AI
에이전트 플로우를 개선하며 배운 것들
두줄요약
AI 코딩 에이전트의 사람 개입 병목을 역할 분리와 규칙 기반 워크플로로 개선했습니다. 결정론적 생성은 Python 스크립트로 전환하고, 규칙 비대화와 대기 시간은 과제로 남겼습니다.
문제 상황
- 백엔드·프론트엔드·GitOps 세 저장소를 넘나드는 MSA 기능 개발과 세션마다 초기화되는 에이전트 컨텍스트
- 구현 중 사람 개입에 따른 병목, 늦은 방향 수정으로 인한 시간·토큰 낭비
구조와 흐름
- 서비스별 워크스페이스에 세 저장소를 심링크로 연결하고 작업 문서·규칙·에이전트 설정을 외부 관리
- planner·coder·test-writer·reviewer·self-improver 역할 분리와 Hook 기반 역할 경계 통제
- interview의 요구사항 확인 후 run 스킬로 병렬 웨이브·체크포인트 커밋·파일 기반 상태 기록 수행
선택 이유
- 공통 컨텍스트인 rules와 필요 시 읽는 저장소별 lanes 분리로 불필요한 컨텍스트 비용 축소
- 구현 코드를 보지 않는 test-writer와 Hook으로 구현 맞춤형 테스트 방지
- 기계적으로 결정된 코드 생성 규칙의 Python 스크립트 전환으로 사람 개입과 에이전트 생성 오류 제거
트레이드오프
- 커지는 규칙 문서와 규칙 준수율 저하, 단일 오케스트레이터 의존성
- 웨이브 게이트의 빌드 횟수와 test-writer 대기 시간에 따른 전체 사이클 지연
- 규칙 추가와 삭제, 용량 측정, 사이클 추이 기록을 통한 지속적 개선 필요
