영상 링크: Self Coding Agents — Colin Flaherty, Augment Code
채널명: AI Engineer
스스로 코딩하는 에이전트: 콜린 플래허티, 어그먼트 코드 핵심 요약
- AI 코딩 에이전트가 실제로 자기 자신을 개발하는 프로젝트 경험을 공유함
- 어그먼트 코드의 AI 에이전트가 전체 코드의 90% 이상을 직접 작성함
- 에이전트는 Slack, Linear, Jira, Notion, Google Search 등 다양한 외부 도구와 연동 기능을 자체 개발함
- 코드 테스트 작성, 코드 최적화, 성능 개선 등의 작업도 에이전트가 수행
- 최신 LLM(대규모 언어모델)에만 의존하지 않고 별도의 컨텍스트 엔진, 툴 통합, 사용자 피드백 기반 학습이 중요함을 강조
- 기업 환경에서 에이전트의 온보딩(지식 주입), 테스트 자동화, 코드베이스 이해도가 핵심 성공 요인임을 설명
- 코드 저작 비용이 획기적으로 줄어들면서, 제품 방향성과 사용자 경험 설계의 중요성이 커짐
- 테스트 커버리지가 에이전트의 자율성과 신뢰도에 직접적인 영향을 미침을 다양한 사례로 설명
세부 요약 - 주제별 정리
어그먼트 코드의 AI 에이전트는 실제 코드베이스의 90% 이상을 직접 작성함을 증명함
- 어그먼트 코드에서는 AI 에이전트가 약 20,000줄 코드 중 90% 이상을 직접 작성했으며, 인간은 주로 감독과 인스트럭션 제공 역할을 담당함
- 에이전트 개발 과정에선 통합, 기능추가, 테스트 작성, 코드 최적화 등을 AI가 수행
외부 서비스와의 통합 기능을 에이전트가 스스로 구현하는 데 성공함
- 슬랙, Linear, Jira, Notion, Google Search 등 다양한 서비스와 연동하는 기능을 AI가 대부분 완성함
- 필요한 API 문서를 직접 검색(이전 단계에서 구현한 구글 검색 도구 활용)해 통합 코드를 작성
- 에이전트의 도구 사용 예시와 자연어 지시만으로도 관련 코드를 작성할 수 있었음
코드 수정과 테스트 작성, 성능 최적화까지 에이전트가 직접 수행하며 문제를 해결함
- 코드베이스 내에서 로그 삽입, 파일 수정, 테스트 추가 및 실행 등 복잡한 작업도 에이전트가 수행
- 코드 실행 환경에서 자체적인 프로파일링, 동시성 최적화(예: 프로세스 풀 추가) 등도 성공적으로 적용함
- 성능 문제를 직접 탐지하고 해결 방안을 제안, 검증하는 과정을 스스로 처리
기업 환경 내에서 효과적인 에이전트 사용을 위해 온보딩 지식 제공과 컨텍스트 엔진 구축이 필수적임을 강조함
- 에이전트가 알지 못하는 사내 도구(예: Graphite) 등에 대한 이해를 위해 별도의 지식베이스를 구축하여 컨텍스트로 제공함
- 신규 엔지니어가 팀에 적응하는 과정처럼 에이전트에게도 질문 기회와 문서 제공이 중요함을 사례로 설명
코드 저작 및 개발의 비용 구조 변화로 제품 전략과 디자인의 중요성이 커지고 있음을 지적함
- 에이전트 활용으로 여러 기능을 병렬로 빠르게 개발할 수 있어, 엔지니어링 시간이 더 이상 병목이 아님
- 제품의 성공은 코드 생산량보다 고객 인사이트, 빠른 피드백 수집, 뛰어난 UX 설계에 달렸음을 강조
에이전트의 약점은 인간과 다르며, 테스트 자동화와 컨텍스트 확장이 신뢰성 향상에 직접 기여함을 실증함
- 에이전트는 인간과 다른 실수(예: 동시성 캐시 버그 등)를 반복할 수 있으므로 충분한 테스트가 필수
- 자체 벤치마크에서 LLM 교체보다 테스트 자동화 활성화가 더 큰 품질 향상을 이끈 경험 공유(성능 4% vs. 20% 차이)
- 테스트 커버리지가 늘어날수록 에이전트의 자율성과 신뢰도가 높아짐
AI 에이전트의 자가 발전이 개발 방식과 소프트웨어 산업 전반을 근본적으로 변화시키고 있음을 예측함
- 스스로 코드를 작성하는 AI 에이전트가 점점 더 빠르게 발전하고 있으며, 코드와의 관계, 제품 개발 방식이 변화함
- 코드 자체는 사라지지 않으나, 개발자 역할과 우선순위가 테스트 구축, 요구사항 명세, 사용자 경험으로 이동
- 앞으로 어그먼트 코드의 AI 에이전트를 외부에 공개할 예정임을 암시하며 발표를 마무리함