– AI 개발 자동화를 위한 config.json 마스터하기

Claude Task Master는 AI 기반 개발 자동화 도구로, 다양한 AI 모델과의 연동을 통해 개발 워크플로우를 혁신적으로 개선할 수 있습니다. 이번 블로그에서는 공식 구성 가이드(configuration.md)를 기반으로, Task Master의 설정 방법과 주요 기능에 대해 자세히 알아보겠습니다.

---

🔧 Task Master 구성 개요

Task Master는 .task-master/config.json 파일을 통해 다양한 설정을 관리합니다. 이 구성 파일은 AI 모델 설정, API 키 관리, 작업 저장소 경로 등 핵심적인 설정을 포함하고 있습니다.

📁 기본 구성 파일 예시

{
  "models": {
    "main": "claude-3-sonnet-20240229",
    "research": "perplexity",
    "fallback": "gpt-4"
  },
  "env": {
    "ANTHROPIC_API_KEY": "your-anthropic-api-key",
    "OPENAI_API_KEY": "your-openai-api-key",
    "PERPLEXITY_API_KEY": "your-perplexity-api-key"
  },
  "taskStorage": "./tasks"
}

• models: 주요 작업에 사용할 AI 모델을 지정합니다.
• env: 각 AI 모델에 필요한 API 키를 설정합니다.
• taskStorage: 작업 데이터를 저장할 경로를 지정합니다.

---

🧠 AI 모델 설정

Task Master는 다양한 AI 모델과의 연동을 지원합니다. 주요 설정 항목은 다음과 같습니다:

• main: 기본 작업에 사용할 모델 (예: claude-3-sonnet-20240229)
• research: 조사 작업에 사용할 모델 (예: perplexity)
• fallback: 기본 모델이 실패할 경우 사용할 대체 모델 (예: gpt-4)(GitHub)

각 모델에 대한 API 키는 env 항목에 설정하며, 이는 보안상 .env 파일로 관리하는 것이 좋습니다.

---

🗂️ 작업 저장소 경로 설정

taskStorage 항목을 통해 작업 데이터를 저장할 경로를 지정할 수 있습니다. 기본값은 ./tasks이며, 필요에 따라 다른 경로로 변경 가능합니다.

---

⚙️ 구성 파일 생성 및 초기화

Task Master를 설치한 후, 다음 명령어로 프로젝트를 초기화하면 기본 구성 파일이 생성됩니다:

task-master init

또는 MCP를 사용하는 경우, 에디터에서 Claude에게 다음과 같이 요청할 수 있습니다:

Task Master를 초기화해줘.

이렇게 하면 .task-master/config.json 파일이 자동으로 생성되며, 이후 필요한 설정을 추가하거나 수정할 수 있습니다.

---

🛠️ 고급 설정: 모델 구성 관리

Task Master는 task-master models 명령어를 통해 AI 모델 구성을 관리할 수 있습니다. 주요 명령어는 다음과 같습니다:

• 모델 목록 확인:
  task-master models

(GitHub)

• 모델 설정 인터페이스 실행:
  task-master models –setup

(GitHub)

• 특정 역할에 모델 설정:
  task-master models –set-main claude-3-sonnet-20240229
  task-master models –set-research perplexity
  task-master models –set-fallback gpt-4

(GitHub)

이러한 명령어를 통해 각 역할에 적합한 AI 모델을 손쉽게 설정할 수 있습니다.

---

🧪 MCP 연동을 위한 구성

Cursor와 같은 에디터에서 MCP를 활용하려면, .cursor/mcp.json 파일에 다음과 같은 설정을 추가해야 합니다:

{
  "tools": {
    "taskmaster-ai": {
      "command": "npx",
      "args": ["-y", "--package=task-master-ai", "task-master-ai"],
      "env": {
        "ANTHROPIC_API_KEY": "your-anthropic-api-key",
        "OPENAI_API_KEY": "your-openai-api-key",
        "PERPLEXITY_API_KEY": "your-perplexity-api-key"
      }
    }
  }
}

이 설정을 통해 에디터 내에서 Claude와의 연동이 원활하게 이루어지며, AI 기반의 작업 자동화가 가능해집니다.

---

✅ 마무리

Task Master의 구성 파일은 AI 모델 설정, API 키 관리, 작업 저장소 경로 등 다양한 설정을 통해 개발 워크플로우를 최적화할 수 있는 강력한 도구입니다. 특히 다양한 AI 모델과의 연동을 통해 개발 생산성을 극대화할 수 있습니다.

더 자세한 내용은 공식 구성 가이드를 참고하시기 바랍니다.

---

• 🤖 코딩을 처음 배우는 당신에게, Cursor AI는 어떤 도구일까?
• 🧠 비전공자를 위한 Cursor AI 시작 가이드
• 💰 Cursor AI, 무료로 어디까지 쓸 수 있을까? 유료 전환이 필요한 순간은?
• 🎯 Claude Task Master 시작하기: Cursor 에디터에서 AI 개발 자동화 완전 정복
• 🔧 Claude Task Master 완전 설정 가이드
• Claude Task Master 실습 가이드: 기획서만 작성하면 AI가 코드를 만들어준다?
• Taskmaster AI: 개발 생산성을 10배 높여줄 AI 파트너를 소개합니다!

---

---

다음은 Claude Task Master의 공식 설정 문서 내용을 한국어로 번역한 것입니다:

---

📦 설정(Configuration)

Claude Task Master는 설정을 위해 두 가지 주요 방식을 사용합니다:

---

1. .taskmasterconfig 파일 (프로젝트 루트에 위치 – 대부분의 설정에 권장)

이 JSON 파일에는 AI 모델 선택, 파라미터, 로그 레벨, 프로젝트 기본값 등 대부분의 설정이 저장됩니다.

🔍 위치

• task-master models --setup 명령을 실행하면 프로젝트 루트에 자동으로 생성됩니다.
• 일반적으로 초기화 과정 중에 이 파일이 만들어집니다.
• 주의: 이 파일은 수동으로 직접 수정하지 않는 것이 좋습니다. 수정이 필요한 경우 temperature와 maxTokens 정도만 조정하세요.

🛠 관리 방법

• task-master models --setup 명령 또는 MCP 내 models 도구를 사용하여 인터랙티브하게 생성 및 관리할 수 있습니다.
• 모델을 직접 설정하려면 다음과 같이 명령을 사용할 수 있습니다:

task-master models --set-main=claude-3-7-sonnet-20250219
task-master models --set-research=sonar-pro
task-master models --set-fallback=claude-3-5-sonnet

• 커스텀 모델을 쓰려면 --ollama 또는 --openrouter 플래그도 추가 가능합니다.

🧾 예시 구조

{
  "models": {
    "main": {
      "provider": "anthropic",
      "modelId": "claude-3-7-sonnet-20250219",
      "maxTokens": 64000,
      "temperature": 0.2
    },
    "research": {
      "provider": "perplexity",
      "modelId": "sonar-pro",
      "maxTokens": 8700,
      "temperature": 0.1
    },
    "fallback": {
      "provider": "anthropic",
      "modelId": "claude-3-5-sonnet",
      "maxTokens": 64000,
      "temperature": 0.2
    }
  },
  "global": {
    "logLevel": "info",
    "debug": false,
    "defaultSubtasks": 5,
    "defaultPriority": "medium",
    "projectName": "Your Project Name",
    "ollamaBaseUrl": "http://localhost:11434/api",
    "azureOpenaiBaseUrl": "https://your-endpoint.openai.azure.com/"
  }
}

---

2. 환경 변수 파일 (.env 또는 .cursor/mcp.json 내 env 블록)

API 키 및 엔드포인트 URL 등 민감한 정보에만 사용됩니다.

📁 위치

• CLI 사용 시: 프로젝트 루트에 .env 파일 생성
• MCP/Cursor 사용 시: .cursor/mcp.json 파일의 env 섹션에 API 키 설정

🔑 필수 API 키 목록 (설정한 프로바이더에 따라 다름)

• ANTHROPIC_API_KEY: Anthropic API 키
• PERPLEXITY_API_KEY: Perplexity API 키
• OPENAI_API_KEY: OpenAI API 키
• GOOGLE_API_KEY: Google API 키
• MISTRAL_API_KEY: Mistral API 키
• AZURE_OPENAI_API_KEY: Azure용 OpenAI API 키
  • 이 경우 AZURE_OPENAI_ENDPOINT도 함께 필요
• OPENROUTER_API_KEY: OpenRouter API 키
• XAI_API_KEY: X-AI API 키

🌐 선택적 엔드포인트 재정의 (.taskmasterconfig에서 설정)

• AZURE_OPENAI_ENDPOINT: Azure 사용 시 필수
• OLLAMA_BASE_URL: 기본 Ollama API URL을 재정의 가능 (기본: http://localhost:11434/api)

⚠️ 모델 ID, maxTokens, temperature, logLevel, subtasks 등은 .taskmasterconfig에서 관리하며, .env에서 설정하지 않습니다.

---

💡 .env 예시

# 필요한 API 키
ANTHROPIC_API_KEY=sk-ant-api03-your-key-here
PERPLEXITY_API_KEY=pplx-your-key-here
# OPENAI_API_KEY=sk-your-key-here
# GOOGLE_API_KEY=AIzaSy...

# 선택적 엔드포인트 재정의
# AZURE_OPENAI_ENDPOINT=https://your-azure-endpoint.openai.azure.com/
# OLLAMA_BASE_URL=http://custom-ollama-host:11434/api

---

🛠 문제 해결 (Troubleshooting)

⚠️ 설정 오류

• .taskmasterconfig 파일이 없거나 구성이 잘못되었다는 에러가 발생하면: task-master models --setup 을 실행하여 파일을 새로 만들거나 복구하세요.
• API 키가 올바른 위치에 있는지 확인:
  • CLI 사용자: .env 파일
  • MCP 사용자: .cursor/mcp.json 파일

❌ task-master init 명령이 작동하지 않을 경우

node node_modules/claude-task-master/scripts/init.js

또는 GitHub 저장소를 직접 클론해서 실행:

git clone https://github.com/eyaltoledano/claude-task-master.git
cd claude-task-master
node scripts/init.js

---