아키텍처는 변경의 범위와 책임을 명확히 한다. 마틴 파울러가 설명한 세 계층은 AI에게 변경할 곳과 재사용할 코드를 지정하는 데도 쓸 수 있다. 구현을 맡긴 뒤 화면에서 시작한 동작이 업무 규칙을 거쳐 데이터에 제대로 반영되는지 확인하는 일은 개발자의 몫이다.
LLM으로 개발하는 일이 많아지면서 바이브 코딩을 어떻게 잘할지에 대한 이야기도 자주 들린다. 그에 비해 코드를 어떻게 나눌지에 대한 이야기는 상대적으로 덜 들리는 듯하다. AI에게 구현을 맡기는 상황에서도 기본적인 아키텍처를 이해하는 일은 여전히 중요하다고 본다.
이 생각을 풀어보기 위해 《리팩터링》의 저자 마틴 파울러가 2015년에 쓴 Presentation Domain Data Layering을 살펴봤다. 화면, 업무 규칙, 데이터 접근을 나누는 익숙한 방식인데, 지금 읽어보니 AI에게 작업을 맡기는 방식과도 연결되는 대목이 있었다.
화면, 업무 규칙, 데이터 접근을 나눈다
파울러가 소개하는 방식은 애플리케이션을 세 계층으로 나누는 것이다.
- 프레젠테이션(Presentation)은 사용자에게 정보를 보여주고 입력을 받는다.
- 도메인 로직(Domain Logic)은 서비스의 업무 규칙과 계산을 다룬다.
- 데이터 접근(Data Access)은 데이터베이스나 외부 서비스에서 필요한 데이터를 읽고 저장한다.
파울러가 이 구조에서 가장 큰 장점으로 꼽은 건 한 번에 신경 써야 할 범위가 줄어든다는 점이다. 업무 규칙을 수정할 때는 화면이 어떻게 그려지는지 잠시 내려놓을 수 있다. 데이터를 읽고 쓰는 일도 필요한 값을 주고받는 함수로 생각하면 된다. 데이터 접근 코드를 수정할 때는 그 함수가 필요한 데이터를 어떤 형태로 제공할지에 집중할 수 있다.
AI에게 구현을 맡길 때도 이 구분을 써볼 수 있다. 각 모듈이 하는 일이 드러나 있으면, 에이전트에게 어떤 코드를 보여주고 어디까지 맡길지 정하기 쉬워진다. 계층 사이에서 주고받을 내용이 정해진 작업이라면 여러 에이전트에 나눠 동시에 진행해볼 수도 있다. 이건 파울러의 설명을 읽고 AI 개발에 연결해 본 생각이다.
같은 업무 규칙을 여러 곳에서 쓰고 따로 테스트한다
업무 규칙을 화면에서 분리하면 웹 페이지와 모바일 앱이 같은 로직을 공유할 수 있다. 화면마다 사용 경험은 달라도, 그 아래에서 적용되는 규칙은 한곳에서 관리할 수 있다. 데이터 접근을 분리하면 저장 기술이 바뀔 때도 기존 업무 코드가 쓰는 인터페이스를 유지하면서 조회와 저장 방식을 바꿀 수 있다.
UI테스트의 경우, 화면이 바뀔 때 테스트도 손봐야 할 수 있다. UI가 규칙에 얽매혀 있다면 불필요한 테스트 변경 비용이 들 수 있다. 계층을 나누게 된다면, 즉 업무 규칙을 도메인으로 전가한다면, 그 역할을 나눌 수 있다. 데이터 접근이 느리거나 테스트 환경에서 다루기 어렵다면 테스트 대역으로 바꿀 수도 있다.
세 계층 안에서도 필요한 만큼 나눌 수 있다
계층을 나누는 단위는 프로그램의 규모에 따라 달라진다. 작은 프로그램은 역할에 따라 함수를 나눠 파일 몇 개에 둘 수 있고, 더 큰 프로그램은 패키지나 모듈로 구분할 수 있다. 파울러는 화면과 도메인 사이에 Service Layer를 두거나 화면 쪽을 더 세분화하는 구성도 소개한다.
영상에서는 이 대목에서 몇 가지 패턴을 함께 짚었다. 화면과 화면에 필요한 상태·동작을 나누는 데는 MVVM, 애플리케이션이 제공하는 작업과 처리 흐름을 구성하는 데는 Service Layer나 클린 아키텍처의 Use Case, 업무 코드에서 데이터를 조회하고 저장하는 접점을 구성하는 데는 Repository를 참고할 수 있다.
원문에서 언급하는 Data Mapper와 헥사고날 아키텍처는 도메인 모델을 저장 방식에서 분리하고 의존 방향을 어떻게 잡을지 살펴볼 때 이어서 읽을 만하다. BFF(Backend for Frontend)는 특정 화면을 지원하는 역할을 맡기 때문에 파울러는 이를 프레젠테이션 계층의 일부로 본다.
계층으로 나누지만, 팀은 풀스택이어야 한다
기능 하나를 바꾸는 동안에는 계층 사이를 자주 오간다. 화면을 다듬다가 업무 규칙을 바꿔야 할 수 있고, 그 변경이 데이터 접근에까지 이어질 수도 있다. 파울러는 이 때문에 팀을 계층별로 나누면 조율 비용이 커진다고 봤다. 개발자마다 전문 분야가 있어도, 팀 전체로는 화면부터 데이터까지 다룰 수 있어야 한다는 뜻이다. 시스템이 커졌을 때는 최상위 모듈을 업무 영역별로 나누고, 그 안에 필요한 계층을 두는 구성을 권한다.
이 대목은 LLM과 함께하는 1인 풀스택 개발에도 연결해볼 수 있다. 혼자 개발하면서 화면과 서버 구현을 각각 에이전트에 맡기더라도, 사용자 기능을 바꾸다 보면 두 작업을 함께 살펴볼 일이 생긴다. 코드를 계층으로 나눠두면 그때마다 어느 부분에 집중할지 정할 수 있다. 업무 영역 자체의 경계를 더 생각해보고 싶다면, DDD에서 하나의 모델이 어디까지 같은 의미로 통하는지 다루는 바운디드 컨텍스트도 함께 살펴볼 만하다.
아키텍처와 하네스 엔지니어링
파울러는 계층을 나누는 이유로 사람이 코드를 수정할 때 한 번에 다뤄야 할 범위를 줄이기 위해서라고 말한다. AI에게 구현을 맡길 때는 그 경계를 작업 범위와 맥락을 정하는 데도 쓸 수 있다. 모듈마다 맡는 역할을 나누면, 에이전트에게 무슨 작업을 맡기고 그 작업에 어떤 정보를 줘야 할지 구체적으로 설명할 수 있기 때문이다.
이 대목에서 아키텍처가 하네스 엔지니어링과 연결된다고 생각할 수 있다. AI에게 어떤 지시를 내릴지 생각하다 보면 결국 서비스가 어떻게 구성되어 있는지, 각 부분이 무엇을 맡고 어디서 사용되는지 알아야 한다. 기본적인 아키텍처를 이해하는 일이 LLM을 더 효율적으로 쓰는 데도 도움이 되는 것이다.

