 앱을 만들고 싶으니 핵심 기능을

[01:38] 작은 태스크로 분할해서

[01:40] task.md에 추가해줘'라고 프롬프트를 줄 수 있습니다.

[01:43] 그러면 Cursor는 여기에

[01:44] 태스크 목록을 생성하고 각 태스크를

[01:47] 완료할 때마다 돌아와서

[01:48] 완료 표시를 합니다. 이렇게 하면

[01:50] 전체 구현 계획의 맥락을 파악할 수 있죠.

[01:52] 이 방법만으로도 Cursor로

[01:54] 복잡한 태스크를 실행하는 데 많은 도움이 됩니다.

[01:56] 하지만 Claude Taskmaster와 Boomerang

[01:58] 같은 도구들은 더욱

[02:00] 정교한 태스크 관리 기능을

[02:02] AI 코딩 에이전트에 제공합니다.

[02:04] 예를 들어, Taskmaster AI는

[02:06] Cursor 터미널에서 실행할 수 있는

[02:08] 커맨드라인 패키지로, Claude 3.7을 활용하여

[02:11] PRD를 분석하고 더 발전된 모델로

[02:13] 작은 서브태스크로 분할합니다.

[02:15] 간단한 'taskmaster parse PRD'

[02:17] 커맨드라인으로 실행됩니다.

[02:19] 정말 놀라운 점은

[02:21] 태스크들을 논리적 순서로 분할하고

[02:23] 태스크 간의 모든 의존성을

[02:25] 고려한다는 것입니다.

[02:27] 그래서 Cursor가 구현할 때

[02:28] 아직 구현되지 않은 다른 의존성이

[02:30] 필요한 기능을 구현하게 되는 상황을 방지합니다.

[02:32] 또한 복잡성 분석과 같은 유용한 명령어가 있어

[02:34] perplexity와 cloud를 사용하여

[02:37] 각 작업의 복잡도를 분석할 수 있습니다.

[02:39] 특정 작업의 복잡도 점수가

[02:42] 매우 높을 경우, 해당 작업을

[02:44] 더 작은 단위로 분해할 수 있게 해주며

[02:46] 이렇게 복잡한 작업을 더 작은 단위로

[02:48] 나누면 기능적인 애플리케이션의

[02:50] 성공률이 크게 향상됩니다.

[02:52] Roco의 부메랑 태스크도 비슷한 기능을 제공하는데,

[02:54] AI 에이전트에게 새로운 작업을 통해

[02:56] 복잡한 프로젝트를 작은 단위로 나누고

[02:58] 진행 상황을 추적하는 도구를 제공합니다.

[03:00] 이러한 도구들은 제 워크플로우를

[03:02] 완전히 바꿔놓았습니다.

[03:03] 이제 이러한 새로운 도구들로

[03:04] 제가 실천하는 최선의 AI 코딩 워크플로우를

[03:06] 빠르게 설명해드리겠습니다.

[03:08] 본론으로 들어가기 전에,

[03:09] 많은 분들이 비즈니스용 AI 에이전트를

[03:11] 개발하려 하시는 것을 알고 있습니다.

[03:13] 하지만 실제 프로덕션 환경의 에이전트 개발에서

[03:15] 많은 함정들을 보았습니다.

[03:17] 그래서 HubSpot의 연구를

[03:18] 소개해드리고 싶은데요,

[03:21] 그들은 수많은 기업들과

[03:22] 지난 12개월 동안 AI 에이전트를 출시한

[03:24] 스타트업들을 인터뷰했습니다.

[03:26] 어떤 AI 에이전트 사용 사례가

[03:28] 실제로 큰 비즈니스 가치와 ROI를 창출했는지,

[03:30] 그리고 어떤 것들이 멋져 보이지만 실제로는

[03:32] 가치 전달이 매우 어려웠는지,

[03:34] 또 어떤 신호가 고객들이 AI 에이전트 솔루션에

[03:36] 큰 예산을 투자하게 만드는지 조사했습니다.

[03:38] 많은 실제 성공 사례들을 포함하고

[03:40] 이러한 학습들을

[03:42] 프레임워크로 정리했습니다.

[03:43] 이를 통해 다음 에이전트를 개발할 때

[03:45] 어떤 사용 사례가 챗봇에 더 적합한지,

[03:47] 실제 자동화 에이전트에 더 적합한지,

[03:49] 어떤 작업이 AI 에이전트에 적합하고

[03:51] 어떤 것이 전통적인 워크플로우 자동화에

[03:54] 더 적합한지 판단할 수 있습니다.

[03:56] 또한 저를 포함한 많은 사람들이

[03:57] 프로덕션 에이전트 배포 시 겪는

[03:59] 일반적인 함정들의 목록과

[04:01] 다른 사람들이 이를 해결한 방법의

[04:03] 모범 사례도 포함되어 있습니다.

[04:05] 예를 들어, 기존 시스템과의 통합을 위한

[04:06] 최선의 방법이 무엇인지도 다룹니다.

[04:08] 이는 제가 겪었던 많은 실수들에 대해

[04:11] 명확성을 가져다주었습니다.

[04:12] 에이전트 개발을 계획 중이시라면

[04:14] 꼭 읽어보시기를 추천드립니다.

[04:15] 이 자료는 완전히 무료이며,

[04:17] description에 다운로드 링크를

[04:19] 첨부해두었습니다. 이제 제가 사용하는 새로운

[04:21] 작업 관리 시스템이 포함된 AI 코딩

[04:23] 워크플로우에 대해 이야기해보겠습니다.

[04:25] 먼저 Ru Code의 부메랑 태스크 기능에 대해

[04:27] 설명드리겠습니다. Ru Code는

[04:28] Visual Studio Code 내부에서 작동하는

[04:30] 오픈소스 Cursor라고 생각하시면 됩니다.

[04:32] 완전히 무료로 사용할 수 있으며,

[04:34] 자신의 API 키만 제공하면

[04:35] 다른 AI 코딩 에이전트처럼

[04:37] 바로 사용할 수 있습니다.

[04:38] Ru Code의 특별한 점은

[04:40] Cursor와 달리 미리 정의된

[04:42] 몇 가지 에이전트 모드만 있는 것이 아니라

[04:44] 자신만의 모드를 만들 수 있다는 것입니다.

[04:45] 기본적으로 코딩 에이전트와

[04:47] 설계 에이전트를 제공하여 도움을 줍니다.

[04:49] 계획을 세우고 오류를 찾는 디버그 에이전트처럼

[04:51] 문제가 어디에 있는지 파악하는데 도움을 줍니다.

[04:52] 또한 Boomerang 모드와 같은

[04:54] 커스텀 모드를 만들 수 있는데,

[04:55] 이는 계획을 세우고 작은 단위로

[04:57] 세분화하는데 초점을 맞춥니다.

[05:00] 마치 전문화된 어시스턴트에게

[05:01] 작업을 위임하는 것과 같습니다.

[05:04] 각 하위 작업은 독립적인 컨텍스트에서 실행되므로

[05:06] 제가 커스터마이즈한 Boomerang 모드를 선택하고

[05:07] '할 일 앱을 만들어줘'라고 요청할 수 있습니다.

[05:10] 상단에서는 토큰 사용량과

[05:11] 전체 API 비용을 추적하는 것을

[05:13] 확인할 수 있습니다.

[05:15] 먼저 아키텍트 에이전트에게

[05:17] 계획 수립 작업을 위임하며,

[05:19] 이 아키텍트 에이전트는 시스템 프롬프트를 통해

[05:21] 지속적으로 요구사항을

[05:22] 저와 확인하면서

[05:24] 프로젝트 계획을 시작하고

[05:25] 특정 기능들로 분류하여

[05:27] 사용자 스토리, 주요 기능, 컴포넌트,

[05:28] 프로젝트 구조, 상태 관리 등을 파악합니다.

[05:31] 이를 통해 다양한 기능들 간의

[05:33] 의존성을 완벽하게 이해하게 됩니다.

[05:35] 중간에 피드백을 줄 수 있고,

[05:37] 계획이 완성되고 작은 작업들로

[05:38] 분류가 끝나면

[05:40] 코드 모드로 전환하여

[05:42] 코드 생성을 시작할 수 있습니다.

[05:43] 코드 에이전트는 계획에 따라

[05:45] 다양한 작업을 실행하고

[05:47] 실제 애플리케이션을 완성합니다.

[05:48] 여기서 볼 수 있듯이

[05:50] 결과물의 품질이 매우 높고

[05:52] 에이전트가 브라우저에서

[05:53] 애플리케이션을 실행하여

[05:55] 자동화된 테스트까지 수행할 수 있는

[05:57] 기능도 포함되어 있습니다.

[05:59] 이 방식으로 얻은 결과는

[06:01] Cursor의 기본 기능보다 더 나은 것 같습니다.

[06:03] 반면에 Claude Taskmaster는

[06:05] Cursor와 Wing Surf에 더 깊이 통합되어 있습니다.

[06:07] 먼저 Taskmaster AI를

[06:09] 설치해보겠습니다. 아무 폴더에서

[06:11] 터미널을 열고 npm install -g taskmaster-ai를 실행합니다.

[06:14] 설치가 완료되면 여러 명령어를 실행할 수 있는데,

[06:16] 그 중 하나가 taskmaster init입니다.

[06:18] 이는 폴더 내에 프로젝트를 설정하는 것으로,

[06:20] 바로 taskmaster init을 실행할 수도 있지만,

[06:22] 프로젝트를 먼저 설정하는 것을 추천합니다.

[06:24] 예를 들어,

[06:25] Next.js 프로젝트를 Tailwind CSS와 함께

[06:27] 만드는 경우 이 명령어를 사용하면 됩니다.

[06:29] 완료되면 cursor my app으로 이동하여

[06:31] taskmaster init을 실행할 수 있습니다.

[06:33] 이때 프로젝트 이름을 물어보는데,

[06:35] 저는 그냥 'my app'이라고 하겠습니다.

[06:38] 설명은 크게 중요하지 않아서

[06:39] 다른 것들은 건너뛰고

[06:41] 설정을 완료하도록 하겠습니다.

[06:43] 그러면 왼쪽에서 먼저 볼 수 있는 것이

[06:45] 몇 가지 Cursor 규칙이 추가된 것입니다.

[06:47] 일부는 이것처럼 일반적인 규칙인데,

[06:49] 이 Cursor 규칙은 기본적으로 Cursor에게

[06:51] 새로운 규칙을 추가하는 방법을 가르칩니다.

[06:54] 구현을 깊이 들어가면서

[06:56] 예를 들어 발생한 실수에 대해 규칙을 만들도록

[06:58] 요청할 수 있고,

[07:00] 이러한 규칙들을 따라

[07:01] 새로운 Cursor 규칙을 만들며

[07:03] 이런 자가 개선은 기본적으로

[07:04] Cursor가 자발적으로 수행하도록 하는 것이며

[07:06] 단계별 워크플로우는 Cursor에게 이를 가르치는 방식입니다

[07:08] 커서에게 백로그의 모든 작업을

[07:10] 확인하는 데 필요한

[07:11] 모든 명령어를 알려주고,

[07:13] 윈서브를 사용하는 경우

[07:14] 스크립트 폴더 안에 윈서브 루트가 있을 것입니다.

[07:16] PRD가 어떤 구조로 되어있는지 보여주지만

[07:18] 가장 중요한 것은

[07:20] 이 예제 파일입니다.

[07:22] 엔트로피 키와

[07:24] 프롭래스티시티 키를

[07:26] 교체해야 합니다. 엔트로피는

[07:28] PRD를 작은 작업들로 분해하는 데 사용되는

[07:30] 모델이며, 프롭래스티시티는

[07:32] 리서치를 수행하는 데 사용됩니다. 만약

[07:34] 작업 중 일부가 새로 출시된 패키지를 사용한다면

[07:37] 프롭래스티시티가 실제로

[07:38] 최신 개발자 문서를 가져와서

[07:40] 작업 정보에 포함시킬 것입니다.

[07:42] 두 API 키를 모두 추가하는 것을 추천드리며,

[07:44] 추가하고 나면

[07:46] PRD 작성을 시작할 수 있습니다.

[07:48] PRD를 만드는 방법은 여러 가지가 있습니다.

[07:50] AI 빌더 커뮤니티에 속해 있다면

[07:51] 탱크스 코더와 같은 도구에

[07:53] 접근할 수 있어서, 자동으로 PRD를 생성하고

[07:55] 생각하지 못한 기능들까지 채워줄 것입니다.

[07:58] AI 빌드 클럽에

[07:59] 소속되어 있다면

[08:00] 이 도구를 사용해서

[08:02] PRD를 얻을 수 있습니다.

[08:04] 접근 권한이 없다면

[08:05] 커서 에이전트와 대화하여

[08:08] PRD 생성에 도움을 받을 수 있습니다.

[08:09] 예를 들어, '스크리블과 같은 온라인 게임을

[08:11] 만들고 싶은데, 사람 대신 대규모

[08:13] 언어 모델이 단어를 맞추는 방식으로

[08:15] 만들고 싶다'고 할 수 있습니다. 매 라운드마다

[08:17] 모든 사용자에게 같은 단어가 주어지고

[08:19] 60초 동안 그림을 그릴 수 있습니다.

[08:21] 마지막에는 모든 이미지가 GPT-4로 전송되어

[08:24] 어떤 이미지가 단어와 가장 가까운지 선택됩니다.

[08:26] 이제 엔지니어링 매니저 역할을 맡아

[08:28] 이런 게임을 구현하는 데 필요한

[08:29] 핵심 기능들을

[08:31] 생각해보자고 하면

[08:33] 핵심 기능들을 제시해줄 것입니다.

[08:34] 물론 계속 대화를 나눌 수 있고

[08:36] 완료되면 '좋아요, 이제

[08:38] 핵심 MVP 기능 요구사항을

[08:40] 예제 prd.txt를 참고해서

[08:43] prd.txt로 작성해주세요'라고 하면 됩니다.

[08:46] 여기 보이는 것처럼

[08:48] 상세한 내용이 포함된 PRD가

[08:50] 생성되고, 이를 수락하면 됩니다.

[08:52] 이렇게 PRD가 생성되면

[08:53] 다음 단계로 'taskmaster parse prd' 명령어를 사용하여

[08:56] 이 PRD를 작은 작업들로

[08:58] 분해할 수 있습니다.

[09:00] 여기서부터

[09:02] 태스크마스터의 진가가 발휘됩니다.

[09:04] taskmaster parse prd 명령어를 실행해보겠습니다.

[09:07] scripts/prd.txt를 입력했더니 오류가 발생했네요.

[09:10] 예제 파일을 제거하고

[09:12] 다시 시도해보겠습니다. 이제

[09:15] PRD를 기반으로 작업 파일들을 생성하기 시작하고

[09:16] 여기 작업 폴더에서

[09:18] 태스크마스터가 생성한 모든 작업을 볼 수 있습니다.

[09:20] taskmaster list 명령어를 실행하면

[09:22] 생성된 작업 목록을 볼 수 있습니다.

[09:25] 태스크마스터의 작업 목록에서

[09:26] 정말 멋진 점은

[09:28] 오른쪽에 보이는

[09:30] 의존성 열입니다.

[09:31] PRD를 작업으로 분해할 때

[09:33] 작업을 세분화하면 실제로 작업들을 논리적인 순서로

[09:35] 나열하고 명확한 의존성이 매핑되도록

[09:37] 보장합니다.

[09:39] 따라서 구현할 때 올바른 순서로

[09:41] 진행할 수 있죠. 그리고 몇 가지 유용한

[09:42] 명령어들도 있습니다. 'analyze complexity'라는

[09:44] 명령어가 있는데, taskmaster로

[09:46] 복잡도를 분석할 수 있습니다. 이것은

[09:48] 제가 만든 모든 작업을 Claude 3.7과

[09:51] Perplexity에 보내서

[09:53] 기본적으로 이 기능을 구현하는 것이 얼마나

[09:55] 복잡하거나 어려운지 평가하도록 합니다.

[09:57] 그리고 분석이 완료되면

[09:59] taskmaster complexity report를 실행할 수 있고

[10:01] 각 작업의 평가와 복잡도 점수를 보여줍니다.

[10:04] 정말 유용한 점은 복잡한 작업들에 대해

[10:06] 복사할 수 있는 프롬프트도 제공한다는 것입니다.

[10:08] 현재는 UI가 깨져서 직접 복사는

[10:09] 어렵지만, 첫 번째 것을 복사하고

[10:11] 복잡도 리포트로 가서

[10:13] 특정 ID를 찾아

[10:15] 확장 프롬프트를 복사할 수 있습니다.

[10:16] 여기서는 HTML5 캔버스 컴포넌트의

[10:18] 상세한 기술적 구현에 대한 프롬프트를 생성했는데,

[10:21] 이것을 복사하면

[10:23] 드로잉 도구와

[10:24] 모든 기기에서의 입력 처리를 포함한

[10:26] 상세한 구현 방법을 얻을 수 있습니다.

[10:29] 이렇게 하면 특정 작업을

[10:31] 더 작은 단위로 분해할 수 있고

[10:33] 우리가 알다시피 복잡한 작업을

[10:35] 작은 단위로 나누면

[10:37] 오류 없이 성공할 가능성이

[10:39] 더 높아집니다. 이 과정을

[10:41] 계속 진행할 수 있는데,

[10:43] 작업 번호 5에 대해서도 추가할 수 있습니다.

[10:45] 이런 식으로 백로그가 만족스러울 때까지

[10:47] 이 과정을 반복할 수 있습니다.

[10:49] 또한 업데이트도 가능한데,

[10:51] 나중에 계획을 변경하고 싶다면

[10:53] taskmaster update 명령어를 사용할 수 있습니다.

[10:55] 예를 들어 ID가 4인 작업에 대해

[10:57] 'Three.js를 사용하자'와 같은

[10:58] 새로운 지시사항을 추가할 수 있습니다.

[11:02] 이렇게 프롬프트를 제공하면

[11:04] 새로운 지시사항에 따라

[11:06] 전체 계획이 업데이트되는데,

[11:08] 이는 정말 유용한 기능입니다.

[11:09] 작업이 완료되면

[11:11] taskmaster list with subtasks 명령어로

[11:13] 모든 하위 작업을 직접 확인할 수 있어

[11:16] 작업 검토가 더 쉬워집니다.

[11:19] 이제 거의 다 왔습니다. 이 과정이 끝나면

[11:20] Cursor 에이전트로 가서

[11:22] taskmaster로 만든 작업을 기반으로

[11:24] 앱 구현을 시작할 수 있습니다.

[11:26] 먼저 가장 중요한 작업부터

[11:27] 확인해보겠습니다.

[11:29] 여기서 잘못된 명령어를 사용하는

[11:31] 오류가 발생할 수 있는데,

[11:33] script dev.js 대신 taskmaster를 사용하라고

[11:35] 지시하면 됩니다.

[11:37] 모든 작업을 나열하고 계획을

[11:40] 따르도록 하면, 계획을 보고

[11:41] 첫 번째 작업부터 구현하기 시작합니다.

[11:44] 작업을 진행하면서 해당 작업의 상태를

[11:46] '진행 중'으로 설정합니다.

[11:48] 제가 Cursor의 YOLO 모드를 켜놨기 때문에

[11:49] 명령어 실행 시 별도의 허가가 필요 없어서

[11:52] 커피 한 잔 마시면서

[11:54] 작업이 진행되는 것을 지켜볼 수 있습니다.

[11:56] 그리고 작업이 완료되면

[11:58] 자동으로 다음 작업으로 넘어갑니다.

[11:59] 작업이 완료되면 상태가 업데이트됩니다.

[12:02] 태스크를 완료하면 완료 표시를 하고

[12:04] 'taskmaster next' 명령어로 다음 작업으로 넘어갑니다

[12:07] 유료 모드에서는, Cursor가

[12:09] Cloud 3.7 버전의 경우 25개의 태스크로 제한되지만

[12:11] Gemini 2.5 Pro Max를 사용하면

[12:13] 이 제한을 우회하여

[12:15] 2000개 이상의 태스크를

[12:17] 중단 없이 실행할 수 있습니다

[12:20] 정말 놀라운 점은 태스크들이

[12:22] 연속적으로 실행되면서

[12:24] 수천 줄의 코드와

[12:27] 많은 파일들을 생성한다는 것입니다

[12:29] 먼저 실행해보겠습니다

[12:30] npm run dev를 실행하고

[12:33] 열어보면 로비와

[12:36] 인증 기능이 구현되어 있습니다

[12:38] 이름을 입력하고 아바타를 선택해서

[12:39] 게임을 시작할 수 있고, 사용자가 생성되었습니다

[12:42] 드로잉 시간을 설정하고

[12:44] 난이도와 공개/비공개 여부도 설정할 수 있죠

[12:46] 꽤 괜찮아 보입니다

[12:48] 생성은 가능하지만

[12:50] 실제 게임 내부는

[12:52] 아직 완성되지 않았네요

[12:54] 하지만 한 번에 이 정도를

[12:56] 만들어낸 것은 인상적입니다

[12:58] 이제 하위 작업이 포함된

[13:01] taskmaster list를 확인해보면

[13:03] 처음 4개의 작업은 완료했지만

[13:06] 게임 실행 로직을

[13:08] UI 컴포넌트에 완전히 통합하지는 못했네요

[13:09] 그래서 실제 게임룸이 보이지 않는 것 같습니다

[13:12] 계속 구현을 요청할 수 있고

[13:14] 여기 발생한 에러를 보고

[13:16] 이제 에러를 수정하고

[13:18] 새로운 Cursor 규칙을 만들어서

[13:19] 이런 실수를 방지하도록

[13:21] 할 수 있습니다

[13:22] Next.js 앱 라우터에 대한

[13:24] 새로운 Cursor 규칙을 추가하고 있지만

[13:26] 어떤 이유에서인지 실제 내용은

[13:28] 생성되지 않았네요

[13:30] 지금은 수동으로 복사 붙여넣기 하겠습니다

[13:32] Cursor 규칙이 제대로 저장되도록

[13:34] 업데이트할 필요가 있겠네요

[13:36] 이제 태스크를 계속 진행하겠습니다

[13:38] 드로잉 테스트를 할 수 있을 정도로

[13:40] 완성하기 위해 다음 태스크가 무엇인지 확인해보겠습니다

[13:44] 15분 정도 자동으로 태스크를 수행한 후

[13:47] 완전히 작동하는 게임이 만들어졌습니다

[13:49] 이름을 입력하고 아바타를 선택해서

[13:51] 게임을 시작할 수 있고

[13:53] 'Jason의 방'이라는 방도 만들 수 있습니다

[13:55] 드로잉 타이머를 설정하고

[13:57] 라운드 수와 난이도도 설정할 수 있습니다

[13:59] 방을 만들면 다른 사람들이

[14:01] 제가 만든 방을 볼 수 있고

[14:03] 참가할 수도 있습니다

[14:05] 방에는 여러 플레이어가

[14:06] 참여할 수 있고

[14:08] 시작하면 캔버스가 나타나서

[14:10] 주어진 단어를 설명하기 위한

[14:12] 그림을 그릴 수 있습니다

[14:14] 오른쪽 상단에는

[14:16] 남은 시간을 보여주는 타이머가 있고

[14:18] 시간이 끝나면

[14:20] 결과를 ChatGPT에 전송하여

[14:23] 이미지를 분석하고

[14:25] 설명과 평가를 받아

[14:27] 승자를 선정하고 점수를 부여한 뒤

[14:29] 다음으로 넘어갑니다

[14:30] 20분 만에 이런 멀티플레이어 게임을

[14:33] 자동으로 만들어낸 것이 놀랍습니다

[14:35] 이것이 바로 적절한 태스크

[14:37] 관리 시스템으로 Cursor를 강화했을 때

[14:38] 얻을 수 있는 성능 향상입니다

[14:40] 정말 흥미로운 점은 이것이 시작일 뿐이라는 겁니다

[14:42] 몇 달 안에 이러한 도구와 시스템이

[14:44] 훨씬 더 발전할 것이라 예상됩니다

[14:46] 저는 또한 Taskmaster 프로젝트의

[14:47] 개발자와 인터뷰를 했는데

[14:49] Taskmaster의 힘을 완전히 끌어내기 위한

[14:51] 최적의 워크플로우와

[14:52] 현재 진행 중인 흥미로운 프로젝트에 대해

[14:54] 자세히 설명해주었습니다

[14:56] 관심 있으시다면 AI Builder Club에

[14:58] 가입하실 수 있습니다

[14:59] 전체 인터뷰와 워크플로우를

[15:01] 커뮤니티에 공유했고

[15:02] AI 코딩과 프로덕션급 AI 에이전트 개발에 대한

[15:04] 업계 전문가들의 다양한 팁과

[15:06] 학습 자료도 제공됩니다

[15:09] 또한 10x coderdev와 같은 도구들도

[15:10] 사용할 수 있는데, 이는 완벽한 Cursor PRD 생성과

[15:12] 결제, 백엔드, 데이터베이스가 설정된

[15:15] Next.js 보일러플레이트를 제공하여

[15:17] 주말만에 SaaS를 런칭할 수 있게 도와줍니다

[15:19] 관심 있으시다면 설명란의 링크를 통해

[15:21] 가입하실 수 있습니다

[15:23] 이 영상이 도움이 되었길 바랍니다

[15:24] 앞으로도 계속해서

[15:26] 새로운 팁과 워크플로우를 공유하도록 하겠습니다