Claude Code를 ‘제대로’ 쓰는 방법: Garry Tan의 gstack이 보여주는 AI 개발의 새로운 패턴

AI에게 코드를 시키면 결과가 들쭉날쭉하다.
어떤 날은 완벽하고, 어떤 날은 엉망이다.

문제는 모델이 아니라 우리가 일을 시키는 방식일지도 모른다.

Y Combinator의 CEO Garry Tan은 이 문제를 정면으로 파고들었고,
그 결과물을 gstack이라는 형태로 공개했다.

이 프로젝트는 단순한 프롬프트 모음이 아니다.
AI를 “개발자처럼 일하게 만드는 구조” 그 자체다.

 

GitHub - garrytan/gstack: Use Garry Tan's exact Claude Code setup: 15 opinionated tools that serve as CEO, Designer, Eng Manager

 

---

프로젝트 소개

gstack은 Claude Code 환경에서 사용할 수 있는
스킬 기반 AI 작업 파이프라인 세트다.

핵심은 단 하나다:

AI에게 일을 시키지 말고,
“일하는 방식”을 먼저 설계하라

무엇을 해결하나?

기존 AI 코딩 방식의 문제:

• 한 번에 “코드 만들어줘” → 결과 품질 불안정
• 요구사항 누락
• 설계 없이 바로 구현 → 유지보수 어려움
• 반복적인 수정 루프 발생

gstack은 이를 다음 방식으로 해결한다:

• 작업을 Skill 단위로 분해
• 기획 → 설계 → 구현 순으로 강제
• CLI 환경에서 빠르게 실행 가능
• 재사용 가능한 워크플로 제공

누가 만들었나?

• Garry Tan (Y Combinator CEO)
• 실제 스타트업/실무 환경에서 검증된 워크플로

어디서 쓰나?

• Claude Code CLI
• 로컬 개발 환경
• AI 기반 코드 생산 워크플로

기술 스택

• CLI 기반 워크플로
• Markdown + 텍스트 기반 Skill 정의
• Claude Code 인터페이스
• 로컬 파일 기반 실행 구조

---

왜 이 프로젝트가 등장했을까

기존 AI 코딩의 근본적인 문제

1. “바로 코드” 접근 방식

"이거 CRUD API 만들어줘"

→ 문제:

• 요구사항이 불명확
• 설계 없음
• 예외 처리 빠짐
• 구조 불안정

---

2. 인간 개발자는 이렇게 안 한다

실제 개발 프로세스:

1. 문제 정의
2. 요구사항 정리
3. 설계
4. 구현

하지만 AI에게는:

"바로 4번 해줘"

→ 실패 확률 상승

---

gstack의 접근 방식

gstack은 완전히 반대로 접근한다:

“AI를 개발자처럼 생각하게 만든다”

즉,

• 먼저 생각하게 하고
• 구조를 만들고
• 그 다음 코드를 작성하게 한다

---

핵심 기능

1. Skill 기반 작업 분해

gstack의 핵심은 “Skill”이다.

Skill은 단순 프롬프트가 아니다:

• 역할 정의
• 입력 구조
• 출력 형식
• 작업 목적

예:

/plan
/spec
/implement
/review

각각이 독립적인 작업 유닛이다.

---

2. 2단계 기획 스킬 (핵심)

Garry Tan이 강조한 핵심:

"코딩 전에 반드시 2단계 기획을 거쳐라"

1단계: 문제 구조화 (/plan)

• 문제를 정의
• 요구사항 정리
• 범위 설정

2단계: 명세화 (/spec)

• API 구조
• 데이터 모델
• 흐름 정의

---

이 과정을 거치면:

❌ "TODO 앱 만들어줘"

→

✅ "다음 스펙 기반으로 구현해"

AI가 훨씬 정확한 결과를 낸다.

---

3. CLI 기반 /browse 기능

gstack에는 흥미로운 기능이 있다:

/browse https://example.com

이 기능은:

• 웹 페이지를 가져와서
• 내용을 분석하고
• AI 입력으로 변환

즉,

"AI가 직접 자료를 읽고 이해하게 만든다"

---

4. 텍스트 복사로 즉시 설치

gstack은 복잡한 설치가 없다.

• 텍스트 복사
• CLI에 붙여넣기
• 바로 사용

이건 중요한 포인트다:

“진입장벽을 최소화”

---

5. 작업 파이프라인 구성

gstack은 단순 스킬 모음이 아니라
워크플로 시스템이다.

예:

/plan → /spec → /implement → /review

이 흐름이 반복되면서:

• 품질 향상
• 수정 감소
• 일관성 확보

---

프로젝트 아키텍처 분석

gstack은 복잡한 서버 구조가 아니다.
오히려 로컬 중심의 lightweight orchestration이다.

구성 요소 설명

1. CLI

• 사용자 인터페이스
• 명령어 기반 실행

2. Skill Router

• 어떤 스킬을 실행할지 결정
• 입력을 적절한 포맷으로 변환

3. Skills

각각 독립적인 역할:

• Plan → 사고 구조화
• Spec → 설계
• Implement → 코드 생성
• Browse → 외부 정보 수집

---

4. Claude

• 실제 LLM 처리
• 각 스킬의 "두뇌"

---

5. Web Fetcher

• /browse 기능 담당
• 웹 데이터를 AI 입력으로 변환

---

실제 사용 예시

기존 방식 (문제 있음)

"Node.js로 게시판 API 만들어줘"

결과:

• 구조 없음
• edge case 없음
• 테스트 없음

---

gstack 방식

1단계: 계획

/plan 게시판 API 만들기

출력:

• 요구사항
• 기능 목록
• 제약 조건

---

2단계: 명세

/spec

출력:

{
  "endpoints": [
    "GET /posts",
    "POST /posts"
  ],
  "models": ["Post"],
  "validation": ["title required"]
}

---

3단계: 구현

/implement

app.post('/posts', (req, res) => {
  const { title } = req.body;
  if (!title) return res.status(400).send("title required");

  // ...
});

---

결과

• 훨씬 정확한 코드
• 수정 횟수 감소
• 구조적 일관성 확보

---

언제 사용하면 좋은가

gstack은 다음 상황에서 특히 강력하다:

1. AI 코딩 결과가 들쭉날쭉할 때

→ 원인은 대부분 “프롬프트 구조 부족”

---

2. 큰 기능을 개발할 때

• API 서버
• SaaS 기능
• 자동화 시스템

---

3. 팀에서 AI를 사용할 때

• 일관된 워크플로 필요
• 결과 품질 표준화

---

4. 스타트업 환경

• 빠르게 만들고
• 빠르게 검증해야 하는 경우

---

핵심 인사이트

gstack이 던지는 메시지는 명확하다:

AI 시대의 경쟁력은
“코딩 능력”이 아니라
“작업을 설계하는 능력”이다

---

기존 개발자

• 코드를 잘 짠다

앞으로의 개발자

• AI가 잘 일하도록 만든다

---

마무리

gstack은 단순한 툴이 아니다.
AI 시대의 개발 방법론이다.

• 프롬프트 → ❌
• 스킬 → ⭕
• 요청 → ❌
• 파이프라인 → ⭕

---

이제 질문은 하나다:

당신은 AI에게 일을 시키고 있는가,
아니면 AI가 일할 시스템을 만들고 있는가?