“아이디어만 있다면 AI로 어디까지 개발할 수 있을까?” 바이브 코딩(Vibe Coding) 실험을 위해 시작한 ‘뭐먹지?’ 프로젝트의 MVP 런칭 과정을 공유합니다.
안녕하세요! Code n’ Cash입니다. 오늘은 직장인이라면 누구나 공감할 인류 최대의 난제, **”오늘 점심 뭐 먹지?”**를 해결하기 위해 시작한 사이드 프로젝트, **’뭐먹지? (What Now, Eat?)’**의 이야기를 시작해보려 합니다.
1. 시작 동기: AI로 ‘바이브 코딩’이 진짜 될까?
사실 이 프로젝트는 단순한 메뉴 추천 서비스를 만들겠다는 생각보다, 더 근원적인 호기심에서 출발했습니다. 최근 ChatGPT, Claude, Gemini 등 AI 모델이 쏟아져 나오면서 **”사용자가 질문하는 수준을 넘어 코딩까지 다 해준다는데, 과연 내 아이디어만으로 어디까지 구현이 가능할까?”**라는 의문이 들었거든요.
이른바 ‘바이브 코딩(Vibe Coding)’—복잡한 문법을 외우기보다 AI와 호흡하며 흐름(Vibe)을 타듯 코딩했을 때, 진짜 상용 수준의 서비스 개발이 가능한지 테스트해보고 싶었습니다. 그래서 가장 친숙하고 가벼운 주제인 ‘점심 메뉴’를 선정해 AI와의 페어 프로그래밍을 시작하게 되었습니다.
2. 기획: 단순하지만 확실한 기능
AI에게 던진 첫 번째 미션은 단순했습니다. “클릭 한 번으로 메뉴를 정해주고, 식당까지 찾아줘.” AI는 이 요청을 바탕으로 즉각적인 보일러플레이트 코드를 뱉어냈고, 저는 여기에 살을 붙여 나갔습니다.
- 상황별 추천: 점심, 회식, 야식 등 상황에 맞는 메뉴 추천.
- 날씨 연동: 비 오는 날엔 파전, 추운 날엔 국밥! (OpenWeather API).
- 맛집 검색: 선정된 메뉴를 파는 주변 5km 식당 자동 검색 (Kakao Map API).
3. 기술 스택: AI가 제안한 최적의 조합
빠른 MVP 개발을 위해 AI에게 추천받은 스택은 다음과 같습니다.
- Frontend: React (Vite) – AI가 컴포넌트 짜주기에 가장 최적화된 라이브러리.
- Backend: FastAPI (Python) – 직관적이고 AI의 학습 데이터가 풍부함.
- Infra: Docker & Docker Compose – 배포 설정까지 AI에게 맡기기 위함.
4. 첫 배포의 교훈
친구들에게 v1.0 링크를 공유했을 때 반응은 뜨거웠습니다. 하지만 곧바로 날카로운 피드백이 돌아왔죠.
“메뉴는 정했는데… 그래서 결제는 누가 해?”
이 피드백은 AI가 예측하지 못한 인간의 영역이었습니다. 여기서부터 개발의 재미가 붙더군요. 단순 추천을 넘어 ‘내기 게임(Pay-Game)’ 기능을 추가하게 된 계기였습니다. 다음 포스팅에서는 이 기능들을 추가하며 AI와 함께 단일 서버를 **마이크로서비스(MSA)**로 뜯어고친 대격변의 과정을 소개해 드리겠습니다.