AI 에이전트 거버넌스: GitLab으로 Claude Code 활동 기록하고 변경 통제하기
GitLab과 Claude Code로 정책·통제·기록·검토 기반의 에이전트 거버넌스 구축 방법을 설명했습니다. glab 세션 기록, 보호 브랜치와 MR 승인 규칙을 활용한 변경 통제 실습을 다뤘습니다.


GitLab과 Claude Code로 정책·통제·기록·검토 기반의 에이전트 거버넌스 구축 방법을 설명했습니다. glab 세션 기록, 보호 브랜치와 MR 승인 규칙을 활용한 변경 통제 실습을 다뤘습니다.

n8n이 자동화 생애주기 전반에서 신뢰성을 높이기 위한 제품 방향을 공개했습니다. 에이전트 역할 분리, 평가, 관측, 최소 권한 관리 원칙을 정리했습니다.

n8n 숏폼 자동화의 한계를 넘어, 컷 단위 AI 영상 도구 DemoCut을 개발한 배경을 소개했습니다. 사람의 피드백과 형식 표준화, 사내 도그푸딩으로 지속 가능한 영상 제작 흐름을 검증했습니다.

다중 에이전트 작업을 그래프로 설계하는 방법과 Claude Code·OmO 구현 차이를 비교했습니다. 실습을 통해 검증 기준, 결과 처리 코드, 셸 권한 설정의 중요성을 확인했습니다.

ISMS-P 개편과 안전성 확보조치 기준 변경에 따른 접근·로그 관리 준비 사항을 정리했습니다. Teleport와 GitLab으로 권한, 인증, 접속기록, 취약점 관리 증적을 준비하는 방법을 소개합니다.

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

Nelper는 Slack의 고객 요구사항을 AI 에이전트로 구조화해 구현·검증·배포·문서화까지 연결했습니다. 반복 실행은 자동화하고 제품 우선순위와 최종 판단은 사람이 맡았습니다.

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.

GitLab CI에 연결한 코딩 에이전트 설정 파일을 어떻게 통제할지 다뤘습니다. CODEOWNERS, 보호 브랜치, CI 경고, 보호된 변수로 운영 기준을 점검했습니다.

홈랩 Kubernetes에서 ArgoCD와 GitLab Self-Managed를 연동해 GitOps를 구축하는 과정을 실습했습니다. 접속, 인증, 저장소 등록, Kustomize 전환에서 막히는 지점과 해결책도 정리했습니다.

n8n Queue Mode에서 worker만 늘려도 처리량이 오르지 않는 이유를 k6 부하테스트로 검증했습니다. 실제 병목은 worker가 아니라 task runner 한도였고, 두 값을 함께 조정해야 했습니다.

AI 에이전트 스킬 파일 `SKILL.md`에서 발생하는 결함 유형과 원인을 분석했습니다. Frontmatter와 본문을 어떻게 고쳐야 하는지 8가지 점검 항목으로 정리했습니다.

2026년 CI/CD 공급망 공격 3가지 유형과 GitLab 방어 전략을 정리한 글입니다. 파이프라인 설정 보호, 토큰 범위 제한, 빌드 출처 증명이 핵심 대응책입니다.

경찰청의 GitHub 토큰 유출 권고를 계기로 GitLab에서 크리덴셜을 점검하고 회전하는 4단계 대응법을 정리했습니다. Self-Managed와 GitLab.com의 차이, 티어별 기능 범위와 주의점도 함께 다뤘습니다.

인프라 접근 권한을 코드로 관리하는 Access as Code 개념과 판단 기준을 정리했습니다. Teleport로 SSH, Kubernetes, DB, 앱 권한을 하나의 role과 Git 흐름으로 운영하는 방법을 설명했습니다.

n8n 워크플로가 많아질수록 소유권과 맥락이 화면 곳곳에 흩어져 관리가 어려워진다고 설명했습니다. 기본 기능의 한계를 짚고, 이를 한 지도처럼 모아 보는 Nelper를 소개했습니다.

LLM 코드 리뷰는 같은 입력에도 판정이 달라질 수 있어 자동화에서 흔들림이 생길 수 있습니다. 이를 줄이기 위해 코드 위임, 출력 폭 좁히기, 다수결, 하네스 적용을 제안했습니다.

DORA가 5대 지표와 7가지 팀 유형으로 재편된 배경과 의미를 정리했습니다. AI 시대에는 속도만 보지 말고 불안정성과 품질 비용까지 함께 진단해야 합니다.