pile·
AI / ML·NOL TechNOL Tech·

Q-pid: Jira 연동 AI QA 리소스 조회 에이전트 구축기

문제QA 팀의 리소스 배정 현황을 PM·개발팀이 실시간으로 확인하려면 Jira·캘린더·스프레드시트를 매번 직접 조회해야 했다.
접근Python Flask + OpenAI API(GPT-4 mini) 2단계 LLM 파이프라인을 구축했다. 1단계에서 인텐트를 JSON으로 분류하고 2단계에서 Jira API 실시간 데이터를 RAG 방식으로 주입해 할루시네이션 없이 자원 현황을 분석한다. 역할 명시·JSON 출력 강제·비즈니스 로직 자연어 주입 등 프롬프트 엔지니어링이 핵심이었다.
결과24시간 리소스 조회가 가능해져 의사결정 속도가 향상됐고, 복잡한 아키텍처 없이 LLM 파이프라인 + Jira API 연동만으로 구현했다.
NOL Tech
NOL Tech 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