To the moon! Navigating deep context in legacy code with Augment Agent - Forrest Brazeal, Matt Ball

영상 링크: To the moon! Navigating deep context in legacy code with Augment Agent — Forrest Brazeal, Matt Ball
채널명: AI Engineer

달로! Augment Agent와 함께 레거시 코드의 깊은 맥락을 탐험하다 핵심 요약

• 이 영상은 AI 에이전트 ‘Augment Agent’를 활용해 복잡한 레거시 코드베이스, 특히 Apollo 11 유도컴퓨터(AGC) 코드 분석 및 현대화 방법을 실습 중심으로 설명한다.
• 발표자는 AI가 대규모 레거시 코드의 이해와 생산성 향상에 매우 효과적임을 강조하며, AGC의 실제 어셈블리 코드를 사례로 들었다.
• Augment Agent의 가장 큰 차별점은 독자적인 ‘컨텍스트 엔진(문맥 추출 기술)‘으로, 코드베이스에서 정확하고 유의미한 정보를 AI 모델에 전달해 고품질 결과물을 얻을 수 있게 한다.
• Augment는 기존 IDE(예: IntelliJ)와 플러그인 형태로 통합 가능하며, 고객 관리 암호화 키, ISO 420001(신규 AI 보안규격) 등 엔터프라이즈급 보안 기능을 내세운다.
• 영상에서 사용된 두 가지 주요 모드는 Q&A 중심의 ‘챗(chat) 모드’와, 사용자의 개입 없이 자동 작업을 수행하는 ‘에이전트(agent) 모드’이며, 백그라운드 자동 병렬 처리가 가능하다.
• Apollo 11의 실제 사례(1201/1202 프로그램 알람)를 통해, Augment Agent가 어셈블리 코드의 특정 오류 원인 및 영향(메모리 과부하로 인한 경고 등)을 신속하게 분석·설명하는 데 성공했다.
• 이어 AGC의 착륙 알고리즘(P65 자동 착륙 루틴) 구현 과정을 실습하여, Augment Agent가 미작성 파이썬 클래스를 자동 생성하고 시뮬레이터로 테스트까지 수행하며 달 착륙 미션을 무인 자동화했다.
• 요약하면, 레거시 코드 탐색·이해→테스트 작성→점진적 현대화(예: 언어 변환)라는 3단계 실천 전략을 제시하며, 실제 엔터프라이즈 코드 전환 실무(예: Java 8→17 업그레이드 등)에도 적용 가능성을 시연했다.
• 종합적으로 Augment Agent의 능동적 코드 이해, 테스트 주도 개발 지원, 대규모 의존성 탐색, 신속한 현대화 지원 등이 구체적으로 소개되었다.
• 발표 마지막에는 질문과 답변을 통해 에이전트의 의존성 체크, 테스트 기반 코드 품질 검증, 반복적 추론 능력 등에 대해 설명했다.

세부 요약 - 주제별 정리

Augment Agent는 AI 기반의 레거시 코드 이해와 현대화에 특화되어 있음

• 발표자 Forrest Brazeal와 Matt Ball(솔루션 아키텍트, Augment Code 소속)이 세션을 진행
• Matt Ball은 개발자 도구(Postman 등)를 거쳐 AI 붐에 합류, 현재 Augment Code에서 2년 넘게 근무 중
• 본 영상의 골자는 Augment Agent라는 AI 제품을 활용해 복잡한 레거시 코드의 맥락을 빠르고 정확하게 이해하는 방법 실습
• 참가자는 별도 실습 없이 구경만 해도 충분하며, augmentode.com의 무료체험을 안내

Augment Agent의 ‘컨텍스트 엔진’은 코드 기반의 핵심 정보를 추출해 AI 답변의 품질을 결정함

• AI 모델이 좋은 출력을 내려면, 우선 고품질의 입력(=맥락 추출)이 중요함을 강조
• Augment는 2년간 독자적 문맥추출 엔진을 개발하여, 코드베이스 통째로 읽고 핵심 정보를 분리해 전달 가능
• 타 경쟁 제품과 차별화된 보안(고객 관리 암호화 키, ISO 420001 AI 보안인증 등) 기능을 내장
• 엔터프라이즈 시장 겨냥: 10년 이상 된 자바 코드베이스(IntelliJ 등 기존 IDE 내에서 작동)에서도 별도 환경설정 없이 사용 가능

두 가지 주요 모드: 대화형 ‘챗 모드’, 자동 실행 ‘에이전트 모드’, 그리고 병렬 및 원격 실행 지원

• 챗(Chat) 모드: 간단한 Q&A, 한 번에 한 단계씩 질문-답변 반복에 적합. 사용자가 흐름을 컨트롤 가능
• 에이전트(Agent) 모드: 연속적, 복합적인 대형 작업 처리에 강점. 사용자가 자리를 비워도 백그라운드에서 자동 수행 가능
• Remote agent 기능: 여러 작업들을 병렬로 처리하여, 실제 실습 대회 등에서 빠른 결과 도출에 유리했음을 실증

Apollo 11 유도컴퓨터(AGC) 코드 사례는 대표적인 ‘궁극의 레거시 코드’임

• AGC(아폴로 유도컴퓨터)는 달착륙을 담당한 장치로, MIT에서 수년에 걸쳐 어셈블리어로 개발됨(1960년대)
• 대표적 레거시 코드: 거대한 단일 소스 파일, 당시 유일하게 Margaret Hamilton이 찍은 유명한 ‘수십센티’ 코드뭉치 사진
• 실질적으로 오늘날 개발자가 어셈블리 코드를 빠른 시간 내에 이해·분석하기는 거의 불가능에 가까움
• 이 코드베이스는 Github를 통해 공개되어 있으며, 영상 실습에서는 해당 코드를 일부 변형하여 사용

실제 맥락 정보 추출: ‘1201/1202 프로그램 알람’ 오류의 원인을 Augment Agent가 빠르게 규명함

• 1969년 Apollo 11 임무 마지막 착륙 시, “1202 프로그램 알람”이 연달아 5회 발생해 임무 중단 여부가 논의됨
• 기존 방식으로 어셈블리 코드를 읽어서는 오류 원인을 단시간 내 파악하기 힘듦
• 챗 모드로 “1202 알람이 무엇인가?” 질문 시, Agent는 코드에서 octal 122(1202) 값을 탐색·분석
• Core set 부족, 외부 레이더 시스템 켜짐으로 인한 메모리 과부하 등 코드 내 설명·주석과 인터넷 참고 결과까지 조합해 명확히 원인 설명
• 휴스턴 관제센터처럼, AI가 복합적 기술 맥락과 실시간 외부 정보를 함께 참조해 신속한 의사결정을 지원

자동화 실습: Augment Agent가 달착륙(P65 자동 루틴)을 100% 무인 자동화에 성공함

• 착륙 당시 실제로 사용된 루틴은 P66(수동 보조)·P65(완전 자동)로, 영상에서는 P65 루틴 완전 자동화 구현에 도전
• 발표자가 작성한 시뮬레이터(simulator.py)는 descent.py 내 LunarDescentGuidance 클래스의 P65 알고리즘 존재를 가정
• 해당 클래스·파일이 아예 없음에도, 에이전트 모드에서 “simulator.py가 성공할 때까지 반복 실행, simulator.py는 바꾸지 말 것”으로 단일 프롬프트 실행
• Agent는 파일, 디렉터리, 테스트 등을 자동 탐색·생성, 어셈블리 코드를 파이썬 코드(P65 알고리즘)로 변환함
• 최종적으로 시뮬레이터를 실행해 최적 범위(0~1m 내)로 착륙에 성공, 자동화 및 코드 이해/이식 검증

대형 코드베이스 탐색→이해→테스트→현대화의 3단계 전략을 실습 사례로 실증함

• 1단계: Agent를 이용해 코드 전체/부분의 기능, 컨벤션, 역할 등 핵심 정보를 빠르게 질문/답변 분석
• 2단계: 코드블럭별, 기능별로 테스트 케이스를 작성하여 코드의 기대 동작을 사전 예측(챗 모드 활용)
• 3단계: Agent가 신규 코드나 언어 변환, 부분적 현대화를 자동으로 수행, 테스트로 결과 확인
• 반복·수정이 필요한 부분은 인간 개발자가 직접 코드 일부를 리뷰·수정(인간의 창의력과 AI 병행)
• 이 모든 과정이 단순 달착륙이 아니라, 실제로 자바 8→17 업그레이드, 클린 코드 전환 등 실무 적용도 가능함을 강조

실제 엔터프라이즈 환경에서의 적용성과 성능이 시연됨

• 수천 줄에 달하는 AGC 코드도 수 분 내에 분석 및 변환 완료
• 엔터프라이즈 프로젝트(예: 수만~수십만 줄 코드)에서도 생산성 있다는 점을 실무자로서 강조
• Greenfield 프로젝트(신규 개발) 뿐만 아니라, 복잡한 레거시(유산) 코드 전환·리팩토링에 실질적 효과

Augment Agent는 테스트 기반 반복 개발과 의존성 검증에 능동적임

• 문의응답 세션에서 “대규모 코드의 의존성, 종속성 체크도 가능한가?” 질문에 “12초 만에도 척척 수행”한다고 답변
• 실제 실습 내에서도, Python이 실행파일 미설치일 때 Python 3 자동 대체 등 상황 변화 대응이 확인됨
• 테스트 주도 개발(TDD) 방식과도 잘 융합되며, agent가 스스로 추론·반복·수정 가능함을 시연함
• 예시로, 우선순위 0이 최고/최저인지 판단하는 것처럼 해석이 모호한 부분은 인간이 판단하여 AI에 피드백

반복적 에이전트 추론과 테스트가 합쳐질 때 코드 품질/안전성 확보가 쉬워진다

• Agent는 reasoning-iteration(추론-반복) 프로세스에서 테스트 케이스 자체를 생성/수행, 결과를 self-check해 오류를 줄임
• 이를 통해 단순 자동화 이상의 코드 품질·안정성 확보가 가능함을 강조
• 질문자와의 인터랙션 및 마무리 답례로 사전 시연된 모든 기능이 실제 업무에 도움이 될 수 있음을 시사

발표 요약 및 데모 참여 안내가 제공됨

• 세션 종료 전, 직접 무료체험을 위한 augmentode.com 안내와, 자신의 레거시 코드 혹은 신규 코드 프로젝트에도 바로 적용 가능함을 언급
• 대략 AGC 코드베이스도 수천 줄 규모임을 감안할 때, 엔터프라이즈 코드 전환엔 더욱 유용함을 암시하며 마무리