AI 요약
AI 지원 개발 환경에서 모델에게 너무 빠르고 많은 권한을 부여하다 보면, 기존의 표준 소프트웨어 엔지니어링 관행이 무너지고 인공지능에 대한 신뢰를 잃기 쉽습니다. 저자는 이러한 문제를 해결하기 위해 AI가 도출한 설계와 산출물을 끊임없이 의심하고 정교하게 검증하는 '자동화된 의심(Automated Doubt)' 개발 프로세스를 개발했습니다. 이 방식은 인간이 직접 모든 것을 검증하는 대신, 서로 다른 관점(Parallax)을 가진 여러 전문 서브에이전트들을 활용하여 설계상의 빈틈을 포착합니다. 개발의 1단계인 디자인(Design) 과정에서 Claude를 통해 초안 명세서를 작성한 뒤, 인간 개발자는 2~5분간 대략적으로 검토하고 즉시 사전 구현 워크플로우를 실행합니다. 이를 통해 가동된 서브에이전트들은 시스템 스코프, 문서화 공백, 잘못된 기술적 가정 등을 정밀하게 분석하여 통상 10~25개의 수정 사항을 도출하고 이를 명세서에 자동으로 반영함으로써 프로젝트 초기 단계의 설계 결함을 선제적으로 방어합니다.
핵심 인사이트
- 시차 검증(Parallax Coverage): 사람이 양안 시차로 입체감을 느끼듯, 표준 Claude 모델 하나가 놓치기 쉬운 결함을 서로 다른 각도로 전문화된 다수의 서브에이전트를 활용해 다각도로 분석해 냅니다.
- 사전 구현 필터링: 코드를 짜기 전에 먼저 Pre-Implementation Architect, Documentation Validator, Assumption Excavator 등의 에이전트 그룹을 돌려 스펙과 설계의 품질을 집중적으로 검증합니다.
- 효율적인 검토 시간: 엔지니어는 최초 AI가 작성한 명세서를 읽는 데 단 2~5분만 투자하며, 이후 세밀한 사후 검토 및 명세서 보완(10~25개 발견 사항 반영)은 에이전트 자동화 루프로 처리합니다.
- 결함 보정을 통한 신뢰 회복: AI가 폭주하여 생기는 불신을 '자동화된 의심' 프로세스를 통해 기술적으로 통제함으로써, 개발자는 다시 안심하고 AI를 코딩의 파트너로 기용할 수 있게 됩니다.
주요 디테일
- 가정 발굴(Assumption Excavator)의 오류 포착: 예컨대
registry-sdk의executionStatsSchema가 실제로는{totalCount, recentCount, windowMinutes}만 반환함에도, 명세서가 존재하지 않는 평균 점수나 통과율 등을 정의하여 신규 API 없이는 빌드가 불가능함을 구현 전에 잡아냈습니다. - 아키텍처 개선 권고:
HarnessProfile모듈에 직접 결합되어 코드 라인을 80~120줄로 비대화할 위험이 있는 MCP 메서드들을 별도의McpConfigStrategy전략 패턴으로 분리하라는 구체적 구조 개선안을 제시합니다. - 누락 영역 감지(Gap Analyst): 도메인 분석 중 예기치 못한 비정상 입력(malformed input), 권한 거부(permission denied), 부분 쓰기 실패(partial write failure) 발생 시의 예외 처리 로직이 누락되었음을 사전에 경고합니다.
- 다단계 필터링 스택: 1차 검증(품질, 가정 분석)이 끝나면 scope에 따라 Gap Analyzer, Implied Completeness Detector, Ambiguity Mapper 등의 고도화된 에이전트 스택이 추가 가동되어 빈틈없는 완성도를 추구합니다.
향후 전망
- 에이전틱 엔지니어링의 정교화: 개발 프로세스 내에서 단순히 코드를 작성하는 AI를 넘어, 코드를 비판적으로 검증하고 리팩토링 방안을 조언하는 '감사 전용 서브에이전트' 모델이 폭넓게 채택될 것입니다.
- 예외 처리 및 견고성 향상: 구현 전 단계부터 예외 케이스(실패 대응, 엣지 케이스)에 대한 명세서 정의가 철저해짐에 따라, AI가 작성한 코드의 런타임 에러율이 비약적으로 낮아질 전망입니다.
출처:hackernews