개발 스킬

합의된 개발 작업을 구현부터 검증까지 진행합니다. 기존 설계와 패턴을 따르는 작은 변경을 적용하고, 필요하면 독립된 작업을 나누며, 변경 파일과 검증 근거, 남은 문제를 보고합니다.

• 합의된 기능 구현
• 작은 코드 수정과 동작 확인
• 독립적인 개발 작업 나누기

개발 작업을 검증 가능한 작은 요구사항으로 나누고 진행 상황을 저장하면서 구현과 검증을 반복합니다. 각 요구사항의 증거와 검토자 승인을 거쳐 완료를 판단하고, 승인 후 정리와 재검증을 수행합니다.

• 여러 단계의 구현을 검증까지 진행
• 진행 상황을 저장하고 작업 재개
• 요구사항별 검증 근거 관리

개발 작업을 여러 에이전트에 나누어 맡기고 공유 작업 목록으로 담당자, 의존 관계와 진행 상황을 관리합니다. 계획, 구현, 검증과 제한된 수정 단계를 진행하며 인계 내용도 기록합니다.

• 여러 모듈의 타입 오류 수정
• 에이전트별 빌드 오류 조사
• 여러 페이지의 반응형 화면 구현

이슈 수정, PR 검토, 기능 개발을 위한 독립된 Git 작업 디렉터리를 만들고 관리합니다. 선택적으로 tmux 세션을 연결해 병렬 작업을 전환하고 진행 중인 세션에 다시 접속하며 완료된 환경을 정리할 수 있습니다.

• 여러 이슈 수정을 위한 작업 공간 마련
• PR 검토 전용 작업 환경 만들기
• 진행 중인 개발 세션에 다시 접속

Ant Design 컴포넌트의 옵션과 예시, 디자인 토큰을 확인해 화면 구현과 문제 조사를 돕습니다. 프로젝트의 사용 현황과 지원이 종료된 작성 방식, 설정 문제를 점검하고 버전 변경과 이전 절차도 정리합니다.

• 컴포넌트 예시를 참고해 화면 구현
• 컴포넌트 설정이나 오류 조사
• Ant Design 업데이트 내용 확인

최신 공식 템플릿과 비교해 기존 Ant Design Pro 프로젝트를 업데이트합니다. 사용자 정의 화면과 업무 로직을 유지하면서 의존 항목과 설정, API를 조정하고 지원이 종료된 API 및 빌드 오류를 확인합니다.

• 기존 Ant Design Pro 프로젝트 업데이트
• 사용자 정의 코드를 보존하며 템플릿 반영
• 업데이트 중 지원 종료 API 확인

CopilotKit CLI로 앱 연결, 인증 정보, 에이전트 응답을 확인해 코드 조사 전에 문제를 좁힙니다. 프로젝트 생성, 기존 앱 통합, Intelligence 프로젝트 선택, 형식 검사를 지원하는 에이전트 ID 생성과 대화 기록 가져오기도 안내합니다.

• 연결 또는 인증 문제 조사
• CopilotKit 프로젝트 생성
• 기존 앱에 CopilotKit 추가

mcp-use와 OpenAI Apps SDK를 사용해 ChatGPT 안에서 작동하는 대화형 위젯 앱을 설계하고 구현하도록 안내합니다. 서버 도구, React 화면, 상태 공유를 다루며, 현재는 사용이 중단되어 후속 기술인 mcp-app-builder를 안내합니다.

• 대화형 ChatGPT 앱 기획
• MCP 도구와 React 위젯 구현
• 위젯 상태를 ChatGPT와 공유

최신 문서와 소스 코드를 참고해 앱에 CopilotKit을 통합하도록 돕습니다. 채팅 화면, 에이전트 연결, 공유 상태, 문제 진단을 다루며 설정 확인과 호환되지 않는 API 버전의 혼용 방지를 안내합니다.

• 앱에 채팅 화면 추가
• 에이전트 프레임워크 연결
• 런타임 연결 문제 진단

Slack 또는 Microsoft Teams에서 에이전트가 답하도록 관리형 CopilotKit Channels를 구현하고 맞춤 설정합니다. 채널 처리기, 상시 실행 런타임 연결, Teams 설정을 다루며 권한 누락이나 패키지 버전 불일치로 응답하지 않는 원인도 확인합니다.

• 멘션과 반응 처리 방식을 변경할 때
• 기존 프로젝트에 관리형 채널을 추가할 때
• Microsoft Teams 연결을 설정할 때

CopilotKit CLI 안내에 따라 Slack 또는 Microsoft Teams에서 답하는 에이전트를 처음부터 설정합니다. 프로젝트 준비, 에이전트 구현, 채널 구성, 상시 실행 호스트 시작을 거쳐 실제 메시지에 답하는지 확인합니다.

• Slack 답변 에이전트를 처음 만들 때
• 에이전트를 Microsoft Teams에 연결할 때
• 실제 답변으로 연결 설정을 확인할 때

reskinnable-demo에 업종별 새 스킨을 만들어 브랜드, 레이아웃, 페이지, 데이터, 도구, 에이전트를 함께 전환합니다. AI 생성 화면, 상태 공유, 사람의 확인, 기억 기능을 보여 주는 영업 데모를 구성합니다.

• 다른 업종의 영업 데모 만들기
• 브랜드·화면·데이터 함께 전환
• 상태 공유와 사람의 승인 시연

Intelligence가 관리하는 Channel을 통해 로컬 CopilotKit 에이전트를 Slack에 연결합니다. 전용 Slack 앱 생성, 인증 정보 등록, 로컬 실행 환경 설정을 안내하고, 사람이 보낸 멘션에 실제로 답하는지 확인합니다.

• 로컬 에이전트용 Slack 봇 설정
• 실행 환경이 연결을 기다리는 원인 확인
• 멘션에 봇이 답하지 않는 이유 조사

전용 로컬 작업 환경에서 CopilotKit Inspector 화면과 동작을 수정하고, 변경 전후 스크린샷으로 결과를 확인합니다. 좁은 화면과 테마, 여러 상태도 점검할 수 있습니다.

• Inspector 패널과 동작 수정
• 좁은 화면에서 접힌 레이아웃 확인
• 라이트·다크 테마 비교

mcp-use를 사용해 AI가 외부 작업과 데이터에 접근하는 MCP 서버의 구축과 수정을 안내합니다. 도구, 재사용 프롬프트, React 화면, 인증, 입력 검증, 배포를 다루며 작업별 참고 자료를 연결합니다.

• mcp-use MCP 서버 새로 만들기
• 도구나 읽기 전용 데이터 추가
• React 조작 화면 만들기

`mcp-use`로 에이전트에 기능과 데이터를 제공하는 MCP 서버를 설계하고 구현하는 자료입니다. 도구, 리소스, 재사용 가능한 프롬프트, 응답 형식, React 인터페이스를 다루며, 현재는 사용이 중단되어 대체 스킬 `mcp-app-builder`를 안내합니다.

• MCP 도구와 참조 데이터를 설계할 때
• 재사용 가능한 프롬프트와 응답 형식을 구현할 때
• MCP 서버에 React 인터페이스를 추가할 때

SGLang Rust 처리기에 모델 지원을 추가하거나 검증해 채팅 요청의 프롬프트 텍스트와 토큰 ID가 Python 경로와 같도록 안내합니다. 참조 테스트로 도구, 추론 설정, 대화 기록과 오류 처리의 차이를 찾습니다.

• `sglang-processor`에 모델 추가
• `sgl-router`에서 렌더링 이관
• Dynamo 업데이트 후 동작 재검증

실행 전에 저장한 입력과 로그를 바탕으로 SGLang의 CUDA 충돌을 조사합니다. 텐서의 모양과 자료형, 수치 이상을 확인하고 여러 GPU와 프로세스의 로그를 구분하는 방법도 안내합니다.

• 잘못된 메모리 접근 원인 조사
• NaN이나 Inf 발생 지점 추적
• CUDA 충돌 전 입력 저장

AOT 방식으로 CUDA/C++ GPU 연산을 sgl-kernel에 추가하도록 안내합니다. PyTorch 등록, Python API 공개, SGLang 통합부터 정확성 테스트와 캐시 재사용을 고려한 성능 측정까지 다룹니다.

• CUDA/C++ 연산 추가
• PyTorch 등록 및 Python API 공개
• 결과와 잘못된 입력 테스트

SGLang 투기적 디코딩 코드의 변수와 지표 이름을 통일합니다. 보너스 토큰 포함 여부, 수량, 누적 카운터, 배열을 구분해 새 식별자를 추가하거나 이름을 바꾸고 변경 사항을 검토할 수 있습니다.

• 투기적 디코딩 변수 이름 정하기
• 의미에 맞게 식별자 이름 바꾸기
• 지표와 카운터 이름 검토

SGLang 런타임 설정과 프로세스 공유 상태를 변경할 때 참고하는 설계 지침입니다. 시작 입력, 해석된 설정, 런타임 플래그, 자원과 추론 처리 단위의 상태를 구분하고 접근·갱신 방식과 검사 항목을 안내합니다.

• 서버 설정 조회와 갱신 검토
• 공유 상태와 요청별 상태 배치
• 작업자 설정 공개 시점 확인

SGLang의 Scheduler, TokenizerManager, ModelRunner를 수정하거나 검토할 때 초기화를 작은 교체 가능 헬퍼로 나누고, 계산과 호출 조정을 분리하도록 안내합니다. 의존성과 필드 대입을 명확히 하는 기준도 제공합니다.

• SGLang 대형 클래스 변경 검토
• 교체 가능한 초기화 헬퍼로 분할
• ModelRunner에서 계산 분리

SGLang 환경 변수를 추가하거나 이름을 바꾸고 검토할 때 정의 위치, 자료형, 이름, 읽기 방식을 일관되게 적용하도록 안내합니다. 이전 이름에서의 마이그레이션과 테스트 중 값을 임시로 덮어쓴 뒤 원래대로 복구하는 방법도 다룹니다.

• SGLang 환경 변수 추가
• 지원 중단된 변수 이름에서 마이그레이션
• 테스트 중에만 설정 덮어쓰기

새 확산 모델이나 Diffusers 생성 파이프라인을 SGLang에 추가하도록 돕습니다. 참고 코드를 살펴보고 적절한 구조를 고른 뒤 기존 구성 요소를 재사용해 모델 설정과 처리 단계를 구현합니다.

• SGLang에 새 확산 모델 추가
• Diffusers 생성 파이프라인 이식
• 기존 구성 요소로 모델 변형 추가