
AWS AI-DLC Reverse Engineering: I/O 매트릭스로 모놀리스 공유 변수를 분해하여 spec 및 검증 기준으로 활용하기
두줄요약
공유 변수 중심 레거시의 숨은 데이터 흐름을 I/O 매트릭스와 코드 그래프로 추출하는 방법을 설명합니다. 이를 AI-DLC 요구사항·API 계약·검증 테스트에 연결해 DTO 분리 결함을 차단합니다.
문제 상황
- 전역 상태·공유 메모리에 의존하는 레거시 모놀리스에서 함수 시그니처에 드러나지 않는 입력·출력 흐름
- 단계별 DTO 분리 과정의 숨은 입력 유실, 끊어진 흐름, 낡은 값, 순서 역전, 의도치 않은 부수효과 위험
구조와 흐름
- AST 기반 읽기·쓰기 판정으로 단계별 변수 접근을 I/O 매트릭스와 흐름 ID로 추출
- 코드 그래프의 단계·변수·흐름 관계를 MCP 도구로 조회하는 GraphRAG 구성
- AI-DLC의 Reverse Engineering부터 Build and Test까지 흐름을 요구사항·API 계약·테스트로 추적
해결 방법
- 다중 writer 변수에 단계별 결과 DTO와 조건별 유효값 규칙 적용
- 숨은 입력을 출처가 표시된 요청 필드로 전환하고 경계 입출력 기반 API 계약 초안 생성
- 흐름 전달, 조건별 유효값, 요청 필드 완전성, 골든 마스터 테스트와 승인 게이트 sensor 구성
주의할 점
- 동적 키·포인터 간접 접근·외부 프로그램 너머 흐름은 미해결 항목으로 남겨 사람 해석 필요
- 분석기 누락 가능성을 고려한 기대 결과 비교와 레거시 실행 계측 검증 필요
- 서비스 경계, 트랜잭션, 실패 처리, 유효값 규칙, 골든 마스터 입력은 사람 승인 대상

