Hacker News 2026.04.04 39

AI 코딩 도구로 API 연동 100개를 만들어보니 — Nango 팀이 배운 것들

API 연동, 여전히 귀찮은 일이죠

API 연동이라는 게 겉보기엔 단순해 보여요. 문서 읽고, 엔드포인트 호출하고, 응답 파싱하면 끝이잖아요? 그런데 실제로 해보면 얘기가 달라지거든요. 인증 방식이 서비스마다 다르고, 페이지네이션(결과를 여러 페이지로 나눠서 주는 방식) 처리도 제각각이고, 에러 응답 형식도 통일되어 있지 않아요. 이런 "지루하지만 까다로운" 작업을 AI 코딩 도구에게 맡기면 어떨까요?

Nango라는 API 통합 플랫폼을 만드는 팀이 바로 이 실험을 했어요. OpenCode라는 오픈소스 AI 코딩 에이전트를 활용해서 100개가 넘는 API 연동 코드를 작성한 경험을 공유했는데요, 단순히 "AI가 코드를 잘 짜더라"가 아니라, 어디서 잘 되고 어디서 안 되는지를 꽤 솔직하게 정리했어요.

AI가 잘하는 부분, 못하는 부분

결론부터 말하면, AI 코딩 도구는 구조가 반복적인 작업에서 압도적으로 효율적이었다고 해요. API 연동 코드라는 게 사실 큰 틀은 비슷하거든요. HTTP 클라이언트 설정하고, 인증 토큰 넣고, 요청 보내고, 응답 매핑하고. 이런 보일러플레이트(매번 반복되는 기본 코드)를 AI가 빠르게 찍어내는 건 확실히 강점이에요.

반면에 어려웠던 부분도 있었어요. API 문서가 불완전하거나 실제 동작과 다른 경우가 꽤 많았는데, 이런 상황에서 AI는 문서를 "액면 그대로" 믿고 코드를 짜버리는 경향이 있었다고 해요. 예를 들어 문서에는 필드가 필수라고 되어 있는데 실제로는 선택사항이라거나, 문서에 없는 숨겨진 rate limit(일정 시간 내 요청 횟수 제한)이 있다거나 하는 경우요. 이런 "현실 세계의 지저분함"은 여전히 사람이 잡아줘야 하는 영역이었어요.

프롬프트 엔지니어링보다 중요한 건 컨텍스트 설계

Nango 팀이 강조한 포인트 중 하나가 재미있는데요, AI에게 좋은 프롬프트를 쓰는 것보다 좋은 컨텍스트를 제공하는 구조를 만드는 게 더 중요하다는 거예요. 구체적으로는 이미 잘 작동하는 연동 코드를 예시로 보여주고, 프로젝트의 코딩 컨벤션과 타입 정의를 함께 넘겨주고, 테스트 방법까지 알려주는 식이에요.

이게 뭐냐면, AI를 신입 개발자처럼 온보딩시키는 거라고 생각하면 돼요. "이 프로젝트에서는 이렇게 코드를 짜고, 여기 비슷한 예시가 있으니 참고해"라고 알려주는 것과, 그냥 "Slack API 연동 코드 짜줘"라고 던지는 것은 결과물의 품질이 완전히 달라지거든요. 잘 정리된 기존 코드베이스가 있는 프로젝트일수록 AI 코딩 도구의 효과가 극대화된다는 점도 인상적이에요.

기존 방식과 뭐가 달라졌나

전통적으로 API 연동은 개발자가 문서를 꼼꼼히 읽고 직접 하나씩 구현하는 방식이었어요. Postman 같은 도구로 먼저 테스트해보고, SDK가 있으면 SDK를 쓰고, 없으면 직접 HTTP 요청을 만들고요. 이 과정이 서비스 하나당 짧으면 몇 시간, 길면 며칠이 걸렸죠.

AI 코딩 도구를 도입하면서 달라진 건 초안 작성 속도예요. 기본적인 연동 코드의 첫 버전을 만드는 데 걸리는 시간이 크게 줄었다고 해요. 다만 그 코드를 리뷰하고, 엣지 케이스를 잡고, 실제 API와 테스트하는 과정은 여전히 필요해요. 그래서 Nango 팀은 이걸 "AI가 개발자를 대체하는 게 아니라, 개발자의 시작점을 높여주는 것"이라고 표현했어요.

업계 흐름 속에서 보면

AI 코딩 도구 시장은 지금 정말 빠르게 성장하고 있어요. GitHub Copilot이 대중화의 물꼬를 텄고, Cursor 같은 AI 네이티브 에디터가 나오고, Claude Code나 OpenCode 같은 터미널 기반 에이전트도 등장했죠. 이런 도구들이 "어떤 종류의 코딩 작업에 가장 효과적인가"에 대한 실전 사례가 쌓이고 있는 시점인데요, Nango의 경험은 반복적이지만 디테일이 중요한 통합 작업이라는 구체적인 카테고리에서의 사례를 보여줬다는 점에서 의미가 있어요.

비슷한 접근으로 Merge.dev나 Unified.to 같은 통합 API 플랫폼들도 있는데, 이들은 AI로 연동 코드를 생성하기보다는 하나의 통합 API로 여러 서비스를 묶는 방식을 취하고 있어요. Nango의 접근은 각 API의 네이티브 연동을 AI로 빠르게 만든다는 점에서 방향이 좀 달라요.

한국 개발자에게 주는 시사점

국내에서도 SaaS 간 연동 수요가 점점 늘고 있어요. 카카오 워크, 네이버 클라우드, 토스페이먼츠 같은 국내 서비스 API를 다루는 경우가 많은데, 이런 서비스들의 API 문서가 영문 서비스보다 예시가 부족한 경우도 있거든요. AI 코딩 도구를 활용할 때 이 점을 감안해야 해요.

실무에서 바로 적용해볼 수 있는 팁은, 이미 잘 동작하는 연동 코드를 "템플릿"으로 정리해두고 AI에게 컨텍스트로 제공하는 방식이에요. 프로젝트에 CLAUDE.md나 .cursorrules 같은 설정 파일을 두고 코딩 컨벤션을 명시해두면, AI가 생성하는 코드의 품질이 훨씬 일관되게 올라간다고 해요.