pile·
AI / ML·데보션 (SK)데보션 (SK)·

Claude Code와 함께한 웹 성능 개선 이야기

문제10년 된 Spring 4.0/MyBatis 레거시의 380개 자바 클래스와 49개 SQL을 사람이 일일이 훑어 성능 병목과 보안 이슈를 찾기에는 시간과 인지 비용이 너무 컸다.
접근Claude Code의 멀티 에이전트를 활용해 Tracer가 컨트롤러→Mapper XML 호출 경로를 추적하고 Query Analyst가 SQL 안티패턴을 탐지하며 Optimizer가 결과를 우선순위화하는 병렬 파이프라인을 구성하고, `${}` → `#{}` 치환과 N+1·상관 서브쿼리 리팩토링을 자동 제안받았다.
결과약 5분 만에 56건 개선 후보를 도출해 SQL Injection 14곳을 식별하고 N+1 호출 46회 → 6회로 줄였으며, 수주짜리 성능 컨설팅을 하루 안에 마쳤다.
데보션 (SK)
데보션 (SK) 블로그
원문은 여기서 이어서 읽을 수 있어요
원문 읽기
읽음 (0)

이 글과 비슷한

  1. AI / ML·stackoverflow-blogStack Overflow Blog·

    에이전틱 SDLC를 QA 엔지니어링 마인드셋으로 구축하기

    Motorola Solutions의 테스트 엔지니어링 선임 매니저 Suneet Malhotra가 Stack Overflow 팟캐스트에 출연해 MCP(Model Context Protocol) 기반 에이전틱 SDLC 파이프라인 구축과 LLM-as-judge 평가 방법론을 소개했다. QA 엔지니어링 관점을 소프트웨어 개발 생애 전반에 적용하고, 설계 단계 직후 스펙을 강화해 결함 비용을 줄이는 'QA shift-left' 접근을 다룬다.

    요약 이어보기
    #llm-agent#mcp#test-automation+2
  2. AI / ML·LINE EngineeringLINE Engineering·

    보안 업무를 위한 AI 에이전트 플랫폼 「SAGE」 개발기 1편: 판단은 사람에게 남기는 설계

    LY Corporation Security Development Division이 보안 업무용 AI 에이전트 플랫폼 SAGE의 개발 과정을 공개했다. "완전 자동화"와 "도입 미루기" 양 극단 사이에서 "판단은 사람에게 남기는 설계"를 핵심 원칙으로 삼고, 3단계 점진적 도입 전략(AI 보조→에이전트 협업→자동화)을 채택했다. 현재는 1단계를 중심으로 파일럿·실운영 중이다.

    요약 이어보기
    #llm-app#opensearch#mcp+2