이 게시물은 AI-DLC를 팀 프로젝트에 적용한 사례와 Subagent·Custom Skill로 보완한 실행 환경을 정리한 글입니다.

핵심 구성

• Main Agent가 워크플로우 오케스트레이션 담당, Reverse Engineering·Code Generation Subagent가 무거운 분석·생성 작업 격리
• MCP Server(context7, aws-knowledge-mcp-server, tavily)로 최신 라이브러리·AWS 레퍼런스·도메인 지식 보강

Custom Skill

• requirements-generator로 비정형 문서에서 구조화된 요구사항·제약사항 자동 생성, 정보 부족 항목 명시
• git-merge로 aidlc 상태파일과 코드 충돌 분류·자동 병합 또는 사용자 확인 유도
• skill-creator로 Unit별 전용 Code Review Skill 생성하여 설계 의도 기반 점검 수행

운영 원리와 성과

• Adaptive Workflow와 Unit 개념으로 Brownfield·Greenfield 동시 적용 가능, Subagent 응답 스키마로 context 소모 방지
• AETL 성능 및 ACMS 단기간 구현 성과 달성, Subagent·Custom Skill 없이는 달성 어려운 결과