line

문제AI 에이전트로 Git 릴리스 자동화를 만들 때 MCP 서버와 에이전트 스킬 중 무엇이 더 적합한가.

접근같은 Git 릴리스 워크플로를 MCP(skill-creator)와 스킬(git-release-mcp) 두 방식으로 각각 구현해 비교했다. 권한, 토큰 비용, 외부 시스템 연동 측면을 모두 점검.

결과스킬은 절차 지식을 내재화해 권한 남용과 토큰 낭비를 줄이고, MCP는 외부 시스템 연결 유연성에 강하다. 결론은 MCP는 인프라 통합용, 스킬은 워크플로 자동화용으로 역할 분리하는 것이 이상적.

문제QA(품질보증) 업무에 AI를 도입할 때 단순 도구로 쓰면 효과가 제한적이다. 운영 체계 자체를 어떻게 바꿔야 하는가.

접근LINE Album QA가 AI를 "품질 운영 체계 자체"에 통합. 30개 이상의 스케줄링/웹훅 기반 자동화 워크플로를 운영하고, 테스트 케이스 90%를 AI 초안으로 생성하되 휴먼 인 더 루프 구조로 인간 검증을 필수화.

결과QA가 반복 작업에서 해방돼 제품 맥락 이해와 리스크 판단 같은 고부가가치 업무에 집중. AI 단독 사용보다 인간 협업이 더 우수하다는 점을 블라인드 실험으로 검증했다.

문제대량의 개발 문서 검색에 시간이 많이 들고, 사내 전문가 상담도 비효율적이다.

접근Swift Evolution 문서를 ChromaDB 벡터 DB로 구축한 뒤, 에이전트 스킬로 MCP 도구 사용을 간소화. 자연어 검색으로 코딩 에이전트가 자동 문서 참조.

결과코드 생성/리뷰 프로세스가 개선됐고, 1,000명 이상이 참여한 전사 워크숍으로 실무 적용을 확산.

문제AI 에이전트가 조직 내 다양한 서비스를 연동할 때 복잡한 인증·인가 관리와 토큰 증식으로 운영 비용·보안 위험 증가.

접근OAuth 2.0 Token Exchange(RFC 8693)와 JWT Profile(RFC 7523)을 결합. 기업 IdP가 발행한 JWT(ID-JAG)를 "소개장"으로 활용해 정책 평가·범위 제어를 IdP에 일원화.

결과사용자 동의 팝업 감소로 UX 개선, 감사 로그 집중화로 컴플라이언스 추적 용이, token sprawl 완화. 단 IETF 초안 단계라 강결합은 위험.

문제SLI/SLO 이론은 알지만 실제 서비스에 어떻게 적용하고 운영할지가 어려운 부분.

접근LINE의 SLI/SLO 시리즈 3편. 실제 서비스에서 SLI(latency / availability) 정의, SLO 목표 설정, 에러 버짓 운영, alerting 룰 설계, on-call 변화까지 운영 변천사 정리.

결과SLO 기반으로 인시던트 대응과 일상 운영 우선순위가 바뀜. 단순 "불이 났을 때만 보는" alert 가 아닌 "버짓 소진" 시그널로 운영 리듬을 만듦.

문제MCP 서버는 강력하지만, 사내 데이터/API 에 무방비로 연결하면 보안/감사 문제가 발생한다.

접근LINE ODW 3편. MCP 서버에 권한 격리, secret 관리, 사용자 동의 모델, audit 로그를 설계해 사내 인프라에 안전 도입.

결과"누가 어떤 MCP 를 호출했는지" 추적 가능. 도구 사용을 보안 룰에 묶어 안전 + 개발 효율 양립.

문제단일 LLM 에이전트로는 사내 시스템 통합 같은 복잡한 워크플로를 다루기 어렵다.

접근Google ADK(Agent Development Kit) 로 싱글/멀티 에이전트를 개발해 사내 데이터/API 와 통합. 에이전트 간 역할 분담과 협업 패턴 설계.

결과단일 에이전트가 못 푸는 멀티스텝 문제를 협업 구조로 해결. 사내 도구 연결 가능 영역이 넓어졌다.

문제PR 리뷰가 적체되면 개발 속도가 느려진다. 큰 조직일수록 리뷰어 병목 심함.

접근LINE ODW 1편. AI 가 PR 을 1차 리뷰하고 사람 리뷰어에게 핵심 이슈만 전달. 동시에 사내 워크숍으로 "리뷰 문화" 자체를 바꿈.

결과AI 도구 도입이 단순 기능이 아니라 조직 변화로 이어진 사례. PR 처리 속도 + 리뷰 품질 동시 개선.

문제AI 코딩 도구를 사내에 도입할 때 개인이 학습하는 방식만으로는 회사 전체에 효과가 퍼지지 않는다.

접근LINE 이 "Orchestration Development Workshop" (ODW) 시리즈로 사내 워크숍 + 6 편의 기사를 묶어 발행. 1000명 이상이 함께 학습하는 사내 프로그램으로 확산.

결과전사 AI 활용 "저점" 이 높아져 개인 차이가 줄었다. 사내 도구 / 보안 / 워크플로 정착에 기여.

문제AI 도구는 개인 학습만으로 회사 전체에 안 퍼진다. 조직 차원의 학습 구조가 필요하다.

접근LINE 의 "Orchestration Development Workshop" 시작 배경 회고. 1000명 이상이 동시에 같은 도구/패턴을 학습하는 사내 프로그램 설계 + 운영.

결과개인 별 AI 활용 격차가 줄고, 조직 평균 수준이 빠르게 올라가는 사례.

문제Hive 기반 데이터 레이크에서 데이터 반영 속도가 느려 down-stream 분석/머신러닝 파이프라인이 지연된다.

접근Apache Iceberg 로 마이그레이션. 파티션 evolution, schema evolution, time travel 같은 Iceberg 기능을 활용한 lakehouse 패턴 적용.

결과데이터 반영 속도 12배 개선. 운영 복잡도는 낮추면서 분석 latency 도 줄임.

문제메신저 / 게임 / 커머스 등 각자 채팅 기능을 따로 만들면 중복 개발 비용이 크다.

접근채팅 코어(메시지, 채널, 사용자, 푸시) 를 도메인 비의존적으로 추상화. LINE Works, 게임, 커머스 등 다양한 사용처에서 재사용 가능한 플랫폼으로 설계.

결과한 플랫폼이 여러 비즈니스 도메인의 채팅을 떠받침. 새 서비스 출시 시 채팅 구현 비용이 거의 0 에 가까움.

문제광고 플랫폼의 대규모 데이터 처리를 YARN 클러스터로 운영하면 자원 활용도와 격리에서 한계가 온다.

접근Spark on Kubernetes 로 마이그레이션. 동적 자원 할당, 네임스페이스 기반 격리, 자동 스케일링까지 K8s 패턴 적용.

결과자원 효율 향상 + 워크로드 격리 강화. YARN → K8s 전환 시 마주친 함정과 해결 패턴 정리.

문제대규모 이미지 콘텐츠를 안전 정책에 맞게 검수해야 한다. 기존 이미지 분류기는 뉘앙스/맥락 처리에 약하다.

접근LINE 이 멀티모달 LLM 으로 이미지 모더레이션을 시도. 정책을 자연어로 prompt 에 주입하고, 비용/latency 트레이드오프를 측정.

결과기존 분류기보다 정확도 향상 + 정책 변경 시 retrain 없이 prompt 만 수정 가능. 단점은 비용/latency 가 큰 만큼 hybrid 처리 필요.

문제AI 코딩 도구가 만든 코드 자체의 안전성 검증이 어렵다. 보안 취약점이 우연히 들어갈 수 있다.

접근LINE 보안팀이 코딩 에이전트를 활용해 취약점 수집/생성을 자동화. 그 데이터로 가드레일 모델 학습 → AI 생성 코드를 메타-AI 가 평가.

결과AI 도구의 출력 안전성을 측정/개선 가능한 framework 구축. "AI 안전" 이라는 추상 개념이 실질 운영 도구로 전환.

문제SRE 팀의 반복 작업(런북 실행, 상태 조회, 인시던트 응답) 이 시간의 대부분을 차지한다.

접근ChatOps + LLM 기반 슬랙 봇으로 자동화. 자연어 명령으로 runbook 실행, 상태 조회, 알람 처리까지 묶음.

결과SRE 반복 작업 시간을 10분의 1로 줄임. 인시던트 응답 속도도 빨라지고 on-call 부담 감소.

문제큰 시스템 마이그레이션에서 기획서/spec 없이도 "새 구현이 기존과 같다" 는 것을 어떻게 보장하나.

접근LINE 이 shadow validation / dual run 패턴 적용. 새 시스템과 기존을 병렬로 실행해 출력값을 자동 비교, 차이가 임계 이하면 동일성 인정.

결과기획서 없이도 동작 동일성을 정량적으로 증명. 마이그레이션 안전성 + 속도 양립.

문제SLI/SLO 도입 시 여러 도구를 조합해 운영하면 일관성과 가시성이 떨어진다.

접근LINE SLI/SLO 1편. SRE 프레임워크 정의 + 사내 "LINE Status" 도구 개발. SLI 측정, SLO 정의, 에러 버짓 시각화를 한 도구에 통합.

결과모든 서비스가 한 도구로 SLO 상태를 노출 → 조직 차원에서 신뢰성 가시화. 같은 언어로 토론 가능.

문제대규모 iOS 설정 화면을 모든 종류의 UI 요소(텍스트 / 스위치 / 링크 / i18n) 와 함께 다루기 어렵다.

접근Swift AttributedString 구조로 설정 항목 모델을 통합. 텍스트와 인터랙티브 요소를 한 모델로 표현해 일관된 렌더링/다국어 처리 가능하게.

결과설정 화면이 단일 데이터 모델로 통합돼 유지보수가 쉬워졌다. 새 설정 추가 시 코드 변경 최소화.