DEV Community

jidong
jidong

Posted on • Originally published at jidonglab.com

GPT-5 Codex로 동영상 생성 파이프라인 부트스트래핑 — 큰 프로젝트 한번에 시키는 법

#python #typescript

ShortsMaker라는 사주 분석 숏폼 자동 생성 도구를 만들면서 GPT-5 Codex를 활용해 전체 프로젝트를 처음부터 구축했다. 5,800라인 추가, 34개 파일 생성을 4번의 커밋으로 끝냈는데, 여기서 배운 대규모 프로젝트 부트스트래핑 전략을 정리한다.

배경: 무엇을 만들고 있는가

사주 프로필 데이터를 받아서 숏폼 영상을 자동으로 생성하는 파이프라인을 만들었다. Python CLI로 작업을 관리하고, React + Remotion으로 영상을 렌더링하는 구조다.

목표는 단순하다. input/profiles/sample_saju.json에 사주 데이터를 넣으면, 맞춤형 사주 해석이 담긴 9:16 숏폼 영상이 나온다. 기획부터 코딩까지 전부 AI에게 시키고 싶었다.

Codex에게 프로젝트를 통째로 시키는 프롬프팅

일반적인 AI 코딩은 "이 함수 좀 고쳐줘" 수준이다. 하지만 GPT-5 Codex는 프로젝트 전체를 한번에 생성할 수 있다. 핵심은 계층적 명세다.

먼저 이렇게 시작했다:

"Python CLI 기반 숏폼 영상 생성 파이프라인을 만들어줘. 사주 프로필 JSON을 입력받아서 React + Remotion으로 9:16 영상을 렌더링한다.

요구사항:

  1. shortsmaker create-job <profile.json> 명령어로 작업 생성
  2. 사주 데이터 파싱 및 검증 로직
  3. Remotion 프로젝트 부트스트래핑
  4. TypeScript 타입 정의 자동 생성
  5. 렌더링 스크립트 및 에러 핸들링

프로젝트 구조를 먼저 제안하고, 승인받으면 전체 코드를 생성해."

이 프롬프트가 좋은 이유:

  • 단계별 진행: 구조 먼저, 코드는 나중에
  • 구체적 CLI 인터페이스: shortsmaker create-job처럼 정확한 명령어 형식
  • 기술 스택 명시: Python + React + Remotion + TypeScript
  • 검증 단계 포함: 파싱/검증 로직까지 요구

이렇게 쓰면 안 된다:

"숏폼 만드는 프로그램 좀 만들어줘"

모호한 요구사항은 쓸모없는 코드를 만든다.

파일 구조 설계에서 AI 활용법

Codex가 제안한 구조는 이랬다:

src/shortsmaker/
├── cli.py          # 명령어 인터페이스
├── job.py          # 작업 관리
├── models.py       # 데이터 모델
├── hooks.py        # 생성 후크
├── languages.py    # 다국어 지원
└── render/         # 렌더링 모듈

renderer/
├── src/
│   ├── ShortsComposition.tsx  # Remotion 컴포지션
│   ├── Root.tsx              # 루트 컴포넌트
│   └── types.ts              # 타입 정의
└── scripts/render-job.ts     # 렌더링 실행
Enter fullscreen mode Exit fullscreen mode

여기서 중요한 건 AI에게 아키텍처 리뷰를 시킨 것이다:

"이 구조에서 potential issue는 뭐가 있을까? 특히 Python-TypeScript 간 타입 동기화와 멀티 렝귀지 지원 관점에서."

AI가 지적한 문제들:

  1. models.py의 Pydantic 모델과 types.ts가 따로 논다
  2. languages.py에서 locale 데이터 관리가 복잡할 수 있다
  3. 렌더링 에러 핸들링이 CLI로 제대로 전파되지 않을 수 있다

이런 사전 검토로 hooks.py에 타입 동기화 로직을, config.py에 글로벌 설정을 추가했다.

대규모 코드 생성시 컨텍스트 관리

5,800라인을 한번에 생성할 때 가장 어려운 건 컨텍스트 일관성이다. 파일마다 import path가 다르고, 타입 정의가 맞지 않고, 함수 시그니처가 달라진다.

해결책은 점진적 생성 + 의존성 순서다:

1단계: 코어 모델부터

"models.py부터 생성해줘. SajuProfile, JobConfig, RenderOptions 모델을 Pydantic으로. 이후 파일들이 이 모델을 import할 거야."

2단계: CLI 인터페이스

"cli.py에서 models.py의 클래스들을 사용해서 create-job, render-job, list-jobs 명령어를 만들어줘."

3단계: 비즈니스 로직

"job.py에서 실제 작업 생성/관리 로직을. CLI에서 호출하는 함수들이야."

4단계: TypeScript 부분

"Python 모델 기반으로 renderer/src/types.ts 생성해줘. SajuProfile과 정확히 호환되게."

이 순서가 중요하다. 의존성 그래프를 거슬러 올라가면서 생성하면 import 에러가 없다.

Remotion + Python 파이프라인 연동 전략

가장 까다로운 부분은 Python CLI에서 Node.js 기반 Remotion을 실행하는 것이었다.

핵심 아이디어는 JSON 브릿지다:

# job.py
def create_render_job(profile: SajuProfile) -> RenderJob:
    job_data = {
        "id": str(uuid4()),
        "profile": profile.dict(),
        "output_path": f"output/{profile.name}_{timestamp}.mp4"
    }

    # JSON 파일로 저장
    with open(f"jobs/{job_data['id']}.json", "w") as f:
        json.dump(job_data, f)

    return RenderJob(**job_data)
Enter fullscreen mode Exit fullscreen mode 
// render-job.ts  
const jobData = JSON.parse(fs.readFileSync(jobPath, 'utf8'));
const composition = await renderMedia({
  composition: 'SajuShorts',
  serveUrl: bundleLocation,
  codec: 'h264',
  inputProps: jobData.profile,
  outputLocation: jobData.output_path
});
Enter fullscreen mode Exit fullscreen mode

이 패턴의 장점:

  • Python과 TypeScript가 직접 통신할 필요 없다
  • Job 상태를 파일시스템에서 추적할 수 있다
  • 렌더링 실패시 재시도가 쉽다
  • 스케일아웃할 때도 유리하다

Codex에게 이런 아키텍처를 제안받으려면:

"Python CLI에서 Node.js Remotion을 실행해야 한다. subprocess로 직접 호출하지 말고, 더 robust한 방식으로 데이터를 전달하고 상태를 추적할 수 있게 해줘."

테스트 데이터 생성도 AI에게

실제 사주 데이터 없이 개발하려면 realistic한 샘플 데이터가 필요했다.

"input/profiles/sample_saju.json 파일을 만들어줘. 실제 사주명리학 기반으로 일주, 월주, 년주, 시주 정보와 오행 분석, 성격 분석이 들어가야 한다. 너무 복잡하지 않게 하되 realistic하게."

생성된 샘플:

{
  "name": "김영수",
  "birth_date": "1990-05-15",
  "birth_time": "14:30",
  "pillars": {
    "year": "경오",
    "month": "신사", 
    "day": "기축",
    "hour": "신미"
  },
  "elements": {
    "wood": 1,
    "fire": 3,
    "earth": 2,
    "metal": 3,
    "water": 1
  },
  "personality_analysis": "화의 기운이 강한 활발한 성격...",
  "fortune_2024": "올해는 토의 해로 안정감이 증가..."
}
Enter fullscreen mode Exit fullscreen mode

이런 디테일한 샘플 데이터가 있어야 React 컴포넌트에서 실제 UI를 그릴 수 있다.

CLI path 처리의 함정

개발 과정에서 d6e1582 커밋처럼 path 관련 버그가 나왔다. Python CLI를 프로젝트 루트에서 실행하느냐, 서브디렉토리에서 실행하느냐에 따라 상대 경로가 달라진다.

해결한 패턴:

# config.py
from pathlib import Path

PROJECT_ROOT = Path(__file__).parent.parent.parent
RENDERER_DIR = PROJECT_ROOT / "renderer" 
INPUT_DIR = PROJECT_ROOT / "input"
OUTPUT_DIR = PROJECT_ROOT / "output"
Enter fullscreen mode Exit fullscreen mode

이렇게 하면 shortsmaker CLI를 어디서 실행하든 절대 경로로 동작한다.

Codex에게 이런 robust한 path 처리를 요청하려면:

"CLI 명령어를 프로젝트 어느 위치에서 실행해도 동작하게 해줘. 상대 경로 대신 프로젝트 루트 기준 절대 경로를 사용해."

더 나은 방법은 없을까

지금까지 소개한 방식도 괜찮지만, 2024년 말 기준으로 더 나은 대안들이 있다:

1. Cursor Composer 활용
Codex 대신 Cursor의 Composer를 쓰면 프로젝트 전체 컨텍스트를 더 잘 유지한다. 특히 @codebase 기능으로 기존 코드와의 일관성을 보장할 수 있다.

2. MCP 서버로 Python-TypeScript 동기화
JSON 브릿지보다는 Model Context Protocol 서버를 만들어서 실시간으로 타입을 동기화하는 게 더 깔끔하다. Anthropic에서 공식 지원하는 패턴이기도 하다.

3. Windsurf Cascade로 멀티 파일 작업

5,800라인을 한번에 생성하기보다는, Windsurf의 Cascade 모드로 파일별로 점진적 생성하면서 컨텍스트를 누적하는 게 더 안정적이다.

4. 최신 Remotion Lambda 활용
로컬에서 Node.js 실행하지 말고 Remotion Lambda로 클라우드 렌더링하면 Python CLI가 훨씬 단순해진다. subprocess 관리할 필요도 없고 스케일도 쉽다.

5. v0.dev로 React 컴포넌트 프로토타이핑
ShortsComposition.tsx 같은 복잡한 UI 컴포넌트는 Vercel v0.dev로 먼저 프로토타입 만들고, 그걸 Remotion 형태로 변환하는 게 더 효율적이다.

정리

  • 계층적 명세: 구조 먼저, 코드는 나중에. AI도 단계별로 생각한다
  • 의존성 순서: 코어 모델부터 생성해서 import 에러를 방지한다
  • JSON 브릿지: 서로 다른 런타임 간 데이터 교환은 파일이 가장 안전하다
  • 절대 경로: CLI 도구는 실행 위치에 독립적이어야 한다

이번 작업의 커밋 로그

6cc0e4f — gpt-5-codex: log sample short validation

d6e1582 — gpt-5-codex: fix repo-relative cli paths

07e6f61 — gpt-5-codex: build saju shorts pipeline

65f233a — gpt-5-codex: bootstrap project workspace

Top comments (0)