
QA 에이전트 — 코드는 AI가 짜는데, 품질 테스트는 아직도 사람이?
AI 코딩 확대로 테스트 범위 설계와 검증 부담이 커지는 문제를 짚었습니다.\nPrivate LLM 기반 QA 에이전트로 조직 지식 기반 테스트 설계를 제안합니다.
새로운 기술 블로그가 추가되었어요

AI 코딩 확대로 테스트 범위 설계와 검증 부담이 커지는 문제를 짚었습니다.\nPrivate LLM 기반 QA 에이전트로 조직 지식 기반 테스트 설계를 제안합니다.


OSV-Scanner와 GitLab CI로 의존성 취약점의 반영 지연을 줄이는 5단계 패치 사이클을 소개했습니다.\n자동 수정, 예외 만료 관리, MR 게이트, 정기 스캔으로 지속적인 반영과 재유입 차단을 구성합니다.


Jev와 AWS DevOps Agent를 결합한 Slack DevOps 봇의 판단·조사 구조를 소개했습니다.\n규칙보다 팀 지식과 피드백을 활용해 품질을 높이고 관리형 에이전트 한계를 보완했습니다.

운영 클래스와 형상 소스 불일치를 디컴파일·AI 분류·재컴파일 검증으로 복구했습니다.\nANT를 Gradle로 전환하고 직접 수정 통제로 재발 경로를 차단했습니다.
AI가 코드를 빠르게 작성하는 환경에서 핵심 병목이 검증으로 이동했음을 두 프로젝트 사례로 설명했습니다.\nCI, 시각 회귀, MCP 기반 실행 검증으로 배포 확신을 만드는 방식을 제시했습니다.


루프 엔지니어링과 Claude Code /goal의 동작 원리를 분석하고, Stop 훅으로 유사 기능을 재구현한 사례를 정리했습니다. 완료 조건을 측정 가능하게 설계하고 예외 종료를 함께 준비하는 것이 핵심이라고 설명했습니다.

AI·MCP와 통합 파이프라인으로 비개발자도 한 줄로 사내 배포하는 플랫폼을 구축했습니다.\n권한 격리·시크릿 스캔·자동 설정으로 편의성과 보안 통제를 함께 확보했습니다.


GitLab CI에 연결한 코딩 에이전트 설정 파일을 어떻게 통제할지 다뤘습니다. CODEOWNERS, 보호 브랜치, CI 경고, 보호된 변수로 운영 기준을 점검했습니다.
이 게시물은 쿠팡 파트너스 활동의 일환으로, 이에 따른 일정액의 수수료를 제공받습니다.

미리캔버스 모노레포에서 테스트 수가 늘며 CI가 16분까지 느려졌습니다. 테스트 실행 구조를 개선해 CI 시간을 3분 수준으로 줄였습니다.


번역 리소스를 별도 저장소로 분리하고 검증·배포 자동화를 붙인 경험을 정리했습니다. Windows와 macOS 차이까지 고려해 번역 누락과 배포 오류를 줄였습니다.


AI 에이전트가 스스로 수정하려면 먼저 테스트 결과를 믿을 수 있어야 했습니다. 그래서 테스트 격리와 실행 경로 통일로 오염과 환경 차이를 줄였습니다.


디자이너가 AI와 프로덕션 레포에서 직접 PR을 만들고 엔지니어 리뷰로 배포하는 워크플로우를 공유했습니다.\n디자인 시스템·자동 검증·보안·리뷰 정책을 갖춰 핸드오프 지연과 구현 손실을 줄였습니다.

Codex를 에이전틱 프로그래밍에 맞게 활용하는 워크플로와 정확도 향상 방법을 소개했습니다. AGENTS.md, Skills, MCP, record and replay, 마이그레이션 팁까지 함께 정리했습니다.

AWS DevOps Agent Release Management로 배포 전 리스크를 자율적으로 검증하는 방법을 소개했습니다. AnyCompany 주문 서비스 예시로 릴리스 표준 집행, cross-repo 영향 분석, 변경 특화 테스트를 살펴봤습니다.