AI에 랜딩페이지나 제품 화면을 만들어 달라고 요청하는 일은 이제 낯설지 않습니다. 원하는 분위기와 필요한 섹션을 문장으로 설명하면 화면이 나오고, 마음에 들지 않는 부분은 다시 고쳐 달라고 말하는 방식에도 익숙해졌습니다. 처음 시안을 얻는 속도만 보면 기존 디자인 도구를 사용할 때보다 훨씬 가볍게 느껴지기도 합니다.
다만, 문제는 결과물이 나온 뒤입니다. 어떤 판단을 거쳐 화면이 만들어졌는지, 앞서 정한 색상과 구성 원칙이 다음 화면에도 이어지는지 확인하기 어렵습니다. 사람이 중간에 남긴 피드백이 실제 화면에 반영됐는지도 다시 비교해야 하고요.
같은 프로젝트를 다른 에이전트에 맡기면 이전에 결정한 내용과 사용하지 않기로 한 표현을 다시 설명해야 하는 상황도 생깁니다. 완성도가 높아진 건 사실이지만, 여전히 맥락과 과정을 명확하게 이해한 상태로 작업을 진행하는 건 쉽지 않다고 생각합니다.
특히 디자인 작업은 결과물만 전달한다고 끝나지 않습니다. 어떤 화면을 만들지 정하는 과정, 이전 화면에서 무엇을 고쳤는지, 다음 작업자가 어떤 기준을 참고해야 하는지가 모두 이어져야 합니다. AI가 만든 화면을 이미지나 코드로만 전달받는 방식에서는 이 맥락이 채팅 인터페이스와 파일 사이에서 쉽게 끊깁니다.

오늘 소개할 Doop은 이 문제를 하나의 캔버스로 가져온 디자인 도구입니다. 사람과 AI 에이전트가 같은 화면에서 프레임을 만들고, 작업 카드·활동 기록·디자인 기준을 한곳에 남깁니다. 특정 AI 모델 하나를 제공하기보다 사용자가 이미 쓰는 에이전트를 연결해 함께 디자인하는 공간에 가깝다는 점이 가장 큰 특징입니다. 이 글에서는 Doop의 주요 기능을 먼저 살펴본 뒤, Codex를 연결해 랜딩페이지와 에디터 시안을 만들어 본 과정을 정리합니다.

Doop을 단순히 AI 디자인 화면 생성 도구로만 보면 기능의 절반만 쓸 수밖에 없습니다. 상단에는 CANVAS와 BOARD를 전환하는 메뉴가 있고, 캔버스 안에는 여러 프레임과 에이전트의 작업 기록이 함께 표시됩니다. 화면을 만드는 공간과 작업을 배정하는 공간을 나눠 디자인 결과와 업무 흐름을 이어 가는 구조입니다.
CANVAS에서는 Welcome 프레임과 이후 생성한 화면을 함께 볼 수 있습니다. 처음에는 Welcome to Doop 프레임 하나만 있지만, 외부 에이전트를 연결한 뒤에는 랜딩페이지와 에디터 작업 화면이 캔버스에 추가됩니다. 화면마다 별도의 파일을 만들고 전달하는 대신, 하나의 작업 공간에 결과물이 계속 쌓이는 구조라 작업 과정을 보다 쉽게 파악할 수 있습니다.

빈 편집 화면에서 시작하기보다 에이전트 연결 방법과 작업 방식까지 첫 프레임에서 안내하는 점도 눈에 띕니다. Welcome 프레임에는 상단의 Connect AI에서 연결을 시작하고, 브라우저에서 승인을 마친 뒤 에이전트에 디자인을 요청하라는 세 단계가 적혀 있습니다. 작업 중인 태스크에 답글을 남겨 피드백을 전달할 수 있다는 설명도 함께 표시됩니다.

초기 캔버스는 왼쪽 목록에 Welcome to Doop 프레임을 보여주고, 오른쪽에는 MEMORY 패널과 에이전트 연결 안내를 배치합니다. 아직 작업을 시작하기 전 어떤 기능을 어디서 사용해야 하는지 한 화면에서 설명하는 구성입니다.

에이전트를 연결한 뒤에는 실제 캔버스에 Welcome to Doop, Draftflow — 한국어 AI 글쓰기 랜딩, Draftflow — 에디터 작업 화면 세 프레임이 놓였고, 오른쪽 AGENTS 패널에는 생성·검토·수정 작업이 쌓였습니다. 결과물만 모아 보는 화면이 아니라 어떤 프레임을 만들었고 어떤 작업이 이어졌는지 함께 확인하는 구조입니다.
이 구조는 결과물만 확인하는 사용자보다 화면을 만들고 비교하는 사용자에게 더 유용합니다. 첫 번째 프레임과 보완한 프레임을 나란히 놓고 어떤 방향으로 수정했는지 살펴볼 수 있기 때문입니다. 반대로 캔버스에 화면이 계속 쌓이면 필요한 프레임을 찾는 기준도 함께 필요합니다. Doop은 이 문제를 Board의 작업 카드와 Activity 기록으로 보완하고 있습니다.

Board는 후속 작업을 실제로 수행한 화면이라기보다, 캔버스에서 진행할 일을 역할과 상태별로 나누는 작업 관리 화면에 가깝습니다.
BOARD로 전환하면 화면 중심의 캔버스가 작업 관리 화면으로 바뀝니다. 상단에는 Doop, UX Lead, Copywriter, Brand Compliance, Accessibility, Visual Polish처럼 역할이 나뉜 에이전트 카드가 놓여 있고, 각 역할이 어떤 일을 맡는지도 표시됩니다. 아래에는 QUEUED, IN PROGRESS, DONE 열이 배치됩니다.

예를 들어 화면의 헤드라인을 다듬고 싶다면 Copywriter에, 정보 구조와 사용 흐름을 점검하고 싶다면 UX Lead에 작업을 넘기는 식입니다. 캔버스의 특정 요소에 에이전트를 @멘션해 피드백을 연결할 수도 있도록 안내합니다. 단순히 댓글을 남기는 데서 그치지 않고, 의견을 다음 작업의 담당과 상태로 바꾸려는 구조입니다.
실제 화면에는 당시 QUEUED 0, IN PROGRESS 0, DONE 8이 표시됐고, DONE에는 이번에 만든 랜딩페이지와 에디터 화면에 관한 작업 제목이 남아 있었습니다. 이 화면은 카드를 새로 생성한 결과가 아니라, 현재 캔버스에 이미 기록된 작업 상태를 보여줍니다. 공식 문서에서도 Board cards와 @mentions & feedback을 별도 기능으로 소개하고 있습니다.

Connect AI를 누르면 Claude Code, Claude, ChatGPT, Codex, Cursor 등 여러 클라이언트가 표시됩니다. Doop 안의 자체 에이전트만 쓰는 것이 아니라 MCP(Model Context Protocol)를 지원하는 외부 AI 클라이언트를 연결하는 방식입니다. 사용자가 이미 익숙한 모델과 작업 환경을 그대로 두고, Doop을 디자인 작업이 진행되는 화면으로 추가할 수 있습니다.
Doop 안에 보이는 에이전트 역할과 외부 에이전트는 구분해야 합니다. Doop Agent는 UX Lead, Copywriter, Brand Compliance, Accessibility, Visual Polish처럼 역할을 나눠 작업하는 내부 팀 형태로 안내됩니다. 반면 Codex나 Claude Code를 연결하면 해당 서비스의 계정과 구독 조건을 사용합니다. Doop 자체의 사용 조건과 외부 AI 사용 비용이 하나로 통합되는 구조는 아닙니다.
이 방식은 이미 AI 코딩 도구를 사용하고 있는 디자이너나 메이커에게는 진입 장벽을 낮출 수 있습니다. 반대로 MCP 연결이나 외부 계정 승인이 익숙하지 않은 사용자라면 첫 작업 전에 권한과 비용 구조를 먼저 확인해야 합니다. 연결 버튼 하나로 모든 AI 기능이 무료로 제공되는 것은 아니기 때문입니다.

ACTIVITY에는 에이전트가 프레임을 만들고 수정하고 완료한 과정이 남습니다. 실제 작업에서는 랜딩페이지를 검토하고, 다시 구성하고, 여러 요소를 보완한 뒤, 에디터 작업 화면을 만든 기록이 순서대로 추가됐습니다. created frame, updated the design, tweaked the design, finished designing 같은 상태가 이어져 한 번의 생성 요청으로 끝난 작업이 아니라는 점을 보여줍니다.

MEMORY에는 References, Rules, Decisions가 나뉘어 있습니다. 마음에 드는 프레임을 다음 디자인의 참고 대상으로 고정하거나, 스타일 가이드를 규칙으로 저장하거나, 피드백을 반영해 반복해서 적용할 디자인 결정을 기록하는 용도입니다. 채팅방의 이전 대화를 다시 읽는 대신 캔버스 단위로 작업 기준을 쌓으려는 방향으로 볼 수 있습니다.
이번 작업에서는 랜딩페이지를 보완한 뒤 Decisions에 차분한 편집형 SaaS라는 방향, 종이 바탕색과 세이지·코랄 포인트 색상, 제목·본문 글꼴, 에디터 미리보기 카드라는 시각 원칙이 기록됐습니다. 제가 직접 Rules를 입력하거나 References를 고정한 것은 아니지만, 최소한 한 번의 작업에서 디자인 판단을 별도 기록으로 남기는 흐름은 확인할 수 있었습니다.
다만 저장된 결정이 여러 후속 결과물에 일관되게 반영되는지는 꾸준한 관찰과 확인이 필요합니다. Memory가 있다는 사실과 에이전트가 사용자의 취향을 정확히 기억한다는 것은 다르기 때문입니다. 아직 저도 랜딩페이지 한두 개를 작업해 본 상황이라 Memory 자체를 자동화된 디자인 품질 보증 기능이 아니라, 사람이 에이전트에 전달할 기준을 모아 두는 공간으로 판단하고 있습니다. (이 부분은 더 써 보고 업데이트할 예정입니다.)

Doop은 캔버스 안에서 화면을 만드는 것으로 사용자의 경험을 끝내지 않습니다. 웹사이트·Figma·Canva·PSD·GitHub에서 화면을 가져오고, PNG·PDF·HTML·Figma·Canva 등으로 결과물을 내보낼 수 있습니다. GitHub 저장소와 연결하면 캔버스의 화면을 실제 HTML과 CSS로 바꿔 풀 리퀘스트를 여는 흐름도 안내합니다.

추가로 Automations와 일정 기반 작업도 활용할 수 있습니다. 새 블로그 글의 대표 이미지를 만들거나, 일정한 주기로 디자인 작업을 실행하는 식으로 반복 업무를 캔버스와 에이전트에 연결하려는 기능입니다. 디자인 결과가 한 번의 파일에 머무르지 않고 다른 도구와 작업 프로세스로 이어지는 것을 보여주는 기능이기도 합니다.
핵심 기능을 살펴본 뒤 Connect AI에서 Codex를 선택하고 Doop의 MCP 주소를 연결했습니다. 브라우저에서 계정 승인을 마치자 캔버스에 Codex가 표시됐고, 이후 요청한 작업은 Activity에 남았습니다.
제가 요청한 내용은 Draftflow라는 가상의 한국어 글쓰기 서비스와 필요한 화면 요소를 문장으로 설명하는 방식이었습니다. 먼저 랜딩페이지를 만들게 한 뒤, 전후 편집 예시와 3단계 워크플로, 독립 작가와 프로덕트 PM의 사용 장면, 하단 CTA를 추가하도록 수정 요청했습니다.

첫 응답으로 만들어진 랜딩페이지는 히어로와 혜택 카드 중심의 단순한 구성이었습니다. 첫 시안 자체가 극적으로 마음에 들거나 좋진 않았습니다. 다만 앞서 살펴본 것처럼 보드에서 별도 에이전트에 내용 수정을 맡기거나, 캔버스의 도구로 시각적인 요소를 빠르게 고칠 수 있다는 점은 좋았습니다.
수정 후 랜딩 화면은 메모와 편집 결과를 나란히 보여주고, 입력·방향 선택·제안 확정의 세 단계로 사용 흐름을 설명했습니다. 작가와 PM이라는 두 사용자를 구분해 어떤 상황에서 서비스가 필요한지도 넣었습니다.
캔버스에서 랜딩 프레임을 선택하자 프레임 위에 Comment, Ask AI, Code, Edit text가 나타났고, 오른쪽에는 선택한 요소의 DESIGN과 HTML 패널이 열렸습니다. 완성된 화면을 이미지로만 확인하는 것이 아니라 특정 영역을 지정해 의견을 남기거나 다시 요청하는 흐름이었습니다.
이 과정에서 Doop의 장점은 작업 화면과 수정 요청이 분리되지 않는다는 점이었습니다. 캔버스에서 결과물을 보면서 다음 요청을 정하고, 연결된 에이전트가 같은 공간에 후속 화면을 추가할 수 있습니다. 작업이 진행되는 동안 Activity에 상태가 남기 때문에, 에이전트가 지금 생성 중인지 수정 중인지 완료했는지도 확인할 수 있었습니다.
랜딩페이지를 보완한 뒤에는 Draftflow — 에디터 작업 화면이라는 1440×960 크기의 두 번째 프레임을 요청했습니다. 왼쪽에는 런칭 회고의 문서 구조와 네 개 섹션, 가운데에는 제목과 한국어 본문이 있는 428자짜리 초안, 오른쪽에는 중복 표현 줄이기, 문단 연결 강화, 톤 맞추기라는 세 가지 제안과 적용 버튼을 배치했습니다.
실제 캔버스에서 이 프레임을 선택하면 문서 화면과 함께 DESIGN 패널의 위치·크기·레이아웃·스타일 정보가 보입니다. 화면을 만든 뒤 다시 선택하고 구조를 살펴볼 수 있어, 에이전트가 만든 결과를 사람의 편집 대상처럼 다루는 흐름이 드러납니다.

랜딩페이지가 가상의 제품 약속을 보여주는 화면이라면, 두 번째 프레임은 그 약속이 사용 장면에서 어떻게 보일지를 확장한 시안입니다. 결과물을 한 장 더 만드는 것보다, 제품 소개 화면에서 사용 흐름을 설명하는 화면까지 같은 캔버스에 이어 만들 수 있다는 점을 확인한 셈입니다.
이번 작업의 ACTIVITY에는 랜딩을 검토하고, 화면을 다시 구성하고, 여러 요소를 보완한 뒤, 에디터 시안을 만든 순서가 남았습니다. 실제로 화면을 다시 요청할 때마다 앞서 본 상태 기록이 하나씩 추가된다는 점을 확인했습니다.
이 기록을 통해 에이전트가 한 번에 완성본을 만들었다기보다 같은 캔버스에서 여러 번 작업했다는 점을 알 수 있었습니다.
다만 Activity는 작업 순서와 상태를 보여줄 뿐, 왜 특정 레이아웃이나 문구를 선택했는지까지 설명하지는 않습니다. 결과물의 정보 구조가 적절한지는 사람이 별도로 검토해야 합니다. 정확히 말하면, Activity와 Memory는 에이전트가 맥락을 자동으로 이해한다는 증거라기보다, 사람이 반복해서 전달할 결정을 한곳에 남기는 장치로 보는 편이 맞다고 생각합니다.
Doop은 AI로 만든 화면을 한 번 확인하고 작업을 끝내는 사람보다, 여러 시안을 계속 만들고 수정하는 팀에 어울립니다. 디자인 담당자와 개발자가 같은 캔버스에서 결과물을 검토하고, Board의 작업 카드와 Memory의 결정 사항을 다음 작업에 활용해야 하는 상황이 대표적입니다. 랜딩페이지·광고 소재·제품 화면을 반복해서 만드는 1인 메이커에게도 결과물과 작업 기록을 한곳에 모을 수 있다는 장점이 있습니다.
이미 Claude Code나 Codex, Cursor를 쓰고 있다면 새로운 모델을 배우기보다 기존 에이전트를 연결할 수 있습니다. 화면을 생성하는 도구를 새로 고르는 것이 아니라, 기존 에이전트가 작업하는 위치를 캔버스로 옮기는 방식이기 때문입니다. 역할별로 피드백을 나누고, 작업 상태와 디자인 결정을 팀에 남겨야 하는 경우라면 Canvas만 사용하는 것보다 Doop의 전체 구조를 활용할 여지가 있습니다.
반대로 외부 에이전트 연결이나 모델 계정 설정이 낯선 팀이라면 첫 진입 장벽이 있습니다. 캔버스 자체는 열리더라도 실제 디자인 작업을 맡기려면 MCP 연결 또는 모델 계정 연결이 필요하기 때문입니다.
또한 Board와 Memory가 있어도 협업의 모든 문제가 자동으로 해결되는 것은 아닙니다. 어떤 피드백을 남길지, 우선순위를 어떻게 정할지, 결과물이 실제 사용자와 브랜드에 맞는지는 사람이 판단해야 합니다. 따라서 도입을 결정하기 전에는 팀이 반복해서 남기는 디자인 기준과 외부 계정·파일 전달 조건을 먼저 살펴보는 편이 좋습니다.
Doop은 AI가 화면을 한 번 만들어 주는 서비스라기보다, 사람과 에이전트가 하나의 캔버스에서 결과물과 디자인 결정을 이어 가도록 돕는 작업 공간에 가깝습니다. Canvas에는 프레임이 남고, Board에는 작업 흐름과 역할이 정리되며, Activity와 Memory에는 과정과 기준이 쌓입니다.
실제로 Codex를 연결해 랜딩페이지를 만들고, 기존 화면을 보완하고, 제품 작업 화면까지 이어서 만들어 보니 Doop이 강조하는 지점은 생성 속도보다 작업의 연속성이라는 사실을 알 수 있었습니다. 처음부터 완성된 화면을 얻는 도구라기보다, 사람이 방향을 정하고 에이전트가 같은 공간에서 여러 상태의 화면을 만들어 가는 구조가 아닐까 싶습니다.
ⓒ요즘IT의 모든 콘텐츠는 저작권법의 보호를 받는 바, 무단 전재와 복사, 배포 등을 금합니다.