코드 한줄도 안보고 trello 자동화 만들기

최근 AI 가 실무에서 적극적으로 도입되며 더이상 바이브코딩과 AI 를 사용한 효율성을 높이는 것이 불가능하지 않게 되었다.

심지어 Cluade code, Antigravity, Codex 가 치열하게 경쟁하면서 세가지 모두 코드 작성에 엄청난 효율을 보이고있다.

 

나는 세가지 모두 직/간접적으로 사용해보긴 했지만, 현재는 Google 의 Antigravity 를 메인으로 사용하고 있었다.

 

Antigravity 를 사용해 코드 한줄도 안보고 Google Calendar 자동화 만들기를 실제로 구현했는데,

2026.05.22 Antigravity 2.0의 출시로 인해 구조가 변경되면서 완전히 처음부터 구조를 잡아야 하게 되었다.

 

간단하게 이야기하자면 기존에는 VS Code 에 copilot 등을 추가했던 형식으로 Antigravity 가 구현되어 있었는데,

이번에는 Codex 와 비슷한 구조로, 채팅 인터페이스를 통해 개발을 완료할 수 있는 환경으로 변경되었다.

 

다만 기존대비 token 사용량이 어마어마하게 소모되면서 이 부분에 대한 해결을 어떻게 진행할지 지켜봐야 할것같다.

 

여하튼 이번에는 Antigarivy 를 사용하여 코드 한줄도 보지 않고 Trello 자동화를 만들어 보기로 했다.

 

1. MD 파일 생성하기

먼저 해당 코드를 만들기 전에 md 파일을 만들었다.

 

md 파일을 생성한 이유는 단순히 방대한 API 문서를 전달하는 것을 넘어서,

Antigravity 에이전트가 코드를 작성할 때 지켜야 할 시스템 가이드라인을 명확히 정의하여

불필요한 토큰 낭비를 막고 안전하게 동작을 통제하기 위함이었다

 

https://developer.atlassian.com/cloud/trello/rest/
위 사이트에서 Download OpenAPI definition 을 통해 Trello API 문서를 다운로드 하여 해당 폴더에 넣고

채팅창에 아래 두개의 프롬프트를 입력하여 자동으로 md 파일을 생성하게 만들었다.

 

두번째 프롬프트는 Gemini 에게 md파일 및 해당 경로 내의 모든 파일을 입력한 뒤 보완할 부분을 제공받았다.

해당 workspace 에서는 trello 의 자동화 도구를 만들 예정입니다.

https://developer.atlassian.com/cloud/trello/rest/api-group-actions/

의 내용을 참고하고 이를 기반으로 제가 원하는 내용을 입력하면 자동으로 자동화 도구를 생성하는 역할을 합니다.

1. 데이터를 기반으로 자동화 도구를 생성합니다.
2. 해당 자동화 도구를 실행하고 동작상의 오류가 없는지 파악합니다.
3. 오류가 있다면 해당 자동화 도구를 수정하고 2번으로 다시 이동합니다.

위 내용을 완성할 때까지 반복합니다. 

C:\Users\owner\Documents\antigravity\trello_automation\trello_api 

에 OpenAPI Definition 을 저장해두었으며, 이를 참고하도록 "md 파일" 을 만들고자 합니다.

md 파일에 아래 부분을 추가하여 작성해주세요.

1. 컨텍스트 크기 관리 (229KB 파일 처리)
trello_api_reference.md 파일의 크기가 229KB입니다. LLM 모델이 이를 한 번에 읽고 처리할 수는 있지만, 매번 전체 문서를 읽으면 응답 속도가 느려지고 할루시네이션(환각)이 발생할 확률이 높아집니다.

보완책: 에이전트에게 "전체 문서를 한 번에 맹목적으로 읽지 말고, 사용자가 요구한 작업(예: 카드 생성)과 관련된 '목차(Table of Contents)'와 '해당 API 엔드포인트' 부분만 선택적으로 검색해서 참조하라"는 지침을 추가해야 합니다.

2. 보안 및 인증 정보 하드코딩 방지
자동화 스크립트를 생성할 때 API Key와 Token이 코드 내부에 평문으로 노출되는 것을 막아야 합니다.

보완책: 스크립트 생성 시 반드시 .env 파일을 활용한 환경 변수 로드 방식(예: Node.js의 dotenv, Python의 os.environ)을 사용하도록 강제해야 합니다.

3. 디버깅을 위한 로깅(Logging) 표준화
'오류가 있다면 수정하고 다시 실행'하는 자동 루프가 원활하게 작동하려면, 에이전트가 실패 원인을 정확히 파악할 수 있어야 합니다.

보완책: 에이전트가 코드를 작성할 때, API 요청 실패 시 HTTP 상태 코드와 응답 Body의 에러 메시지를 상세하게 콘솔에 출력(console.error 또는 logging.error)하도록 코딩 규칙을 명시해야 합니다.

4. 기술 스택 확정
Python 을 사용합니다.

 

2. 수동이 필수 환경 세팅하기

그 다음에 가볍게 Board CRUD 를 테스트 하려고 하니까 기능이 정상적으로 동작하지 않았다.

그래서 "어디에서 막히는지" 에 대해 물어봤을 때, API Key 와 Token 이 없어 테스트가 불가능한 상태였다.

그래서 아래와 같은 스텝을 통해 API-Key 와 Token 을 발급하여 제공했다.

https://trello.com/power-ups/admin

 

Name	앱 이름.
Workspace	해당 앱이 속한 Trello 워크스페이스 파워업의 경우, 선택한 워크스페이스의 보드에서 파워업을 사용할 수 있다.
Email	이 앱과 관련하여 연락받을 수 있는 이메일 주소.
Support Email	사용자로부터 앱 관련 문의 사항이 발생하거나 플랫폼 변경 사항과 관련하여 연락이 필요한 경우 사용할 이메일 주소
Author	디렉토리 및 권한 부여 화면에서 작성자로 표시될 이름.
iframe Connector URL	앱이 파워업 기능을 사용하는 경우, 해당 URL은 파워업이 활성화될 때 로드될 iframe 커넥터에 사용된다. 앱이 파워업 기능을 사용하지 않는 경우, 이 필드를 입력할 필요가 없다.

 

 

 

이렇게  API Key 와 Secret key 를 받은 뒤 이를 프롬프트로 다시 던져주는데,

그 전에 아래 링크를 통해서 모든 보드에 접근을 허용해 줘야 한다.

 

https://trello.com/1/authorize?expiration=1day&scope=read&response_type=token&key={API_KEY}

 

 

그다음에 CRUD 를 진행하기 위한 read/write 권한을 허용해준다.

https://trello.com/1/authorize?expiration=never&scope=read,write,account&response_type=token&key={API_KEY}

이후에 나오는 Key 를 antigravity 에 제공하면 자동으로 .env 파일에 해당 key를 사용하게 된다.

 

3. 자연어를 사용하여 자동화 도구 생성하기.

그렇다면 이번에 코드를 보지 않고 자동으로 테스트 데이터를 생성해보려고 한다.

아래 이미지의 오른쪽처럼 어떤 명령을 내리면 자동으로 해당 명령을 기반하여 데이터를 생성한다.

 

그렇다면 본격적으로 이러한 기능을 통해 자동화를 자동으로 만들 수 있지 않을까?

 

보통 API 테스트에서 기본적으로 CRUD 를 테스트하곤 하는데,

새나티 테스트를 진행하기 위해 기본적인 API CRUD 테스트 도구를 생성한다고 가정했을 때,

이를 프롬포트로 요청하면 아래와 같이 계획을 세운 뒤 자동화 도구를 생성한다.

 

이걸 테스트하는 방법은 아래와 같이 pass/fail 여부를 상세하게 요청하면 어느정도의 내용이 출력된다.

 

물론 내가 직접 테스트해보는 것이 가장 정확하지만, 위 내용을 통해 빠르게 자동화 도구를 확인할 수 있고

email 로 초대 메일이 매번 수신되기 때문에 정상 동작하는 것을 눈으로 확인할 수 있었다.

 

이번 Trello 자동화의 핵심은 코드를 단 한 줄도 확인하거나 수정하지 않고,

오직 자연어 명령과 초기 환경 세팅만으로 실제 구동되는 자동화 도구를 완성했다는 점에 있다.

기존에는 AI가 코드를 짜주더라도 결국 사람이 편집기를 열고 코드를 복사·붙여넣기 하거나

에러를 직접 확인하며 디버깅해야 했는데 최근의 에이전트 환경에서는 AI가 API 문서를 직접 읽고,

스스로 실행 루프를 돌며, 발생한 에러를 판단해 코드를 고치는 전 과정을 알아서 처리한다.

물론 자율 루프가 반복되는 만큼 토큰 소모량이 심해 비용적인 모니터링은 필요하겠지만,

'코드 편집창을 아예 보지 않는 개발 방식'이 현실화되었다는 의의는 크다.

 

이제 생산성의 기준은 코딩 실력이 아니라, AI 에이전트가 헤매지 않도록

명확한 규칙(MD 파일)을 제시하고 통제하는 기획 및 검증 능력으로 이동하고 있다.