AI에 코드를 넣는 작은 도구를 만들었습니다 — 3건 팔고 방치했다가, 지금은 12건

본문

AI 코딩 도구를 쓰는 개발자라면 누구나 겪는 사소하지만 귀찮은 문제가 있습니다. 바로 '어떤 코드를 AI에게 줄 것인가'입니다. 인디 개발자 Rajiv는 파일을 메모장에 복사하고, 정리하고, 저장한 뒤 업로드하는 방식으로 작업하다가, 파일을 빠뜨리거나 불필요한 내용을 포함하거나 컨텍스트가 너무 커지는 일이 반복되자 자기가 쓸 도구를 직접 만들기로 했습니다.

RepoPrep이 하는 일

만들어진 도구의 이름은 RepoPrep입니다. 실제로 필요한 파일과 폴더만 선택해 하나의 구조화된 컨텍스트 파일을 생성하고, 대략적인 크기와 토큰 수를 미리 보여줍니다. node_modules 같은 프로젝트 노이즈를 필터링하고, .env 같은 민감한 파일은 자동으로 건너뜁니다. 로컬 폴더는 물론 ZIP 파일, GitHub와 GitLab 저장소에서도 동작합니다.

저자가 특히 강조한 부분은 로컬 우선(local-first) 설계입니다. 컨텍스트 파일을 준비하겠다고 다른 사람의 소스 코드를 서버에 업로드하고 싶지 않았다는 것입니다. AI 도구에 코드를 넘기는 과정 자체가 새로운 노출 지점이 될 수 있다는 점을 고려하면, 로컬에서 모든 처리가 끝나는 구조는 의미 있는 선택입니다.

3건에서 방치, 그리고 12건까지

첫 버전은 5~6개월 전에 만들어졌습니다. Gumroad 구매 링크를 달아 공개했고 2~3건이 팔렸지만, 저자는 사실상 프로젝트를 방치했습니다. 그러다 8월 초에 다시 돌아와 문제에 대한 글을 쓰고, 몇 군데에 포스팅하고, 제품을 개선하기 시작했습니다. 그러자 2건, 그리고 몇 건이 더 팔려 현재 12건의 판매를 기록 중입니다. 복귀 이후에는 같은 아이디어로 Chrome 확장과 MCP 서버도 만들었으며, 웹 앱이 여전히 원조 제품이라고 밝혔습니다.

저자는 이 제품이 적어도 일부 사람들에게는 실제 문제를 해결해주고 있다고 평가하면서도, 더 어려운 부분은 그 사람들에게 꾸준히 도달하는 방법을 찾는 것이라고 털어놓았습니다. 그리고 다른 개발자들에게 질문을 던졌습니다. AI가 코드베이스의 일부를 다루게 할 때 코드를 어떻게 넣고 있는지, 저장소 전체를 주는지 파일을 골라 주는지, Repomix나 Gitingest 같은 도구나 코딩 어시스턴트 내장 인덱싱을 쓰는지, 아니면 그냥 복사·붙여넣기를 하는지 말입니다.

작은 성공이 보여주는 것

12건의 판매는 큰 숫자가 아니지만, 이 이야기의 핵심은 규모가 아니라 과정에 있습니다. '나에게 불편해서 내가 쓰려고 만든 것'이 남에게도 팔리는 도구가 될 수 있다는 것, 그리고 판매 자체보다 문제에 대한 글쓰기와 지속적인 노출이 성장의 실제 레버였다는 점입니다. LLM 시대에 컨텍스트 준비라는 새로운 영역에서 Repomix, Gitingest와 같은 도구들이 경쟁하는 가운데, 로컬 우선과 토큰 수 미리보기 같은 차별점으로 틈새를 파고드는 작은 사례라고 볼 수 있습니다.

원문: Indie Hackers / 번역·요약: Trawling