🚀 FinDeploy: 1주 MVP 스프린트 개발 계획 (실제 아키텍처 Ver.)

핵심 전략: 2-Phase 접근법. 4일 차까지 '가짜 데이터(Mock)'로 핵심 흐름(E2E)을 무조건 완성하고, 남은 3일간 '진짜 데이터(AI + Infracost)'로 엔진을 교체합니다.

Phase 1: 핵심 PoC 및 프로젝트 설정 (Day 1 ~ Day 2)

목표: 가장 큰 위험(Risk)인 AI 분석 PoC를 2일 안에 끝냅니다. • [공통 / Day 1 오전] API 키 발급 ◦ 팀원 모두 OpenAI(GPT-4o) 또는 Gemini API 키 발급 ◦ Infracost API 키 (무료) 발급 및 공유 • [AI PoC / Day 1-2] AI 분석 스크립트 검증 (가장 중요! ★★★) ◦ UI, 서버 없이 test.py 스크립트 하나로 시작 ◦ 샘플 '실제 아키텍처 다이어그램' 이미지 3장 준비 (AWS, GCP, Azure) ◦ Task 1 (MVP용): AI Vision 프롬프트 튜닝 $\rightarrow$ "이 다이어그램을 보고 리소스 개수를 간단한 JSON으로 요약해 줘." (예: {"aws_instance": 3, "aws_db_instance": 1}) ◦ Task 2 (본선용): AI Vision 프롬프트 튜닝 $\rightarrow$ "이 다이어그램을 보고 3대 클라우드별 Terraform 코드를 생성해 줘." ◦ (결과 확인: 손그림보다 훨씬 더 안정적으로 JSON과 코드가 생성되는 것을 확인) • [FE / BE / Day 1-2] 프로젝트 세팅 ◦ React (FE) + Node.js/Python (BE) 기본 프로젝트 생성 및 Git 연동 ◦ FE: Chart.js 라이브러리 설치

Phase 2: '가짜 MVP' 완성 (Day 3 ~ Day 4)

목표: "다이어그램을 올리면 (가짜) 비용이 계산되어 차트가 나온다." • [BE / Day 3] Mock API 개발 ◦ mockPrices.json 파일 하드코딩 (예: {"aws_instance": {"aws": 50, "gcp": 40, "azure": 55}, ...}) ◦ /api/analyze-mock 엔드포인트 생성: Phase 1의 **'간단한 JSON'**을 입력받아, Mock 가격표와 곱셈하여 최종 비용 JSON ({"aws": 270, "gcp": 220, ...})을 반환 • [FE / Day 3] UI 개발 (업로드 & 차트) ◦ 이미지 업로드 컴포넌트 개발 ◦ Chart.js 영역 생성 • [통합 / Day 4] Mock E2E 연동 ◦ FE에서 이미지 업로드 $\rightarrow$ (지금은 AI 분석은 생략) ◦ FE가 '간단한 JSON' (Phase 1 성공 샘플)을 BE로 전송 ◦ BE가 Mock 비용을 계산하여 FE로 반환 ◦ FE가 이 데이터를 받아 Chart.js 막대그래프를 그린다. ◦ (Day 4 저녁까지 '가짜'지만 완벽하게 작동하는 핵심 데모 완성)

Phase 3: '진짜 엔진' 교체 (Day 5 ~ Day 6)

목표: 'Mock API'를 '실제 AI + Infracost API'로 교체합니다. • [BE / Day 5] '진짜' API 개발 (/api/analyze-real) ◦ Infracost CLI를 백엔드 서버 환경에 설치 ◦ (FE에서 이미지를 받음) ◦ 1. AI Vision API 호출 (Phase 1의 'Task 2' 프롬프트 사용) $\rightarrow$ Terraform 코드 텍스트 획득 ◦ 1. 이 텍스트를 서버에 임시 .tf 파일로 저장 ◦ 1. infracost breakdown ... --format json 셸(shell) 명령어 실행 ◦ 1. Infracost가 출력한 '실제 비용 JSON' 캡처 ◦ 1. (선택) AI LLM API 재호출: 비용 JSON으로 '최적화 팁' 생성 ◦ 1. 임시 파일 삭제 ◦ 1. 모든 결과(비용 JSON, .tf 코드, AI 팁)를 FE로 전송 • [FE / Day 6] '진짜' UI 연동 ◦ FE가 호출하는 API를 /api/analyze-mock $\rightarrow$ /api/analyze-real로 변경 ◦ 백엔드가 보낸 '실제 비용 JSON'으로 차트 렌더링 ◦ AI가 생성한 .tf 코드와 'AI 팁'을 UI에 예쁘게 표시 (UX/UI 작업)

Phase 4: 시각화(Gamification) 및 데모 준비 (Day 7)

목표: 데모 완성도 향상 및 버그 수정 • [FE/UX] 서호 님이 제안한 "배포 여정" 시각화 UI 적용 ◦ (예: 1. 아키텍처 분석 중... 2. 비용 계산 중... 3. 최적화 제안... 4. 완료!) • [공통] 최종 데모 시나리오 확정 및 리허설 • [공통] 버그 수정 및 예외 처리 (예: AI가 분석 실패 시 "분석할 수 없는 다이어그램입니다." 메시지) • [배포] (선택) Amplify(FE) + Beanstalk(BE) 등을 활용해 실제 서비스로 배포