test 기술 블로그 글

Fixture 기반 테스트 데이터 구성

Fixture 기반으로 통합 테스트 데이터를 재사용 가능하게 정리한 경험을 공유했습니다. 공통 데이터는 `create`, 커스터마이징은 `gen`, 복수 시나리오는 `genMore`로 분리해 테스트 가독성과 유지보수성을 높였습니다.

AI 시대에 테스트 코드를 잘 쓰는 기준이 달라진다.

AI 협업 시대에는 테스트 코드가 미래 세션의 AI가 읽는 실행 가능한 프롬프트라는 관점이 중요합니다. @DisplayName과 실패 케이스로 비즈니스 의도를 남기고, 인간 검토와 교차 검증으로 맥락을 보완했습니다.

누군가는 토스를 테스트하는 동안, 우리는 테스트하는 법을 만듭니다.

토스 QA Platform 팀이 매주 반복되는 대규모 릴리즈에서 품질을 지키는 방식과 자체 테스트 도구들을 소개했습니다. AI와 자동화를 활용하되 사람은 품질 기준과 최종 판단에 집중하는 방향을 제시했습니다.

AI 시대의 개발 능력은 검증력으로 결정된다, Flava API Gateway 개발 중 배운 빠른 검증과 로컬 환경 구성 전략

AI 코딩 시대에는 빠른 생성보다 빠른 검증이 더 중요하다고 설명했습니다. 스펙 주도 개발과 로컬 검증 환경으로 에이전트의 실수를 줄인 사례를 공유했습니다.

AI 에이전트끼리 토론한다면? 멀티 에이전트 협업으로 재설계하는 개발 프로세스

AI 코딩의 병목을 코드 생성이 아닌 조율과 검증 과정으로 보고, 제안자·도전자·조율자로 나눈 멀티 에이전트 개발 파이프라인을 소개했습니다. 복잡도와 리스크에 따라 토론 강도를 조절하며, 사람은 최종 판단에 집중하는 방식을 설명했습니다.

LLM 코딩 에이전트 작업 관리 방법

LLM 코딩 에이전트를 프롬프트만으로 쓰면 문맥 누적과 임의 판단 문제가 생겼습니다. Task/Plan 하네스로 작업을 분할하고 기록해 안정성과 리뷰 가능성을 높였습니다.

[인터뷰] 토큰증권(STO), 전자증권법·자본시장법 개정 핵심과 기업 대응 전략 with 법무법인 화우

토큰증권(STO) 제도화 흐름과 전자증권법·자본시장법 개정의 핵심을 짚었습니다. 사업 구조 검토부터 인가 준비, 시장 진입까지 단계별 대응 전략을 제시했습니다.

[의존성의 방향을 따라 4/5] PR을 전파하는 Distributer

50개 이상의 레포에 흩어진 버전업 PR을 Wave 순서에 맞춰 자동 전파하고 머지하는 방식을 설명했습니다. CI, flaky test, 에스컬레이션까지 묶어 대규모 업그레이드 운영을 자동화했습니다.

AI 에이전트를 위한 Playwright E2E 테스트 하네스 구축하기

AI 에이전트가 작성한 코드를 검증하기 위한 Playwright 기반 E2E 테스트 하네스 구축 사례를 공유했습니다. 에이전트가 테스트 작성과 수정까지 맡는 워크플로우를 소개했습니다.

레거시 프로젝트에서 AI 드리븐 프로젝트로 전환, AX 로드맵

레거시 프로젝트를 AI 드리븐 프로젝트로 전환하기 위한 AX 4단계 로드맵을 소개했습니다. 보안 기반부터 리뷰 자동화까지 단계적으로 확장하는 방법과 KPI를 함께 정리했습니다.

[AI가 읽을 수 있는 코드베이스 5/5] AI 접근성 등급으로 보는 코드베이스

코드 품질만으로는 AI 코딩 에이전트의 작업 가능성을 설명할 수 없다는 점을 다뤘습니다. 구조적 일관성과 빌드 가드레일이 AI 접근성을 높이는 핵심이라고 정리했습니다.

생성형 AI가 개발 생산성을 높이는 코딩 어시스턴트로 활용되는 흐름을 정리했습니다. 다만 환각과 보안 문제를 막기 위한 검증과 가이드라인도 함께 필요합니다.

AI 에이전트를 안전하게 움직이게 하는 설계도, ‘하네스 엔지니어링(Harness Engineering)’

AI 에이전트가 실제 업무에서 안전하고 일관되게 일하도록 돕는 하네스 엔지니어링을 설명했습니다. 프롬프트를 넘어 규칙, 도구, 검증, 관측 체계를 설계하는 방법을 정리했습니다.

[AI가 읽을 수 있는 코드베이스 2/5] 빌드 피드백이 AI를 가르친다

AI 코딩 에이전트가 받는 빌드 피드백을 유형별로 비교하며 정보 품질 차이를 분석했습니다. 가장 중요한 규칙은 컴파일 타임에 강제하고, 에러 메시지와 테스트 실패를 더 명확하게 설계해야 한다고 정리했습니다.

메시징 서버의 스트레스 테스트 노하우와 AI 가 덜어 준 부분

메시징 서버의 스트레스 테스트와 AI 활용 경험을 다룬 글의 개요입니다. 본문은 도입부 수준이라 구체적인 방법론은 드러나지 않습니다.

[AI가 읽을 수 있는 코드베이스 2/5] 빌드 피드백이 AI를 가르친다

AI 코딩 에이전트에게 빌드 피드백 유형별 정보 품질이 어떻게 다른지 분석했습니다. 컴파일 타임 검증과 맥락 있는 에러 메시지가 가장 효과적이라고 정리했습니다.

AI Agent로 테스트 커버리지 100% 달성한 실전 전략 — Claude Code 활용기

AI Agent와 Claude Code를 활용해 백엔드 유닛 테스트 커버리지를 100%로 끌어올린 과정을 소개했습니다.프롬프트 고정, Hook 검증, 작업 분리로 회귀 방지와 유지 구조까지 설계했습니다.

Gemini 기반 테스트 케이스 자동화 실패와 성공기

Gemini로 테스트 케이스 초안을 자동화하려 했지만, 단일 프롬프트는 한계가 있었습니다. 규칙 학습과 분할 도출 방식으로 커버리지와 효율을 크게 개선했습니다.

AI한테 테스트 코드를 맡겼더니 커버리지가 8배 올랐다

AI와 문서화된 프롬프트를 활용해 iOS 테스트를 대규모로 작성하고 커버리지를 크게 높인 사례입니다. 반복 작업은 AI가 맡고 비즈니스 검증은 사람이 담당하며 품질과 속도를 함께 확보했습니다.

AI 시대의 엔지니어 역할 변화: 코드 작성자에서 시스템 사고자로

AI가 코드를 대신 쓰는 시대에 엔지니어의 역할은 구현자에서 기준 설정자와 시스템 사고자로 이동했습니다. 기능 요구사항뿐 아니라 비기능 요구사항까지 포함해 문서, 검증, 운영을 함께 진화시켜야 한다고 설명합니다.