AI 에이전트가 진짜 동료가 되려면 저장소부터 설계하라

AI 에이전트가 진짜 동료가 되려면 저장소부터 설계하라

에이전트는 코드를 짤 수 있지만, 시스템의 형태를 기억하지는 못한다—그 기억을 저장소 구조에 새겨두는 것이 개발자의 진짜 일이다

AI 에이전트 저장소 설계 guardrails 아키텍처 드리프트 AI 협업 워크플로우 코딩 에이전트 컨텍스트 관리
광고

AI가 코드를 잘 짠다는 건 이제 놀라운 사실이 아니다. 더 흥미로운 질문은 따로 있다. AI가 당신이 설계하려는 시스템의 형태 안에서 계속 잘 짤 수 있느냐는 것이다.

dev.to에 올라온 한 글은 이 질문을 꽤 날카롭게 포착한다. Django, DRF, SvelteKit을 동시에 다루는 복잡한 플랫폼을 혼자 리빌딩하던 저자는 어느 순간 이상한 경험을 한다. AI 에이전트는 분명 코드를 잘 만들어냈고, 대화도 잘 통했다. "무엇을 만들려는지 알겠다"고도 했다. 그런데 시간이 지나자 저장소가 슬금슬금 다른 무언가가 되어 있었다. 파일이 비정상적으로 커졌고, 진짜 모듈 경계가 있어야 할 자리에 헬퍼 함수가 생겼고, 임시 패치가 패턴처럼 굳어졌다. 에이전트는 계속 빌드하고 있었지만, 프로젝트는 드리프트하고 있었다.

이건 AI의 능력 문제가 아니다. AI는 로컬 진전에는 매우 뛰어나지만, 글로벌 일관성을 유지하는 데는 취약하다. 한 파일, 한 함수, 한 요청 단위로는 훌륭한 판단을 내리면서도, 시스템 전체가 어떤 방향을 향하고 있는지를 스스로 추적하지는 못한다. 그 추적의 책임이 개발자에게 있다는 건 알겠는데, 문제는 그 책임을 매 세션마다 머릿속으로만 들고 다니기엔 너무 무겁다는 점이다.

여기서 흥미로운 대조가 하나 생긴다. 또 다른 글의 저자는 완전히 다른 각도에서 비슷한 결론에 도달한다. 파나마시티의 택시 안에서, 라운지에서, 카페에서—그는 Claude와 대화하며 아키텍처를 구상하고, 엣지 케이스를 검토하고, 구현 방향을 정리한다. 코드는 한 줄도 안 썼지만 "빌딩은 이미 일어났다"고 표현한다. 핵심은 이것이다. AI 에이전트가 프로젝트의 컨텍스트를 기억하기 때문에, 개발자는 어디서든 그 맥락을 이어받아 생각을 이어나갈 수 있다. 이 경험이 가능한 건 에이전트가 단순히 코드를 생성하는 도구가 아니라, 프로젝트의 전후 맥락을 들고 있는 협업자이기 때문이다.

두 경험이 가리키는 지점은 결국 같다. AI를 진짜 동료로 쓰려면, 에이전트에게 기억시킬 것과 저장소에 새겨둘 것을 구분해야 한다. 에이전트의 컨텍스트 창은 세션 간 연속성을 주지만, 아키텍처적 의사결정—이 서피스는 어떤 책임을 갖는지, 이 패턴은 deprecated인지, 이 경계는 왜 존재하는지—은 저장소 자체에 담겨 있어야 한다. 그래야 에이전트가 매번 아키텍처를 추측하는 데 능력을 낭비하지 않고, 이미 합의된 구조 안에서 구현에 집중할 수 있다.

가이드라인이나 guardrails를 단순한 제약으로 보는 시각이 있다. "AI가 이걸 건드리지 못하게", "저걸 넘어가지 못하게"처럼 방어적으로 프레이밍된다. 하지만 더 생산적인 관점은 반대다. 저장소가 시스템의 작동 논리를 명시적으로 들고 있을수록, 에이전트는 더 창의적으로 쓸 수 있다. 아키텍처를 발명하는 데 토큰을 쓰는 게 아니라, 이미 설계된 구조 안에서 구현을 정교화하는 데 집중할 수 있기 때문이다. AGENTS.md, CLAUDE.md, 아키텍처 결정 기록(ADR), 린트 규칙, 폴더 구조 컨벤션—이 모든 것이 단순한 문서가 아니라, 에이전트에게 "여기서 어떻게 빌드하는지"를 알려주는 운영 레이어다.

실용적으로 정리하면 세 가지다. 첫째, 책임 경계를 코드가 아닌 문서에 먼저 쓰라. 어떤 모듈이 어떤 행동을 소유하는지, 어떤 패턴이 이 프로젝트의 표준인지를 에이전트가 읽을 수 있는 형태로 저장소 안에 남겨야 한다. 둘째, 드리프트를 감지하는 규칙을 만들어라. 에이전트가 생성한 코드가 아키텍처의 형태를 따르는지 확인하는 리뷰 체크포인트—자동화든 수동이든—없이는 드리프트를 사후에 발견하게 된다. 셋째, 비전은 머릿속에, 구조는 저장소에. 개발자가 프로젝트의 방향을 결정하는 역할은 여전히 유지하되, 그 결정들이 저장소 구조에 반영되어 있어야 에이전트가 다음 세션에서도 같은 방향으로 작동한다.

앞으로 AI 에이전트의 자율성은 더 높아질 것이다. 더 긴 컨텍스트, 더 나은 추론, 더 정교한 도구 호출—이 방향은 분명하다. 그런데 그럴수록 역설적으로 저장소 설계의 중요성은 커진다. 에이전트가 더 많은 것을 할 수 있을수록, 잘못된 방향으로 더 멀리 나아갈 수 있기 때문이다. AI를 동료로 쓴다는 건 결국 그 동료가 일하는 환경—저장소, 컨벤션, 가이드라인—을 함께 설계한다는 뜻이다. 그 설계를 미루는 한, 에이전트는 동료가 아니라 매번 온보딩해야 하는 프리랜서로 남는다.

출처

더 많은 AI 트렌드를 Seedora 앱에서 확인하세요