VibeGame이 웹 스택(three.js + rapier + bitecs)을 선택해 AI 코딩 게임 개발 시 컨텍스트 관리 문제 해결

Context

AI를 고수준 프로그래밍 언어로 사용하는 '바이브 코딩' 게임 개발 시 프로젝트 규모가 증가하면서 LLM 컨텍스트 윈도우 성능 저하가 발생한다. Roblox MCP는 파일 시스템 부재로 컨텍스트 관리가 불가능하고, Unity MCP는 엔진 복잡도로 인해 AI 성능이 일관성 없으며, 게임 엔진 플랫폼들의 폐쇄성과 낮은 AI 이해도가 장애물이다.

Technical Solution

• 경량 컨텍스트 관리 시스템 Shallot 개발: /peel [prompt] 명령으로 대화 시작 시 컨텍스트 로드, /nourish 명령으로 대화 종료 시 컨텍스트 업데이트
• 웹 스택 플랫폼 선정: three.js(3D 렌더링) + rapier(물리엔진) + bitecs(게임로직)을 조합해 AI 훈련 데이터가 풍부한 오픈소스 기반 구성
• 게임 엔진 사전 구축: 저수준 라이브러리의 한계를 극복하기 위해 기본 게임 엔진을 먼저 구현해 높은 추상화 수준 제공
• 전체 파일 시스템 접근 제공: Roblox MCP의 파일 부재 문제를 해결해 AI가 프로젝트 구조를 완전히 이해하고 관리 가능하게 함
• Claude Code 또는 Qwen3-Next-80B-A3B-Instruct와 통합: LLM 모델의 웹 개발 능숙도를 활용해 AI 성능 최적화

Key Takeaway

AI 기반 개발에서 플랫폼 선택 시 AI 훈련 데이터 보유량과 개방성이 성능 일관성을 좌우한다. 폐쇄 엔진의 높은 추상화도 파일 접근 제약과 AI 이해도 부족으로 인해 오픈소스 저수준 스택보다 열악할 수 있으므로, 프로젝트 초반에 엔진 기반을 구축해 추상화를 확보하는 전략이 효과적이다.