손으로 그린 스케치를 AI Agent로 3D 프린팅 가능한 페그보드 장난감으로 만들기

Who Should Read

CAD 툴 없이 3D 프린팅 가능한 물리적 결과물을 빠르게 만들고 싶은 메이커 성향의 개발자, 또는 AI Agent를 실제 하드웨어/제조 프로젝트에 활용하고 싶은 개발자.

Core Mechanics

• 아이와 함께 그린 마커 스케치를 사진으로 찍어 Codex에 붙여넣고, 구멍 간격 40mm와 페그 너비 8mm 딱 두 가지 치수만 입력했더니 약 1분 만에 첫 번째 3D 모델 세트가 나왔다. Fusion 360에서 한두 시간 씨름할 뻔했던 작업이다.
• 결과물은 손으로 편집한 3D 메시(mesh) 파일이 아니라 Python 제너레이터 스크립트로 생성된다. 덕분에 '출력 → 테스트 → 수치 조정 → 재출력' 반복 사이클이 훨씬 빨랐고, 코드 한 줄만 바꾸면 전체 치수가 바뀐다.
• 최종 결과물은 40mm 시스템 기준으로 평면 플레이 피스 7개, 튜닝된 페그 1개, 기어 4개, 출력 가능한 보드 2종으로 구성됐다. 페그가 딱 맞게 끼워지고 기어가 부드럽게 돌아갈 때까지 핏앤필(fit-and-feel) 반복 작업을 직접 했다.
• 리포지토리에 AGENTS.md 파일을 별도로 만들어 현재 치수, 폴더 구조, 확장 규칙을 정리해뒀다. 이 파일 덕분에 AI Agent가 '6x6 보드로 키워줘', '페그 길이 늘려줘', '새 피스 추가해줘' 같은 요청을 맥락 없이도 처리할 수 있다.
• 저자가 강조하는 핵심 가치는 '지루한 CAD 작업을 AI에게 넘기고, 실제 출력·테스트·아이와 함께 노는 시간을 확보했다'는 것이다. 기술 자체보다 시간 재배분(time reallocation)에 의의를 두고 있다.
• 레이저 커팅에도 응용 가능하다는 댓글 반응이 있었고, Lego 블록 생성으로 확장하면 어떻겠냐는 아이디어도 나왔다. 이 워크플로우가 단순 3D 프린팅을 넘어 다양한 제조 방식에 적용 가능한 패턴임을 시사한다.

Evidence

• 'Agent x Parent 조합이 LLM 공간에서 가장 좋아하는 니치가 됐다'는 댓글이 공감을 얻었다. 가장 시간이 없는 시기(육아 중)에 AI가 창의성을 폭발시켜준다는 점에서, 단순한 기술 데모가 아니라 실생활 임팩트 사례로 받아들여졌다.
• 스케치를 물리적 장난감으로 바꾸는 파이프라인에 대해 '지루한 CAD 모델링을 건너뛰고 아이와 핏앤필 반복에 집중할 수 있었다는 게 꿈같은 워크플로우'라는 반응이 있었다. 결과물의 완성도보다 프로세스 자체가 이상적이라는 평가다.
• 레이저 커팅 적용 가능성을 언급하면서 BRIO 조립 세트와 호환되는 대형 어린이방 페그보드를 만들고 싶다는 댓글이 달렸다. 이 프로젝트가 3D 프린팅을 넘어 다른 제작 방식에도 영감을 준다는 반응이다.
• Lego 블록 생성으로 확장해보라는 제안도 있었다. Python 제너레이터 방식이라면 파라미터만 바꿔 다양한 조립 부품계를 만들 수 있다는 점에서 실현 가능성이 있는 아이디어로 받아들여졌다.
• 3D 프린터 추천 관련 서브 토론이 생겼는데, Bambu P2S(약 500유로 수준 밀폐형 프린터)가 언급됐고 탄소 섬유 필라멘트 사용 경험도 공유됐다. 일반 필라멘트 대비 약 6배 비싸지만 결과물 품질이 놀랍다는 평이었다.

How to Apply

• 3D 프린팅 장난감이나 소품을 직접 디자인하고 싶은데 Fusion 360 같은 CAD 툴이 부담스럽다면, 손으로 개략적인 스케치를 그리고 핵심 치수(간격, 두께 등) 1~2개만 메모한 뒤 Codex나 Claude 같은 코딩 에이전트에 사진과 함께 입력해보자. 완성된 Python 스크립트로 STL 파일을 바로 생성할 수 있다.
• 반복 수정이 잦은 3D 모델 프로젝트라면 완성된 메시 파일(.stl)을 직접 편집하는 대신, 이 프로젝트처럼 파라미터화된 Python 제너레이터로 만들어두자. 치수 하나 바꾸면 전체 세트가 재생성되므로 핏 테스트 사이클이 훨씬 빨라진다.
• AI Agent가 프로젝트 맥락을 이해하고 수정 요청을 처리하게 하려면, 이 프로젝트의 AGENTS.md처럼 현재 치수·폴더 구조·확장 규칙을 별도 문서로 정리해두자. 에이전트가 반복 요청마다 전체 코드를 다시 분석하지 않아도 돼서 작업이 안정적으로 유지된다.
• 레이저 커터나 CNC를 쓰는 메이커라면 동일한 워크플로우(스케치 → AI 코드 생성 → 파라미터 반복 조정)를 SVG나 DXF 출력으로 응용할 수 있다. Python에서 svgwrite나 ezdxf 라이브러리를 쓰면 비슷한 파라미터 기반 제너레이터를 만들 수 있다.

Code Example

# AGENTS.md 스타일로 에이전트에게 컨텍스트 제공하는 예시 구조
# (실제 이 프로젝트의 AGENTS.md 참고)

## 현재 시스템 치수
- 페그 간격: 40mm
- 페그 너비: 8mm
- 페그 높이: [조정 가능]

## 폴더 구조
models/pieces/   # 플레이 피스 STL 파일
models/gears/    # 기어 STL 파일
scripts/         # Python 제너레이터 스크립트

## 에이전트 요청 예시
# "6x6 보드로 크기 키워줘"
# "페그를 2mm 더 길게 만들어줘"
# "핏 테스트용으로 0.1mm 더 느슨한 변형 생성해줘"

# Python 제너레이터 기본 패턴 (개념)
import solid  # OpenSCAD Python 바인딩 등 활용

PEG_SPACING = 40  # mm
PEG_WIDTH = 8     # mm

def generate_board(cols=4, rows=4):
    # 파라미터 바꾸면 전체 보드 재생성
    holes = []
    for r in range(rows):
        for c in range(cols):
            holes.append((c * PEG_SPACING, r * PEG_SPACING))
    return holes

Terminology

Related Resources

• https://github.com/virpo/pegboard
• https://github.com/virpo/pegboard/blob/main/AGENTS.md
• https://github.com/virpo/pegboard/blob/main/README.md