CrewX로 로컬 개발에서 프로덕션 배포까지 - CLI에서 API Provider로의 여정

2025년 11월 17일 · 약 8분

Founder @ SowonLabs

로컬에서 완성한 AI 에이전트를 프로덕션 웹서버에 어떻게 녹여낼 수 있을까요? CrewX는 CLI Provider로 시작해서 API Provider로 마이그레이션하는 명확한 경로를 제공합니다. 이 가이드에서는 실제 개발 시나리오를 따라가며 단계별로 마이그레이션하는 방법을 알아봅니다.

시나리오: 로컬 개발에서 프로덕션까지

당신은 개발자로서 다음과 같은 여정을 걷게 됩니다:

로컬 개발: CLI Provider로 AI 에이전트를 빠르게 프로토타이핑
API Provider 전환: 프로덕션 환경을 위한 설정 변경
프로덕션 배포: CLI 명령어로 자동화 및 운영

이 과정을 하나씩 살펴보겠습니다.

Step 1: 로컬 개발 (CLI Provider)

왜 CLI Provider로 시작하나요?

CLI Provider는 로컬 개발 환경에서 가장 빠르게 시작할 수 있는 방법입니다:

즉시 사용 가능: claude, gemini, copilot CLI만 설치하면 됨
파일 시스템 접근: 로컬 프로젝트 파일에 직접 접근
빠른 반복: 코드 변경 후 즉시 테스트 가능
권한 모델: 에이전트가 파일을 수정하기 전에 확인 가능

로컬 개발 환경 구성

프로젝트 초기화:

# CrewX 설치
npm install -g crewx

# 프로젝트 폴더 생성
mkdir my-ai-project
cd my-ai-project

# CrewX 초기화
crewx init

crewx.yaml 작성:

agents:
  - id: "dev_assistant"
    name: "Development Assistant"
    provider: "cli/claude"  # CLI Provider 사용
    working_directory: "./src"
    inline:
      model: "sonnet"
      prompt: |
        당신은 개발 어시스턴트입니다.

        역할:
        - 코드 리뷰 및 분석
        - 버그 수정 제안
        - 리팩토링 가이드
        - 테스트 코드 작성

        항상 코드 품질과 베스트 프랙티스를 우선시하세요.

로컬에서 에이전트 테스트:

# 코드 분석 (query mode)
crewx query "@dev_assistant src/utils.ts 파일을 분석해줘"

# 버그 수정 (execute mode)
crewx execute "@dev_assistant API 호출 에러를 수정해줘"

CLI Provider의 장점

✅ 빠른 개발 사이클

# 코드 수정 후 즉시 테스트
vim src/api.ts
crewx query "@dev_assistant 방금 수정한 코드 리뷰해줘"

✅ 파일 시스템 통합

프로젝트 파일 읽기/쓰기 자동 지원
Git 작업 자동화 가능
로컬 도구 (npm, git 등) 직접 실행

✅ 보안 및 권한 제어

# execute 모드에서 파일 수정 시 확인 요청
crewx execute "@dev_assistant index.ts 리팩토링해줘"
# → Agent가 파일을 수정하려고 할 때 승인 요청

Step 2: 프로덕션 준비 (API Provider로 전환)

왜 API Provider로 마이그레이션하나요?

로컬 개발에서 검증된 에이전트를 프로덕션 환경에 배포하려면 API Provider가 필요합니다:

서버 배포: 웹 애플리케이션에 통합 가능
HTTP 기반: RESTful API로 에이전트 호출
Tool Calling: 함수 호출 방식으로 커스텀 도구 통합
MCP 지원: 외부 서비스 (GitHub, Slack 등) 연동

crewx.yaml 업데이트

CLI Provider 설정 (기존):

agents:
  - id: "dev_assistant"
    name: "Development Assistant"
    provider: "cli/claude"  # CLI Provider
    working_directory: "./src"
    inline:
      model: "sonnet"
      prompt: |
        당신은 개발 어시스턴트입니다.

API Provider 설정 (프로덕션):

agents:
  - id: "prod_assistant"
    name: "Production Assistant"
    provider: "api/anthropic"  # API Provider로 변경
    model: "claude-sonnet-4-5-20250929"
    temperature: 0.7
    options:
      query:
        tools: ["read_file", "grep", "find"]  # 읽기 전용 도구
      execute:
        tools: ["read_file", "write_file", "run_shell"]  # 쓰기 도구 추가
    inline:
      prompt: |
        당신은 프로덕션 AI 어시스턴트입니다.

        역할:
        - 코드 분석 및 리뷰
        - 자동화된 버그 수정
        - 성능 최적화 제안
        - 보안 취약점 점검

환경 변수 설정

.env 파일 생성:

# Anthropic API Key
ANTHROPIC_API_KEY=sk-ant-xxxxxxxxxxxxx

# 프로덕션 환경 설정
NODE_ENV=production

API vs CLI 비교표

항목	CLI Provider	API Provider
배포 환경	로컬 전용	로컬 + 서버
통합 방식	프로세스 spawn	HTTP API
Tool Calling	Spawn 기반	함수 주입
성능	느림 (프로세스 생성)	빠름 (HTTP)
스트리밍	stdio	HTTP SSE
MCP 지원	제한적	완전 지원
다중 모델	Provider 배열	LiteLLM Gateway
비용	Provider 비용만	Provider + 게이트웨이

Step 3: 프로덕션 배포 (CLI 기반)

CLI로 프로덕션 운영하기

API Provider로 전환한 후에도 CLI 명령어를 활용해서 프로덕션 환경을 효율적으로 운영할 수 있습니다.

프로덕션 환경 설정

crewx.yaml 프로덕션 설정:

agents:
  - id: "prod_assistant"
    name: "Production Assistant"
    provider: "api/anthropic"
    model: "claude-sonnet-4-5-20250929"
    working_directory: "/var/app/production"
    options:
      query:
        tools: ["read_file", "grep", "find"]
      execute:
        tools: ["read_file", "write_file", "run_shell"]
    inline:
      prompt: |
        당신은 프로덕션 AI 어시스턴트입니다.

        역할:
        - 로그 분석 및 모니터링
        - 자동화된 버그 수정
        - 성능 최적화 제안
        - 보안 취약점 점검

자동화 스크립트 작성

1. 로그 분석 자동화 (scripts/analyze-logs.sh):

#!/bin/bash

# 프로덕션 로그 분석
CREWX_CONFIG=./crewx.yaml crewx query "@prod_assistant \
  /var/log/app/error.log 파일을 분석해서 최근 1시간 이내 발생한 에러를 요약해줘"

2. 일일 리포트 생성 (scripts/daily-report.sh):

#!/bin/bash

# 일일 시스템 상태 리포트
REPORT_FILE="reports/daily-$(date +%Y%m%d).md"

CREWX_CONFIG=./crewx.yaml crewx query "@prod_assistant \
  시스템 상태를 분석하고 다음을 포함한 리포트를 작성해줘:
  1. 서버 리소스 사용량
  2. 최근 24시간 에러 로그 요약
  3. 성능 지표 분석
  4. 보안 취약점 점검 결과" > "$REPORT_FILE"

echo "Daily report saved to $REPORT_FILE"

3. 긴급 버그 수정 (scripts/hotfix.sh):

#!/bin/bash

FILE=$1
ISSUE=$2

# 긴급 버그 수정
CREWX_CONFIG=./crewx.yaml crewx execute "@prod_assistant \
  $FILE 파일의 버그를 수정해주세요: $ISSUE"

# Git 커밋
git add "$FILE"
git commit -m "fix: Hotfix for $ISSUE"
git push origin main

Cron Job으로 정기 작업 자동화

crontab 설정:

# Crontab 편집
crontab -e

# 매일 오전 9시 일일 리포트 생성
0 9 * * * /var/app/scripts/daily-report.sh

# 매 시간마다 로그 분석
0 * * * * /var/app/scripts/analyze-logs.sh

# 매주 월요일 오전 10시 보안 감사
0 10 * * 1 CREWX_CONFIG=/var/app/crewx.yaml crewx query "@prod_assistant 전체 코드베이스를 스캔해서 보안 취약점을 찾아줘"

CI/CD 파이프라인 통합

GitHub Actions 예제 (.github/workflows/ai-review.yml):

name: AI Code Review

on:
  pull_request:
    types: [opened, synchronize]

jobs:
  ai-review:
    runs-on: ubuntu-latest
    steps:
      - uses: actions/checkout@v3

      - name: Setup Node.js
        uses: actions/setup-node@v3
        with:
          node-version: '20'

      - name: Install CrewX
        run: npm install -g crewx

      - name: AI Code Review
        env:
          ANTHROPIC_API_KEY: ${{ secrets.ANTHROPIC_API_KEY }}
        run: |
          crewx query "@prod_assistant \
            PR #${{ github.event.pull_request.number }}의 변경사항을 리뷰하고 \
            다음을 확인해줘:
            1. 코드 품질 및 베스트 프랙티스
            2. 잠재적 버그 및 에러
            3. 성능 이슈
            4. 보안 취약점" > review.md

          cat review.md

GitLab CI 예제 (.gitlab-ci.yml):

ai_code_review:
  stage: test
  script:
    - npm install -g crewx
    - export CREWX_CONFIG=./crewx.yaml
    - |
      crewx query "@prod_assistant \
        최근 커밋을 분석하고 개선사항을 제안해줘" > ai-review.txt
    - cat ai-review.txt
  only:
    - merge_requests

Docker 컨테이너에서 실행

Dockerfile:

FROM node:20-alpine

# CrewX 설치
RUN npm install -g crewx

# 프로젝트 파일 복사
WORKDIR /app
COPY crewx.yaml .
COPY scripts/ ./scripts/

# 환경 변수 설정
ENV ANTHROPIC_API_KEY=your_api_key
ENV CREWX_CONFIG=/app/crewx.yaml

# Cron 설정
RUN apk add --no-cache dcron
COPY crontab /etc/crontabs/root

CMD ["crond", "-f"]

docker-compose.yml:

version: '3.8'

services:
  crewx-automation:
    build: .
    volumes:
      - ./logs:/var/log/app
      - ./reports:/app/reports
    environment:
      - ANTHROPIC_API_KEY=${ANTHROPIC_API_KEY}
      - CREWX_CONFIG=/app/crewx.yaml
    restart: unless-stopped

프로덕션 모니터링

실시간 로그 모니터링:

# 로그 파일 변경 감지 및 자동 분석
tail -f /var/log/app/error.log | while read line; do
  if echo "$line" | grep -i "error\|fatal\|exception"; then
    crewx query "@prod_assistant 다음 에러를 분석해줘: $line"
  fi
done

시스템 헬스 체크:

#!/bin/bash

# 시스템 상태 확인
HEALTH_STATUS=$(crewx query "@prod_assistant \
  다음 지표를 확인하고 시스템 상태를 평가해줘:
  - CPU 사용률: $(top -bn1 | grep 'Cpu(s)' | awk '{print $2}')
  - 메모리 사용률: $(free | grep Mem | awk '{print $3/$2 * 100.0}')
  - 디스크 사용률: $(df -h / | awk 'NR==2 {print $5}')
")

echo "$HEALTH_STATUS"

# Slack/Discord로 알림 (선택)
if echo "$HEALTH_STATUS" | grep -i "critical\|warning"; then
  curl -X POST -H 'Content-type: application/json' \
    --data "{\"text\":\"🚨 System Health Alert:\n$HEALTH_STATUS\"}" \
    $SLACK_WEBHOOK_URL
fi

실전 활용 시나리오

시나리오 1: 코드 리뷰 자동화

로컬 개발 (CLI):

# 로컬에서 코드 리뷰
crewx query "@dev_assistant PR #123의 변경사항을 리뷰해줘"

프로덕션 (GitHub Actions):

# .github/workflows/pr-review.yml
name: AI Code Review
on:
  pull_request:
    types: [opened, synchronize]

jobs:
  review:
    runs-on: ubuntu-latest
    steps:
      - uses: actions/checkout@v3
      - name: Install CrewX
        run: npm install -g crewx
      - name: AI Review
        env:
          ANTHROPIC_API_KEY: ${{ secrets.ANTHROPIC_API_KEY }}
        run: |
          REVIEW=$(crewx query "@prod_assistant PR #${{ github.event.pull_request.number }}를 리뷰해줘")
          echo "$REVIEW" >> $GITHUB_STEP_SUMMARY

시나리오 2: 버그 자동 수정

로컬 개발 (CLI):

# 로컬에서 버그 수정
crewx execute "@dev_assistant src/api.ts의 null 참조 에러를 수정해줘"

프로덕션 (자동화 스크립트):

#!/bin/bash
# scripts/auto-fix.sh

ERROR_FILE=$1
ERROR_DESC=$2

# AI로 버그 수정
crewx execute "@prod_assistant $ERROR_FILE의 버그를 수정해주세요: $ERROR_DESC"

# 자동 커밋
git add "$ERROR_FILE"
git commit -m "fix: Auto-fix by AI - $ERROR_DESC"
git push origin hotfix/auto-fix-$(date +%s)

echo "✅ Bug fix completed and pushed"

마이그레이션 체크리스트

✅ Phase 1: 로컬 개발

CrewX 설치 (npm install -g crewx)
Claude/Gemini/Copilot CLI 설치
crewx.yaml 작성 (CLI Provider 사용)
로컬에서 에이전트 테스트
기능 검증 완료

✅ Phase 2: API Provider 전환

API Key 발급 (Anthropic/OpenAI/Google)
.env 파일 생성 및 API Key 설정
crewx.yaml 업데이트 (API Provider로 변경)
도구 및 MCP 설정
로컬에서 API Provider 테스트

✅ Phase 3: 프로덕션 배포 (CLI 기반)

프로덕션 환경 crewx.yaml 설정
자동화 스크립트 작성 (로그 분석, 리포트 생성 등)
Cron Job 설정으로 정기 작업 자동화
CI/CD 파이프라인 통합 (GitHub Actions, GitLab CI 등)
Docker 컨테이너 설정 (선택)
프로덕션 모니터링 구성

결론: "아! 이렇게 쉽게 프로덕션 배포가 가능하구나"

CrewX의 마이그레이션 경로는 명확합니다:

로컬 개발: CLI Provider로 빠르게 프로토타이핑
프로덕션 전환: API Provider로 마이그레이션
자동화 배포: CLI 명령어로 운영 및 자동화

핵심 인사이트:

✨ 동일한 crewx.yaml: CLI와 API Provider 모두 동일한 설정 파일 사용 ✨ 점진적 마이그레이션: 로컬과 프로덕션을 병행하며 단계적으로 전환 ✨ CLI 기반 자동화: Cron, CI/CD로 프로덕션 운영 ✨ 확장 가능: 스크립트, Docker, 모니터링으로 무한 확장

이제 여러분도 로컬에서 개발한 AI 에이전트를 프로덕션 환경에 CLI 명령어로 바로 배포하고 운영할 수 있습니다. CrewX와 함께 AI 자동화를 시작하세요! 🚀

다음 단계:

시나리오: 로컬 개발에서 프로덕션까지​

Step 1: 로컬 개발 (CLI Provider)​

왜 CLI Provider로 시작하나요?​

로컬 개발 환경 구성​

CLI Provider의 장점​

Step 2: 프로덕션 준비 (API Provider로 전환)​

왜 API Provider로 마이그레이션하나요?​

crewx.yaml 업데이트​

환경 변수 설정​

API vs CLI 비교표​

Step 3: 프로덕션 배포 (CLI 기반)​

CLI로 프로덕션 운영하기​

프로덕션 환경 설정​

자동화 스크립트 작성​

Cron Job으로 정기 작업 자동화​

CI/CD 파이프라인 통합​

Docker 컨테이너에서 실행​

프로덕션 모니터링​

실전 활용 시나리오​

시나리오 1: 코드 리뷰 자동화​

시나리오 2: 버그 자동 수정​

마이그레이션 체크리스트​

✅ Phase 1: 로컬 개발​

✅ Phase 2: API Provider 전환​

✅ Phase 3: 프로덕션 배포 (CLI 기반)​

결론: "아! 이렇게 쉽게 프로덕션 배포가 가능하구나"​