AI 코딩 툴, 5가지 핵심 툴 비교 분석!

발표자는 AI 코딩 툴이 터미널(Terminal)에서 작동하는 CLI(Command Line Interface) 기반임을 강조하며, IDE(Integrated Development Environment) 변경 없이 툴을 쉽게 전환할 수 있는 장점을 설명한다. 터미널 사용의 편리성과 다양한 툴 간의 유연한 전환을 통해 개발 생산성을 향상시킬 수 있다고 언급한다. 또한, 각 툴의 IDE 플러그인(Plugin) 지원 여부를 언급하며, 더 나은 통합 환경을 제공한다고 부연한다.

영상에서는 Cursor CLI와 Codex CLI가 아직 개선의 여지가 있다고 평가하며, 특히 Cursor CLI는 Cloud Code에 비해 기능이 부족하다고 지적한다. Codex CLI는 OpenAI와 Anthropic의 AI 모델 격차를 보여주는 사례로 언급되며, OpenAI의 기술적 발전 속도가 늦다는 점을 강조한다. 발표자는 Cursor CLI가 Cursor 유료 사용자에겐 추가 비용 없이 사용 가능하다는 점을 언급하며, CLI 코딩 툴을 처음 접하는 사용자에게 적합하다고 덧붙인다.

발표자는 Cloud Code의 Output Style 기능을 통해 코드 수정 방식(Default, Explanatory, Learning)을 선택할 수 있다고 설명한다. 특히, Learning Style은 AI가 코드에 주석(Comment)을 추가하여 학습을 돕는 기능을 제공하며, 개발자가 AI에 의존하지 않고 능동적으로 학습할 수 있도록 돕는다고 강조한다. 또한, Sub-agent 기능을 통해 코드 검토, 디버깅 등 특정 작업에 특화된 AI 에이전트(Agent)를 활용하여, 개발 효율성을 높일 수 있다고 설명한다.

Open Code는 75개 이상의 다양한 AI 모델을 지원하며, 사용자가 자신의 API 키(API Key)를 사용하여 원하는 모델을 선택할 수 있다는 점을 강조한다. 발표자는 Open Code Zen을 통해 최적의 AI 모델을 선택하고, OpenAI 및 Anthropic에 직접 비용을 지불하는 대신 Open Code에 비용을 지불하는 방식을 제시한다. 또한, GitHub Copilot 및 Cloud 로그인을 지원하여, 기존 사용자에게 편리함을 제공한다고 설명한다.

발표자는 Amp Code가 Cloud Code와 동일한 모델을 사용함에도 불구하고, 결과의 품질(Quality of Results)에서 큰 차이를 보인다고 언급하며, Amp Code의 강력한 성능을 강조한다. Anthropic이 트래픽(Traffic)이 많을 때 모델 성능을 낮춘다는 점을 언급하며, Amp Code의 우수한 성능이 이와 관련 있을 수 있다고 추측한다. 하지만, Amp Code의 높은 가격(Expensive)이 단점이라고 지적하며, Amp Code의 강력한 성능과 가격의 trade-off를 언급한다.