혼돈에서 컨텍스트로: AI 개발 워크플로우 구축

AI 어시스턴트를 개발에 활용할 때 가장 큰 병목은 AI의 처리 능력이 아니라 컨텍스트 품질이라는 논지로, GitLab의 Gregory Havenga가 세션 간 기억·우선순위·병렬 작업 조율을 자동화한 agentic 개발 워크플로우를 구축한 경험을 다룬다. 일회성 명령어 주고받기에서 지속적 메모리와 병렬 세션 조율을 갖춘 시스템으로 진화한 과정을 구체적으로 설명한다.

핵심 포인트

AI 개발 워크플로우의 핵심 병목은 AI 성능이 아니라 컨텍스트 품질이다. 적절한 정보와 지시문을 제공하는 것이 처리 능력 향상보다 효과가 크다.
세션 시작 시 AI가 활성 세션, 미해결 blocker, 상시 지시사항, 최근 결정을 자동으로 로드하도록 구성해 수동 컨텍스트 재구축을 제거했다.
"ALWAYS verify user IDs before posting comments"처럼 대문자와 구체적 행동으로 명시한 surgical directive가 막연한 지시보다 훨씬 효과적이다.
git worktree와 독립 DB를 이용해 병렬 AI 세션이 서로 충돌하지 않는 조율 시스템을 구축했다.
760,000개의 코드 엔티티, 15,000개 이상의 기억, 27,000개 링크를 인덱싱한 지속적 시맨틱 메모리 시스템을 직접 구축했다.

상세 정리

문제 인식: 매 AI 세션마다 선호·정정 내용을 반복해서 알려줘야 하고, 병렬 세션들이 서로의 작업을 방해하는 상황이 반복됐다.
자동 우선순위 관리: 세션 시작 시 AI가 미해결 이슈, 상시 지시사항, 최근 결정을 자동으로 로드하는 시스템을 만들어 컨텍스트 재구축 없이 바로 작업에 들어갈 수 있게 했다.
Surgical directive: 막연한 일반 지시 대신, 구체적이고 예외 없는 명령어 형태로 AI에게 행동 규칙을 제공했다. "STOP and ask if unsure"처럼 불확실할 때의 행동도 명시했다.
병렬 세션 조율: git worktree로 각 세션이 독립적인 코드 브랜치와 DB를 갖게 하고, claiming 시스템으로 같은 파일을 동시에 수정하는 충돌을 방지했다.
지속적 메모리: 대화 요약, 코드 엔티티, 결정 이력을 시맨틱으로 인덱싱해 새 세션이 이전 컨텍스트에 즉시 접근할 수 있도록 했다. 760,000개 코드 엔티티, 15,000개 이상 메모리, 27,000개 링크 규모다.
인프라 투자의 가치: AI 에이전트를 지원하는 인프라(컨텍스트 관리, 조율 메커니즘)가 에이전트 자체만큼 중요하다는 결론을 도출했다.

왜 읽나AI 어시스턴트를 실무 개발 워크플로우에 통합하려는 개발자에게, 세션 연속성과 병렬 작업 조율을 실제로 구현한 agentic 시스템 설계의 실전 사례.

GitLab Blog 블로그

원문은 여기서 이어서 읽을 수 있어요

원문 읽기

읽음 (0)

·takedown 요청

혼돈에서 컨텍스트로: AI 개발 워크플로우 구축

이 글과 비슷한

에이전틱 SDLC를 QA 엔지니어링 마인드셋으로 구축하기

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

실리콘투의 사내 지식 MCP 게이트웨이 구축기