이 AI는 텍스트뿐만 아니라 코드를 작성합니다

Large Language Models (LLMs)는 근본적으로 결정론적 계산기가 아닌 확률적 텍스트 예측기로 작동합니다. 이들의 아키텍처는 시퀀스에서 다음으로 가장 확률 높은 토큰을 예측하여 일관성 있고 맥락에 맞는 언어를 생성하는 데 탁월합니다. 이러한 설계는 창의적인 글쓰기, 요약 및 번역에 강력하지만, 정확하고 단계별 수학적 계산에는 본질적으로 적합하지 않습니다. LLMs는 훈련 데이터의 패턴을 기반으로 숫자나 논리적 결과를 본질적으로 '추측'하며, 확실하게 계산을 실행하지 않습니다.

이러한 핵심적인 한계는 데이터 분석 및 수치 작업에서 상당한 장애물을 만듭니다. LLMs는 빈번하게 수학적 오류를 발생시키고, 논리적 관계를 오해하며, 심지어 데이터 포인트나 잘못된 통계 요약을 환각할 수도 있습니다. 원시 수치 데이터에서 수치를 집계하거나, 평균을 계산하거나, 복잡한 통찰력을 도출하기 위해 보조 없는 LLM에 의존하는 것은 정확성과 신뢰성을 심각하게 저해합니다. 결과는 그럴듯하게 *보일* 수 있지만, 사실적 근거는 의심스럽습니다.

개발자들은 전통적으로 "tool calling" 또는 "function calling" 패러다임을 통해 이러한 문제를 완화합니다. LLM은 계산의 필요성을 인식하고, 계산기 API 또는 데이터베이스 쿼리 엔진과 같은 외부의 결정론적 도구에 대한 구조화된 호출을 생성합니다. 이 접근 방식은 정확성을 향상시키지만, 상당한 운영 오버헤드를 발생시킵니다. 각 상호 작용은 LLM과 외부 도구 간에 여러 번의 왕복을 필요로 하며, 이는 모든 중간 단계에서 높은 지연 시간과 상당한 토큰 소비로 이어집니다. 복잡한 데이터 워크플로우는 빠르게 너무 느리고 비싸집니다.

Jack Herrington은 자신의 비디오 "Prompt to Dashboard in One AI Tool Call"에서 이 문제를 정확하게 설명합니다. 그는 "LLMs는 본질적으로 수학을 하는 데 형편없습니다"라고 말합니다. Herrington은 Tanstack AI의 Code Mode와 같은 솔루션이 LLM이 결정론적 TypeScript 코드를 생성하게 함으로써 이 문제를 어떻게 해결하는지 강조합니다. 이 코드는 안전한 샌드박스 내에서 실행되어 모든 수학적 연산을 신뢰할 수 있는 런타임으로 오프로드합니다. 이 방법은 LLM의 내재된 수치적 약점을 우회하여 계산이 정확하고 효율적으로 수행되도록 보장합니다.

Tanstack AI는 대규모 언어 모델의 내재된 한계, 특히 결정론적 계산 및 다단계 추론의 어려움을 해결하는 새로운 솔루션인 Code Mode를 소개합니다. 복잡한 논리에 대해 LLM의 확률적 텍스트 예측에 의존하는 대신, Code Mode는 근본적으로 패러다임을 전환합니다. 이는 LLM에게 도구를 조율하고 안전한 샌드박스 내에서 작업을 실행하는 프로그램, 특히 TypeScript 스크립트를 *작성*하도록 지시하여 AI가 외부 시스템과 상호 작용하는 방식을 변화시킵니다.

전통적인 LLM 접근 방식은 AI가 순차적인 Tool Call Using Code Mode 결정을 내리는 '채팅' 모델을 포함하며, 이는 종종 수많은 왕복 상호 작용, 더 높은 토큰 비용 및 더 느린 실행을 초래합니다. 그러나 Code Mode는 결정론적 프로그래밍 모델을 수용합니다. LLM은 Prompt를 수신하고, 이에 대한 응답으로 완전한 TypeScript 프로그램을 생성합니다. 이 프로그램은 `query table`, `report text` 또는 `report grid`와 같은 주입된 함수를 활용하여 안전한 VM 내에서 단일하고 효율적인 실행으로 필요한 모든 작업을 수행합니다.

Jack Herrington의 비디오, "Prompt to Dashboard in One AI Tool Call"은 이 기능을 생생하게 보여줍니다. 그는 Code Mode가 Netlify Database에 연결하여 일일 수익 추세 Dashboard를 생성하고 복잡한 계산을 수행하는 것을 보여줍니다. LLM은 부정확성을 초래하는 알려진 약점인 수학 자체를 시도하는 대신, 정확한 수학적 연산을 실행하는 TypeScript를 능숙하게 작성합니다. 이는 계산을 결정론적 런타임으로 오프로드하여 정확성을 보장하고 LLM의 주요 장애물을 극복합니다.

이 혁신적인 접근 방식은 AI가 단일의 최적화된 프로세스 내에서 복잡하고 다단계적인 작업을 처리할 수 있는 전례 없는 자율성을 부여합니다. 여러 작업을 하나의 생성된 프로그램으로 통합함으로써, Code Mode는 기존의 순차적인 도구 호출에 비해 토큰 사용량을 극적으로 줄이고 실행 속도를 높입니다. 시스템 프롬프트는 LLM에 사용 가능한 모든 주입된 도구에 대한 포괄적인 세부 정보를 제공하여, LLM이 매우 효과적이고 통합된 프로그램을 작성할 수 있도록 지원합니다. 이는 AI가 Herrington의 시연에서 보여준 동적 Dashboard와 같은 복잡한 데이터 변환을 수행하고 풍부한 출력을 생성할 수 있도록 보장하며, 뛰어난 신뢰성과 효율성을 제공합니다. 이는 더욱 자율적이고 유능한 AI 시스템을 향한 중요한 진전을 의미합니다.

Tanstack AI의 Code Mode는 대규모 언어 모델이 복잡한 시스템과 상호 작용하는 방식을 근본적으로 재정의합니다. 단편적인 도구 호출을 생성하거나 직접 데이터베이스 쿼리를 시도하는 대신, LLM은 사용 가능한 미리 정의된 함수 모음을 상세히 설명하는 강력한 시스템 Prompt를 받습니다. 이것들은 단순히 추상적인 명령이 아닙니다. 데이터베이스 쿼리 또는 UI 구성 요소 렌더링과 같은 특정 작업을 수행하도록 세심하게 제작된 완전히 타입이 지정된 JavaScript/TypeScript 함수입니다. 이 접근 방식은 결정론적 작업을 안전하고 고성능 런타임으로 오프로드함으로써 LLM의 본질적인 한계, 특히 확률적 특성을 완화합니다.

개발자는 데이터베이스 상호 작용을 위한 `queryTable` 또는 UI 렌더링을 위한 `reportGrid`와 같은 표준 Tanstack AI 도구를 정의합니다. Code Mode는 이러한 정의를 가져와서, 결정적으로, 안전한 실행 환경에 직접 주입합니다. 이 환경은 Node.js V8 isolate, 경량 QuickJS WebAssembly runtime, 또는 Cloudflare Workers일 수 있으며, 보안과 확장성을 모두 보장합니다. 이 주입 프로세스는 LLM에 구체적이고 실행 가능한 API를 제공하여, 텍스트 생성 능력과 정밀한 계산 논리 필요성 사이의 간극을 메웁니다. 더 깊은 기술적 통찰력을 얻으려면 Overview | TanStack AI Docs를 참조하십시오.

이 포괄적인 시스템 Prompt를 갖춘 LLM은 더 이상 API 호출을 "추측"하지 않습니다. 사용자 요청을 처음부터 끝까지 해결하도록 설계된 완전하고 독립적인 TypeScript 프로그램을 생성합니다. 이 프로그램은 주입된 함수를 구성 요소로 활용합니다. 예를 들어, "일일 수익 추세"를 요청하는 사용자는 LLM이 Netlify Database에서 원시 판매 데이터를 가져오기 위해 먼저 `queryTable`을 호출하는 TypeScript를 작성하도록 프롬프트합니다.

데이터가 검색되면, 생성된 TypeScript 프로그램이 어려운 작업을 처리합니다. 표준적이고 결정론적인 TypeScript 로직을 사용하여 필요한 모든 집계, 날짜 계산 및 추세 분석을 수행합니다. 이것이 Code Mode가 진정으로 빛나는 부분입니다. LLM은 기본 산술에 매우 취약하지만, 수학적 연산을 완벽하게 실행하는 정확한 TypeScript 코드를 생성하는 데는 탁월합니다. 마지막으로, 프로그램은 `reportText`, `reportGrid`, 또는 `reportCard`와 같은 주입된 UI 함수를 사용하여 계산된 결과를 구조화되고 사람이 읽을 수 있는 출력으로 포맷하고, 이 출력은 요약을 위해 LLM으로 다시 반환됩니다.

이 간소화된 개념적 흐름을 고려해 보세요: ```typescript async function generateDailyRevenueReport() { const rawData = await queryTable("purchases", { where: { date: { gte: "two_months_ago" } } });

// TypeScript에서 복잡한 날짜 그룹화 및 합계 계산 수행 const aggregatedData = calculateDailySums(rawData);

reportGrid("Daily Revenue Trend", aggregatedData); reportMetrics({ totalRevenue: sumAll(aggregatedData) });

return "Report generated successfully with daily revenue trends."; } ``` 이렇게 단일하게 생성된 TypeScript 프로그램은 샌드박스 내에서 실행되어 정확한 결과를 제공하며, 반복적인 LLM 도구 호출에 비해 토큰 비용을 크게 절감합니다. LLM은 프로그램의 반환 값을 받아 Discord 채팅에서 사용자에게 간결한 마크다운 요약을 작성할 수 있도록 합니다.

Tanstack AI의 Code Mode를 사용하여 단일 Prompt로 데이터를 잠금 해제하세요. 이 시스템은 Netlify Database 데모에서 볼 수 있듯이 SQL 데이터베이스와 훌륭하게 통합됩니다. 사용자는 복잡한 인사이트를 간단히 요청하여, 기존 코드를 한 줄도 작성하지 않고 원시 데이터를 실행 가능한 정보로 변환할 수 있습니다.

Jack Herrington의 시연은 전자상거래 시나리오를 보여주었습니다. 사용자가 Prompt "daily revenue trend"를 발행하자마자 포괄적인 보고서가 즉시 생성되었습니다. 새로운 Dashboard 요소로 표시된 이 보고서는 동적 차트와 간결한 마크다운 요약을 포함하여 지난 두 달간의 수익 추세를 제공했습니다.

Code Mode가 직접적인 LLM-to-SQL 상호작용보다 우월한 점은 지능적인 오케스트레이션에서 비롯됩니다. AI에 원시 `execute SQL` 도구를 제공하는 대신, LLM은 TypeScript 코드를 생성합니다. 이 프로그램은 `query table`과 같은 주입된 함수를 사용하여 데이터베이스에서 필요한 원시 데이터를 가져옵니다. 이러한 중요한 차이점은 모든 복잡한 데이터 변환 및 수학적 계산을 정밀도가 보장되는 TypeScript 런타임으로 오프로드합니다.

LLM은 기본 수학 연산에 대해 신뢰할 수 없다는 악명이 높습니다. LLM이 수학 연산을 수행하는 TypeScript를 생성하도록 함으로써 Code Mode는 이러한 근본적인 한계를 우회하여 정확한 결과를 보장합니다. 이 접근 방식은 또한 순차적인 LLM 도구 호출에 비해 토큰 비용을 극적으로 줄이고 실행 속도를 향상시킵니다. 생성된 TypeScript는 이후 `report text` 및 `report grid`와 같은 다른 주입된 도구를 사용하여 처리된 데이터를 최종 보고서로 포맷합니다.

이 데이터베이스 상호작용의 기반에는 Drizzle ORM이 있습니다. 이 Object-Relational Mapper는 고객 및 구매와 같은 엔티티에 대한 데이터베이스 스키마를 정의하여, 다양한 PostgreSQL 데이터베이스 간에 중요한 이식성을 제공합니다. Drizzle Kit의 `defineConfig`는 설정을 간소화하여, Code Mode 생태계 내에서 강력하고 직관적인 데이터베이스 통합을 가능하게 합니다. 이러한 조합은 AI 기반 데이터 분석을 위한 매우 안정적이고 효율적인 방법을 제공합니다.

Jack Herrington은 Code Mode 시연을 위한 강력한 백엔드로 Netlify의 새로운 Netlify Database를 선정하며 그 기능들을 칭찬했습니다. 서버리스 Postgres 서비스로서, 쉬운 로컬 설정과 원활한 프로덕션 배포를 통해 개발을 간소화합니다. Herrington은 모든 코드 브랜치에 대해 격리된 테스트 환경을 자동으로 프로비저닝하여 강력하고 충돌 없는 개발을 보장하는 "매우 멋진" 브랜치 배포 기능을 강조했습니다.

설치 프로세스는 `package.json`에 `@netlify/database@1.0`을 포함한 필수 종속성 설치로 시작되었습니다. 개발자들은 로컬 개발 환경을 시작했으며, 별도의 터미널에서 로컬 데이터베이스 시뮬레이터를 자동으로 실행했습니다. 이 로컬 시뮬레이션은 프로덕션 환경을 정확하게 반영하여 초기 단계부터 일관성과 예측 가능성을 보장합니다.

다음으로, Herrington은 데이터베이스 구조를 정의하는 중요한 단계인 `Drizzle Kit generate`를 사용하여 데이터베이스 스키마 마이그레이션을 생성하는 것을 시연했습니다. 이 명령은 `netlify/database/migrations` 디렉터리 내에 버전 관리되는 마이그레이션 파일을 생성했으며, 고객 및 제품과 같은 테이블을 설명했습니다. 이러한 마이그레이션 적용은 `netlify database migrations apply`로 신속하게 실행되어 스키마가 올바르게 설정되었음을 보장했습니다.

스키마가 확고히 구축된 후, 테스트 데이터로 데이터베이스를 채우는 것이 다음 중요한 단계가 되었습니다. 간단한 `DB seed` 명령은 포괄적인 샘플 고객 및 제품 데이터를 효율적으로 삽입하여 데이터베이스를 실제 항목으로 준비시켰습니다. 이러한 빠른 시딩은 데이터베이스가 Code Mode에 의한 복잡한 쿼리 및 정교한 분석에 즉시 대비할 수 있도록 보장하여 개발을 가속화했습니다.

마지막으로, Herrington은 활발한 개발 중에 데이터베이스를 시각화하고 상호 작용하기 위한 강력하고 직관적인 인터페이스인 Drizzle Studio를 선보였습니다. `DB Studio`를 실행하여 액세스하는 이 "정말 멋진 인터페이스"는 테이블, 데이터 및 스키마에 대한 즉각적인 그래픽 보기를 제공하며, "말 그대로 가장 쉬운 방법"이라고 설명됩니다. 이는 디버깅 및 유효성 검사를 크게 단순화하여 데이터베이스 상태에 대한 명확하고 실시간 창을 제공합니다.

Tanstack AI의 Code Mode는 AI 기반 개발의 새로운 시대를 열며, 세 가지 매력적인 이점을 제공합니다: 더 빠른 실행, 현저히 낮은 운영 비용, 그리고 명확하게 더 스마트하고 신뢰할 수 있는 결과입니다. 이 혁신적인 패러다임은 정밀성과 효율성을 요구하는 복잡하고 다단계적인 작업을 조율할 때 Large Language Models의 본질적인 단점을 직접적으로 해결합니다.

전례 없는 속도 향상은 사용자 경험을 재정의합니다. 기존 방식은 각각 별개의 네트워크 왕복과 개별 LLM 호출을 요구하는 수많은 순차적 단계를 포함합니다. 이 전체 워크플로우를 단일 Tool Call Using Code Mode로 통합함으로써, 시스템은 네트워크 지연 시간과 사용자 대기 시간을 대폭 줄입니다. 일련의 대화형 주고받기 대신, 완전하게 생성된 TypeScript 프로그램이 하나의 통합된 버스트 내에서 실행되어 거의 즉시 결과를 제공합니다.

재정적 절감 효과 또한 상당합니다. 기존 도구 체이닝은 LLM이 코드 조각을 생성하고, 실행을 기다리고, 결과를 받은 다음, 그 피드백을 기반으로 추가 지침을 생성하는 광범위한 대화형 전환을 요구합니다. 이러한 각 반복적인 교환은 상당한 token costs를 발생시킵니다. Code Mode의 단일 호출 실행 모델은 이러한 비용이 많이 드는 주고받기를 대부분 제거하여 복잡한 작업에 훨씬 더 경제적인 솔루션을 제공합니다.

지능 그 자체가 근사치를 넘어선 심오한 업그레이드를 경험합니다. 본질적으로 확률론적 텍스트 예측기인 Large Language Models는 결정론적 수학 연산 및 논리적 추론에 취약하다는 악명이 높습니다. 모든 복잡한 로직, 데이터 변환 및 계산을 안전한 TypeScript runtime으로 오프로드함으로써, Code Mode는 100% 정확한 계산을 보장합니다. 이는 LLM의 내재된 약점을 완전히 우회하여, 신뢰할 수 있는 데이터 분석, 보고서 생성 및 Dashboard 출력을 보장하며, 특히 Netlify Database와 같은 데이터베이스 통합에 매우 중요합니다. Netlify Database에 대한 자세한 내용은 공식 문서를 참조하십시오: Netlify Database | Netlify Docs. 이 통합되고 결정론적인 접근 방식은 AI 상호작용을 일련의 추측에서 정밀하고 효율적이며 매우 신뢰할 수 있는 실행 엔진으로 변화시켜, AI 어시스턴트가 복잡하고 다단계 작업을 수행하는 방식을 근본적으로 재편합니다.

Tanstack AI의 Code Mode는 AI가 단순히 데이터 출력뿐만 아니라 사용자 인터페이스를 능동적으로 구축하는 혁신적인 기능인 Generative UI를 도입합니다. 이는 전통적인 데이터 조작을 넘어 AI가 시각적 구성 요소를 주문형으로 설계하고 렌더링하여 자연어 Prompt로부터 완전한 Dashboards를 생성할 수 있도록 합니다.

AI가 생성한 TypeScript 코드는 이 과정의 핵심입니다. 이 코드는 데이터를 처리한 다음, `reportGrid`, `reportChart`, `reportText`, `reportCard`와 같은 포괄적인 주입된 UI 함수 세트를 활용합니다. 이 함수들은 상위 수준의 지시어 역할을 하여, AI가 처리된 정보가 단순한 요약부터 복잡한 시각화에 이르기까지 정확히 어떻게 나타나야 하는지를 지시할 수 있도록 합니다.

예를 들어, Netlify Database에서 일일 수익 추세를 계산한 후, AI는 `reportChart`를 호출하여 결과를 선 그래프로 시각화하거나, `reportGrid`를 호출하여 상세한 표 형식으로 표시할 수 있습니다. 시스템은 또한 `progress`, `sparkline`, `grid`, `VBox`와 같은 기본 요소를 포함하여 UI 구축을 위한 풍부한 툴킷을 제공합니다.

AI의 TypeScript가 이러한 UI 함수를 호출할 때, 이 함수들은 구성 요소를 직접 렌더링하지 않습니다. 대신, 구조화된 "노드"를 JSON array에 동적으로 추가합니다. 각 노드는 특정 UI 요소 또는 레이아웃 기본 요소를 나타내며, 정확한 React component 구현을 지시하지 않고 무엇을 어떻게 표시해야 하는지를 추상적으로 정의합니다.

프런트엔드 애플리케이션의 전문화된 Node Renderer가 그 다음 역할을 수행합니다. 이 렌더러는 JSON array를 반복하며, 각 노드 유형을 해당 React component에 매핑하는 정교한 인터프리터 역할을 하여 전체 UI를 프로그래밍 방식으로 효과적으로 조립합니다. 이러한 분리된 아키텍처는 유연성과 확장성을 모두 보장하여, AI의 핵심 로직을 변경하지 않고도 프런트엔드 구성 요소를 쉽게 업데이트할 수 있도록 합니다.

이 정교한 메커니즘은 AI에게 데이터 시각화에 대한 탁월한 제어 권한을 부여합니다. AI는 처리된 정보를 동적으로 평가하여 가장 효과적인 프레젠테이션 형식에 대해 자율적인 결정을 내립니다. AI는 데이터와 사용자의 초기 Prompt에 정확하게 맞춰진 맞춤형 UI를 즉석에서 구축하여 진정으로 동적이고 개인화된 경험을 제공합니다.

사용자는 정적 템플릿이 아닌 맞춤형 Dashboards를 받게 되며, 이는 데이터와 최적의 프레젠테이션 전략에 대한 AI의 깊은 이해를 반영합니다. 이 혁신은 단순한 텍스트 생성을 넘어, AI가 Code Mode를 사용하여 단일 Tool Call로부터 풍부하고 인터랙티브한 UI를 구축할 수 있는 시대를 엽니다.

이 시스템은 개발자와 최종 사용자가 복잡한 데이터와 상호 작용하는 방식을 획기적으로 향상시킵니다. 원시적인 통찰력을 시각적으로 매력적이고 쉽게 이해할 수 있는 형식으로 변환하여, 추상적인 데이터를 실질적이고 상호 작용적인 경험으로 효과적으로 바꿉니다. 이는 AI 기반 애플리케이션 개발의 강력한 미래를 보여줍니다.

Tanstack AI의 Code Mode는 AI 기반 비즈니스 인텔리전스의 경쟁이 심화되는 분야에 진입하지만, 근본적으로 다른 영역에서 입지를 다지고 있습니다. 많은 솔루션이 기존 BI 플랫폼에 AI를 도입하는 데 중점을 두는 반면, Code Mode는 개발자를 위한 기초 계층으로 자리매김합니다. 이는 개발자가 미리 정의된 분석 환경에 적응하는 대신, AI 기반 데이터 기능을 처음부터 구축할 수 있도록 지원합니다.

주요 기업들은 이미 자사 제품에 고급 AI 기능을 통합했습니다. Microsoft의 Power BI Copilot은 사용자가 자연어로부터 보고서와 시각화를 생성할 수 있도록 합니다. Tableau Pulse는 개인화된 AI 기반 통찰력을 선제적으로 제공합니다. Google의 Looker + Gemini는 고급 분석과 생성형 AI를 결합하여 직관적인 데이터 탐색을 가능하게 합니다. 이러한 도구들은 기존의 사용자 대면 플랫폼을 통해 복잡한 데이터에 대한 접근을 민주화합니다.

하지만 Code Mode는 ~이 아닙니다.

일회성 상호 작용을 넘어, Code Mode는 대규모 언어 모델이 학습하고 작동하는 방식을 근본적으로 변화시키는 고급 기능인 Agent Skills를 도입합니다. 이 기능은 LLM이 이전에 생성한 효과적인 TypeScript 코드 스니펫을 저장하고 영구적으로 보관하여, 자체적으로 재사용 가능한 솔루션 라이브러리를 구축할 수 있도록 합니다.

Agent Skills는 AI에게 영구적인 기억의 형태를 제공하여, 성공적인 코드 블록이 실행 후 단순히 버려지지 않도록 합니다. 대신, AI는 이러한 '스킬'에 이름을 지정하고, 유형을 지정하며, 후속 대화에서 유사한 문제를 해결하기 위해 이를 불러올 수 있습니다. 이는 효율성을 크게 높여 시스템이 반복적인 작업에 대한 중복 코드 생성을 건너뛸 수 있도록 합니다.

AI가 여러 지역에 걸쳐 다중 통화 변환 및 판매 데이터 집계를 수행하는 복잡한 TypeScript 함수를 생성하는 시나리오를 생각해 보십시오. 매번 이 복잡한 로직을 처음부터 다시 만드는 대신, LLM은 이를 'generateRegionalRevenueReport'라는 '스킬'로 저장할 수 있습니다. 나중에 "Q3의 지역별 매출 분석을 보여줘"와 같은 간단한 Prompt는 이 정확하고 사전 최적화된 함수를 호출할 수 있습니다.

이러한 패러다임의 변화는 AI를 반응적인 코드 생성기에서 성장하는 지식 기반을 가진 능동적인 문제 해결사로 변화시킵니다. 이는 더 빠르고 정확한 결과를 의미하며, 토큰 비용을 줄이고 복잡한 데이터 분석을 가속화합니다. 특히 Netlify Database와 같은 시스템과 상호 작용할 때 더욱 그렇습니다. 이러한 복잡한 보고서의 기본 데이터 구조를 이해하고자 하는 개발자에게는 Meet Drizzle Studio와 같은 도구를 탐색하는 것이 스키마 시각화 및 쿼리에 대한 귀중한 통찰력을 제공합니다. 이는 Code Mode를 단순한 Code Mode를 사용한 도구 호출 오케스트레이터를 넘어, 지속적으로 개선되는 고효율 에이전트로 격상시킵니다.

단순히 텍스트를 예측하는 확률적 AI 에이전트의 시대는 저물고 있습니다. Tanstack AI의 Code Mode는 인간-AI 협업의 새로운 미래를 예고하며, 대규모 언어 모델을 유능하고 결정론적인 프로그래머로 변화시킵니다. 이는 단순히 향상된 도구 호출에 관한 것이 아닙니다. 이는 개발자가 AI를 안내하여 견고하고 검증 가능한 코드를 작성하고 실행하도록 하는 근본적인 패러다임의 변화이며, 우리가 소프트웨어를 구축하는 방식을 근본적으로 변화시킵니다.

LLM의 고유한 수학적 약점이나 높은 토큰 비용과 씨름하는 대신, Code Mode는 LLM이 TypeScript 프로그램을 생성할 수 있도록 지원합니다. 이 프로그램은 Netlify Database와 같은 시스템에 대해 복잡한 데이터 쿼리를 조율하고, 정확성이 보장된 정밀한 계산을 수행하며, 동적인 Generative UI 요소를 구축할 수도 있습니다. 이 모든 것은 지연 시간과 비용을 획기적으로 줄이는 안전하고 효율적인 샌드박스 내에서 이루어집니다.

이러한 프로그래밍 방식은 전례 없는 정확성과 낮은 토큰 소비로 복잡하고 다단계적인 작업을 수행할 수 있는 더욱 강력하고 신뢰할 수 있는 AI 에이전트를 제공합니다. 개발자는 자연어 Prompt에서 단일 AI Tool Call Using Code Mode를 통해 완벽하게 작동하는 Dashboard로 이동하면서 데이터 기반 기능에 대한 개발 주기를 획기적으로 단축할 수 있습니다.

그 의미는 단순한 효율성을 넘어섭니다. 우리는 실행 가능한 로직을 이해하고 생성하는 지능형 에이전트에 의해 처음부터 구축되는 새로운 종류의 AI 네이티브 애플리케이션의 탄생을 목격하고 있습니다. 복잡한 데이터 질문에 답할 뿐만 아니라 자체 운영 구성 요소를 적극적으로 구축하고 유지하며 사용자 요구에 동적으로 적응하는 시스템을 상상해 보십시오.

'Skills'를 통해 이러한 AI 에이전트는 효과적인 코드 패턴을 학습하고 재사용하여 시간이 지남에 따라 점점 더 정교하고 자율적으로 변모할 수 있습니다. 이는 AI가 솔루션을 *설명하는* 조수에서 솔루션을 *구축하는* 존재로 진화하는 심오한 변화를 나타내며, 인간과 기계 지능 간의 공생 관계를 촉진합니다.

이러한 미래는 멀리 있지 않습니다. 지금 바로 접근할 수 있습니다. 이러한 차세대 AI 기반 애플리케이션을 만들고자 하는 개발자들은 Tanstack AI GitHub 저장소를 살펴보아야 합니다. 오늘부터 자신만의 프로그래밍 방식 AI 도구를 구축하는 실험을 시작하여, AI 에이전트가 단지 지능적일 뿐만 아니라 명백히 유능하고 견고한 환경을 만드는 데 기여하십시오.

Tanstack AI의 Code Mode는 무엇인가요?

이는 LLM이 여러 개의 순차적인 도구 호출을 하는 대신, 안전한 샌드박스 내에서 완전한 TypeScript 프로그램을 작성하고 실행할 수 있도록 하는 기능입니다.

Code Mode는 기존 AI 도구 사용을 어떻게 개선하나요?

이는 여러 작업을 하나의 호출로 묶어 토큰 비용과 지연 시간을 줄입니다. 또한 계산을 LLM 대신 신뢰할 수 있는 TypeScript 런타임으로 오프로드하여 수학적 정확성을 보장합니다.

Code Mode는 내 데이터베이스에 연결할 수 있나요?

네. 주입된 함수를 사용하여 SQL databases에 연결하도록 설계되었습니다. 비디오에서는 Netlify Database와 Drizzle ORM을 사용하여 이를 시연합니다.

이 맥락에서 Generative UI는 무엇인가요?

이는 AI가 생성된 코드를 사용하여 처리한 데이터를 기반으로 보고서 또는 대시보드를 위한 차트 및 그리드와 같은 사용자 인터페이스 구성 요소를 동적으로 생성하는 능력입니다.