초록

대규모 언어 모델(LLM)의 발전은 코드 생성 보조에서 자율적 코드 작성을 가능하게 하는 코딩 에이전트로의 패러다임 전환을 촉진하였으며, 개발자가 코드 한 줄 한 줄을 세밀히 분석하는 대신 결과 관찰을 통해 AI에 의해 생성된 구현을 검증하는 새로운 개발 방법론인 '바이브 코딩(Vibe Coding)'을 가능하게 하였다. 이 방법론은 혁신적인 잠재력을 지니고 있으나, 그 효과성에 대한 연구는 여전히 부족하며, 실증적 연구 결과는 예상치 못한 생산성 저하와 인간-AI 협업의 근본적 과제를 드러내고 있다. 이러한 연구 공백을 보완하기 위해 본 논문은 대규모 언어 모델을 활용한 바이브 코딩에 대한 최초의 포괄적이고 체계적인 종합 검토를 제공하며, 이 혁신적인 개발 접근법에 대한 이론적 기반과 실용적 프레임워크를 구축한다. 1,000편 이상의 연구 논문을 체계적으로 분석한 바탕 위에서, 우리는 바이브 코딩 생태계 전체를 조망하며 핵심 인프라 구성 요소인 코딩용 LLM, LLM 기반 코딩 에이전트, 에이전트의 개발 환경, 피드백 메커니즘을 검토한다. 먼저, 인간 개발자, 소프트웨어 프로젝트, 코딩 에이전트 간의 역동적인 삼자 관계를 포괄하는 제약된 마르코프 결정 과정(Constrained Markov Decision Process)을 도입함으로써 바이브 코딩을 공식적인 학문 분야로 정의한다. 이 이론적 기반 위에서, 기존의 실천 사례들을 종합하여 다섯 가지 구분되는 개발 모델—무제한 자동화, 반복적 대화형 협업, 계획 중심형, 테스트 중심형, 그리고 맥락 강화형 모델—을 제안함으로써 본 분야 최초의 포괄적 분류 체계를 마련한다. 특히, 본 연구의 분석은 성공적인 바이브 코딩이 에이전트의 기능에만 의존하는 것이 아니라, 체계적인 맥락 설계(context engineering), 정립된 개발 환경, 그리고 인간-에이전트 협업 개발 모델의 확립에 달려 있음을 밝혀낸다.