버그 티켓, AI에게 맡겨봤습니다 — QUBA 개발기

문제 상황

• Jira 티켓·코드·API 명세·정책·로그에 분산된 버그 원인 조사 정보
• 코드 수정 전 정보 수집·연결에 소요되는 개발자 분석 시간

구조와 흐름

• LangGraph Supervisor Agent와 MCP Server 기반의 7개 노드 분석 파이프라인
• Jira 티켓 조회, 문맥 보강, 개인정보 마스킹, LLM 리포트 생성·코드 검증, 승인 후 Jira 코멘트 등록
• API 스펙 검색 뒤 endpoint·HTTP method로 Feature-Code 매핑을 정밀 연결하는 RAG 구조

선택 이유

• 복잡한 상태·승인 단계·재시도·도구 확장을 위한 LangGraph 선택
• 의미 검색용 벡터 검색과 정확 일치용 BM25·메타데이터 필터의 역할 분리
• 후보 생성 후 cross-encoder 리랭킹, RRF 병합, 신뢰도 재보정 적용

성능/운영 포인트

• 7건 비교에서 도구 호출 274회에서 240회, 비용 합계 6% 절감
• 티켓당 평균 14.1초의 1차 조사와 IDE 전달로 정보 수집 부담 완화
• 근거 부족 시 빈 수정 범위와 파일 전체 열람으로 비용 증가 가능성, golden set 기반 평가 필요