> For the complete documentation index, see [llms.txt](https://docs.crew.you/llms.txt). Markdown versions of documentation pages are available by appending `.md` to page URLs; this page is available as [Markdown](https://docs.crew.you/ko/tools/code-development.md).

# 코드 & 개발

Crew는 Python 코드를 작성하고 실행하며, 데이터를 분석하고, 시각화를 만들고, GitHub 저장소에 코드 변경까지 할 수 있습니다.

## Python Sandbox

Crew는 안전하게 격리된 샌드박스 환경에서 Python 코드를 실행합니다. 매 실행마다 깨끗한 환경에서 시작됩니다.

### 데이터 분석

> "이 CSV 파일 분석해 줘 — 매출 상위 10 고객 찾고, 월별 트렌드 계산하고, 시각화 만들어 줘."

> "Excel 스프레드시트 읽어서 지역별, 제품별 피벗 테이블 만들어 줘."

> "이 데이터셋에서 마케팅 비용과 매출 간 상관관계 계산해 줘."

### 차트 생성

> "이 데이터로 월별 매출 막대 차트 만들어 줘: \[데이터 붙여넣기 또는 업로드]."

> "지난 1년간 세 제품군을 비교하는 라인 차트 만들어 줘."

> "비용 항목 비율 파이 차트 만들어 줘."

### 데이터 처리

> "이 CSV 정리해 줘 — 중복 제거, 날짜 형식 통일, 결측값 처리하고 정리된 버전 저장해 줘."

> "이 두 스프레드시트를 '고객 ID' 컬럼으로 합치고 통합 보고서 만들어 줘."

> "이 JSON 파일을 잘 정리된 CSV로 변환해 줘."

### 사전 설치된 라이브러리

샌드박스에는 다음 Python 라이브러리가 바로 사용 가능합니다:

* **pandas** — 데이터 조작 및 분석
* **numpy** — 수치 연산
* **matplotlib** — 차트 및 시각화 생성
* **openpyxl** — Excel 파일 읽기/쓰기
* **python-docx** — Word 문서 처리
* **Pillow** — 이미지 처리
* **lxml** — XML/HTML 파싱

### 동작 방식

1. 데이터 작업을 요청합니다
2. Crew가 Python 코드를 작성합니다
3. 격리된 샌드박스에서 코드가 실행됩니다
4. 결과(텍스트 출력, 파일, 차트)가 반환됩니다

### Sandbox 제한

| 요금제   | 최대 실행 시간 |
| ----- | -------- |
| Free  | 30초      |
| Basic | 120초     |
| Plus  | 300초     |
| Pro   | 300초     |

### 파일 연동

코드 실행을 요청하기 전에 파일을 업로드하면, 샌드박스에서 자동으로 사용 가능합니다:

> \[sales\_data.xlsx 업로드] "이 스프레드시트 분석해서 차트 포함한 요약 보고서 만들어 줘."

생성된 파일(차트, 처리된 데이터, 문서)은 내 파일에 저장됩니다.

## GitHub 연동

> **요금제 요건:** Pro 요금제

### 저장소 관리

> "내 GitHub 저장소 목록 보여 줘."

> "my-org/my-repo에서 열린 이슈 보여 줘."

> "리뷰 대기 중인 PR 뭐가 있어?"

### API 접근

Crew는 GitHub API에 전체 접근이 가능하므로:

* 이슈 생성 및 관리
* Pull Request 리뷰
* CI/CD 상태 확인
* 저장소 설정 관리
* GitHub API가 지원하는 모든 작업

## 코딩 에이전트

코딩 에이전트는 GitHub 저장소에 자율적으로 코드 변경을 할 수 있습니다:

> "my-org/frontend-app에서 로그인 폼 오류 수정해 줘. 모바일에서 제출 버튼이 안 눌려."

> "my-org/web-app의 가입 폼에 입력 검증 추가해 줘."

> "my-org/api-server의 데이터베이스 모듈을 커넥션 풀링 방식으로 리팩토링해 줘."

### 동작 방식

1. 원하는 변경 사항을 설명합니다
2. Crew가 안전한 환경에서 저장소를 클론합니다
3. 에이전트가 코드를 읽고, 구조를 파악하고, 변경합니다
4. 새 브랜치에 커밋합니다
5. 리뷰를 위한 Pull Request를 생성합니다

백그라운드에서 실행되므로, PR이 준비되면 알림을 받습니다.

### 베스트 프랙티스

* **구체적으로 설명**: "버그 고쳐 줘" 대신 원하는 정확한 동작을 설명하세요
* **파일을 명시**: 변경이 필요한 파일을 알고 있다면 언급하세요
* **항상 리뷰**: 에이전트는 PR을 만들지, main에 직접 푸시하지 않으므로 — 머지 전에 반드시 리뷰하세요

## 실전 활용 시나리오

### 데이터 분석 파이프라인

> \[quarterly\_data.xlsx 업로드] "이 분기 데이터 분석해 줘: 1) 제품라인별 전년 대비 성장률 계산, 2) 상위 3개 지표 차트 생성, 3) 모든 결과가 포함된 PDF 보고서 생성."

### 빠른 계산

> "1,000만원을 연 5%로 10년 복리 계산해 줘. 월 복리 기준으로 연도별 잔액 테이블도 보여 줘."

### 파일 형식 변환

> "이 JSON API 응답을 적절한 컬럼 헤더가 있는 깔끔한 Excel 스프레드시트로 변환해 줘."

### 웹 스크래핑 + 분석

> "삼성전자, NAVER, 카카오의 최근 주가 데이터를 웹에서 찾아서, 상위 20개 항목을 매출 기준 차트로 만들어 줘."

### 자동화된 리포팅

> "매주 월요일 오전 9시에, \[API URL]에서 최신 데이터 가져와서 트렌드 분석하고 차트 만들고, PDF 보고서를 이메일로 <team@company.com>에 보내 줘."

## 팁

* **파일을 먼저 업로드**: 분석 요청 전에 스프레드시트나 데이터 파일을 첨부하세요
* **구체적인 결과물 요청**: "차트 만들어 줘"보다 "X축에 월, Y축에 매출, 제품라인별 색상 구분된 막대 차트 만들어 줘"가 더 좋습니다
* **반복 수정**: 첫 분석이 완벽하지 않으면 수정을 요청하세요 — Crew가 맥락을 기억합니다
* **결과 저장**: 중요한 결과물은 내 파일이나 Google Drive에 저장하세요
* **이메일과 결합**: "데이터 분석하고 보고서 만들어서 팀에 이메일로 보내 줘"
* **심층 분석이 필요하다면?** 여러 단계에 걸친 복잡한 분석이나 완성도 높은 문서가 필요하면 [Deep Work](/ko/tools/deep-work.md)를 사용해 보세요