Claude Code + MCP로 SPICE 시뮬레이터와 오실로스코프를 연결해 하드웨어 설계 자동화하기

Who Should Read

하드웨어 설계나 임베디드 개발에 LLM을 활용하고 싶은 펌웨어/하드웨어 엔지니어, 또는 MCP 서버를 실제 물리 장비와 연동하는 사례가 궁금한 개발자.

Core Mechanics

• 단순히 '자연어로 회로 설계를 설명하고 Claude에게 회로를 만들게 하는' 방식은 간단한 회로에는 통하지만 복잡한 설계에서는 금방 한계에 부딪혔다. AI가 원하는 것을 정확히 이해하지 못하는 경우가 많았기 때문이다.
• 대신 Claude Code에 즉각적인 피드백 수단(오실로스코프, SPICE 시뮬레이터)을 도구로 연결해주는 방식을 택했더니 훨씬 효과적이었다. Claude는 피드백이 바로 오는 환경에서 진가를 발휘한다.
• 이 워크플로우에서 가장 큰 이득을 본 부분은 데이터 분석이었다. 시간 축 정규화, 데이터 정렬처럼 기존에 눈대중으로 처리하던 지루한 작업들을 Claude가 자동으로 처리해준다.
• MCP 서버를 두 개 만들었다: LeCroy 오실로스코프 제어용 `lecroy-mcp`와 SPICE 시뮬레이터 라이브러리를 래핑한 `spicelib-mcp`. 이를 통해 Claude가 실제 측정 장비와 시뮬레이터를 도구로 호출할 수 있다.
• 오실로스코프 연동 시 중요한 원칙: Claude는 물리적 연결 상태를 볼 수 없으므로 무엇이 어디에 연결됐는지 절대 추측하게 하지 말 것. 오래된 측정 데이터가 컨텍스트에 남아있지 않도록 관리해야 한다.
• 원시 측정 데이터를 Claude의 컨텍스트에 직접 붙여넣지 말고 파일로 저장한 뒤 Claude가 간접적으로 파일을 읽어 처리하게 해야 한다. 컨텍스트 오염을 막기 위한 실용적인 팁이다.
• 마이크로컨트롤러 작업 시에는 핀아웃/핀먹스 맵을 명시적으로 제공하고, build/flash/ping/erase 같은 기능을 노출하는 Makefile을 미리 준비해서 Claude가 명령어를 즉흥으로 만들지 않게 해야 한다.
• 이 데모는 RC 필터처럼 의도적으로 단순한 회로로 구성됐지만, 저자는 이 접근법이 훨씬 복잡한 회로와 실제 임베디드 프로젝트에도 잘 확장된다고 설명한다.

Evidence

• Claude Opus로 보드 설계와 SPICE 시뮬레이션을 시도했는데 보드 기능을 완전히 hallucination했고, '비밀 10억 달러짜리 프로젝트를 발견했다'는 식의 황당한 주장을 했다는 경험담이 있었다. 결국 보드는 하나도 동작하지 않았고, 스스로 칭찬하느라 바빠서 자신이 gibberish를 만들었다는 걸 인식하지 못했다는 지적이다.
• 비슷하게 회로 설계/시뮬레이션/최적화 자동화를 시도해봤는데, 파일을 읽고 내용을 설명하는 건 꽤 잘 하지만 가장 단순한 회로 외에는 설계 변경을 제대로 못 한다는 의견이 있었다. 회로 뒤의 물리 개념을 이해하지 못하기 때문이며, 결국 시뮬레이터에 넘길 config 파일 범위(스텝 사이즈, 최적화 알고리즘, min/max 등)를 스크립트로 먼저 정의해야 에이전트가 제대로 활용됐다는 경험이다.
• KiCad 회로도 리뷰 자동화를 만들다가 같은 벽에 부딪혔다는 사례가 공유됐다. 처음에 Claude가 `.kicad_sch` 파일을 직접 grep/read하게 했더니 존재하지 않는 핀 번호를 만들어냈고, Python 분석기로 JSON을 생성해 Claude가 JSON만 읽게 바꿨더니 문제가 대부분 해결됐다고 한다. 또한 `spicelib-mcp`가 기본 라이브러리에 없는 모델을 어떻게 처리하는지(`.lib` 경로를 tool arg로 넘기는지, 서버가 레지스트리를 직접 관리하는지)에 대한 기술적 질문도 나왔다.
• Mermaid 다이어그램을 활용하면 LLM에게 회로를 설명하고 수정하는 작업이 훨씬 덜 번거롭다는 실용적인 팁이 댓글로 공유됐다.
• Claude 같은 상용 서비스 대신 로컬 LLM을 활용해야 한다는 의견도 있었다. 상용 서비스의 잦은 정책 변경(rug-pull)과 가격 인상, 사용자 불친화적 방향을 지적하며 로컬 LLM이 느리더라도 미래 방향이라는 주장이었다.

How to Apply

• SPICE 시뮬레이션과 실제 오실로스코프 측정 결과를 수작업으로 비교하는 작업이 많다면, `lecroy-mcp`와 `spicelib-mcp`를 Claude Code에 연결해 파형 데이터 분석과 정렬을 자동화할 수 있다. 특히 시간 축 정규화처럼 반복적으로 귀찮은 전처리 작업의 부담을 크게 줄일 수 있다.
• Claude Code로 임베디드 펌웨어 개발을 자동화하려면, build/flash/ping/erase 액션을 담은 Makefile을 먼저 준비하고 핀아웃 맵을 명시적으로 제공해야 Claude가 즉흥으로 명령어를 만들어 오작동하는 것을 방지할 수 있다.
• 측정 장비에서 나오는 원시 데이터를 Claude 컨텍스트에 직접 붙여넣으면 토큰이 낭비되고 컨텍스트가 오염된다. 대신 데이터를 파일로 저장하고 Claude가 파일 경로를 통해 간접적으로 접근하도록 구성하면 더 안정적인 분석 워크플로우를 만들 수 있다.
• 물리 장비를 MCP로 연결할 때는 Claude에게 물리적 연결 상태를 추측하게 하지 말고, 세션 시작 시 어떤 채널에 무엇이 연결됐는지 명시적으로 알려줘야 한다. 또한 이전 측정 데이터가 컨텍스트에 남아있지 않도록 세션 상태를 주기적으로 리셋해야 신뢰성 있는 결과를 얻을 수 있다.

Terminology

관련 논문

• adamsreview: Claude Code용 멀티 에이전트 PR 코드 리뷰 파이프라인

  Claude Code에서 최대 7개의 병렬 서브 에이전트가 각각 다른 관점으로 PR을 리뷰하고, 자동 수정까지 해주는 오픈소스 플러그인이다. 기존 /review나 CodeRabbit보다 실제 버그를 더 많이 잡는다고 주장하지만 커뮤니티에서는 복잡도와 실효성에 대한 회의론도 나왔다.

• Claude를 User Space IP Stack으로 써서 Ping에 응답시키면 얼마나 빠를까?

  Claude Code에게 IP 패킷을 직접 파싱하고 ICMP echo reply를 구성하도록 시켜서 실제로 ping에 응답하게 만든 실험으로, 'Markdown이 곧 코드이고 LLM이 프로세서'라는 아이디어를 네트워크 스택 수준까지 밀어붙인 재미있는 사례다.

• AI Agent를 위한 Git: re_gent

  AI 코딩 에이전트(Claude Code 등)가 수행한 모든 툴 호출을 자동으로 추적하고, 어떤 프롬프트가 어느 코드 줄을 작성했는지 blame까지 가능한 버전 관리 도구다.

• Agent-Native CLI를 위한 설계 원칙 10가지

  AI 에이전트가 CLI 도구를 더 잘 사용할 수 있도록 설계하는 원칙들을 정리한 글로, 에이전트가 CLI를 도구로 활용하는 빈도가 높아지면서 이 설계 방식이 실용적으로 중요해지고 있다.

• Agent-harness-kit: MCP 기반 멀티 에이전트 워크플로우 오케스트레이션 프레임워크

  여러 AI 에이전트가 서로 역할을 나눠 협업할 수 있도록 조율하는 scaffolding 도구로, Vite처럼 설정 없이 빠르게 멀티 에이전트 파이프라인을 구성할 수 있다.

• Tilde.run – AI Agent를 위한 트랜잭션 기반 버전 관리 파일시스템 샌드박스

  AI 에이전트가 실제 프로덕션 데이터를 건드려도 롤백할 수 있는 격리된 샌드박스 환경을 제공하는 도구로, GitHub/S3/Google Drive를 하나의 버전 관리 파일시스템으로 묶어준다.

Related Resources

• 원문 블로그 포스트
• lecroy-mcp: LeCroy 오실로스코프용 MCP 서버 (GitHub)
• spicelib-mcp: SPICE 시뮬레이터 래퍼 MCP 서버 (GitHub)
• rc-filter-demo-files: 데모 셋업 파일 (GitHub)
• kicad-happy: KiCad 회로도 리뷰 자동화 (댓글에서 언급)
• SPICE Wikipedia
• FPAA 관련 EE Times 팟캐스트 (댓글 언급)