Agent OS를 넘어선 AI 개발 워크플로우 자동화: 설계 의사결정 중심의 회고

게시 2026/06/08

By woolam

조회 24 분읽는 시간

1. 문제 인식: AI 코드 생성, 그 이상의 자동화가 필요하다

최근 AI 코딩 도구들은 개발 생산성을 혁신적으로 끌어올리고 있습니다. Cursor, Codex, Claude Code, Gemini CLI 등 다양한 도구들이 코드 생성, 디버깅, 문서화에 도움을 주며 개발자들의 일상에 깊숙이 파고들었죠. 저 역시 이러한 도구들을 적극적으로 활용하며 개발 속도 향상을 체감하고 있습니다.

하지만 프로젝트를 진행하면서 한 가지 근본적인 한계를 느끼기 시작했습니다. AI에게 단순히 코드 생성만을 맡기는 방식으로는 팀 전체의 생산성을 극대화하기 어렵다는 점이었습니다. 구체적으로 다음과 같은 문제들이 발생했습니다.

프로젝트마다 작업 방식이 달라짐: 팀원마다 AI 도구를 활용하는 방식이 제각각이어서 일관된 작업 흐름을 유지하기 어려웠습니다.
문서 품질 및 PR 품질의 불균형: AI가 생성한 코드나 문서, PR 설명의 품질이 일정하지 않아 추가적인 수작업이 필요했습니다.
작업 프로세스의 비표준화: 누가 어떤 작업을 하고 있는지, 작업의 진행 상황은 어떤지 파악하기 어려웠고, 작업 범위가 겹치거나 누락되는 경우가 발생했습니다.
반복적인 컨텍스트 입력: 새로운 대화를 시작할 때마다 프로젝트의 규칙, 컨벤션, 목표 등을 AI에게 반복해서 설명해야 하는 비효율이 있었습니다.

이러한 문제들은 AI가 개별 개발자의 생산성을 높이는 데는 효과적이지만, 팀 단위의 협업 워크플로우 전체를 자동화하고 표준화하는 데는 부족함이 있다는 것을 깨닫게 했습니다. 저는 코드 생성 자동화를 넘어, 개발 워크플로우 자체를 자동화할 수 있는 시스템이 필요하다고 생각했습니다.

2. Agent OS 분석: 문서 중심 개발의 철학

이러한 고민을 하던 중, 저는 Agent OS의 개념을 접하게 되었습니다. Agent OS는 AI 에이전트가 소프트웨어 개발 프로세스에 통합되는 방식에 대한 흥미로운 철학을 제시합니다. 그 핵심은 다음과 같습니다.

문서 우선 개발 (Documentation-First Development): 코드를 작성하기 전에 상세한 문서를 통해 요구사항과 설계를 명확히 정의합니다. 이는 AI가 작업을 이해하고 수행하는 데 필요한 컨텍스트를 제공하는 기반이 됩니다.
계획 우선 접근 (Plan-First Approach): 무작정 코드를 생성하는 것이 아니라, 명확한 계획과 단계를 수립한 후 AI 에이전트가 이를 따르도록 유도합니다.
AI가 이해하기 쉬운 구조 제공: AI가 작업을 정확히 수행할 수 있도록, 구조화되고 명확한 형식으로 정보를 제공하는 것을 중요하게 생각합니다.
표준화된 작업 흐름: 개발 프로세스를 표준화하여 예측 가능하고 일관된 결과를 도출합니다.

Agent OS는 AI 에이전트가 개발 프로세스에 깊이 관여할 때 발생할 수 있는 비일관성, 컨텍스트 부족 등의 문제를 문서와 계획을 통해 해결하려는 시도였습니다. 특히, SDD(Spec Driven Development)에 대한 기술 블로그 포스팅에서 다루었듯이, 명확한 Spec이 AI의 성능을 극대화한다는 관점과 일맥상통하는 부분이 많았습니다. Agent OS는 AI에게 작업을 위임하기 위한 명확한 지침과 환경을 제공하는 데 중점을 둡니다.

3. Agent OS의 한계: 책임 범위의 차이

Agent OS의 철학은 매우 인상 깊었지만, 실제 제가 필요로 하는 워크플로우 자동화 관점에서는 몇 가지 한계가 있었습니다. 이는 Agent OS의 부족함이라기보다는 책임 범위의 차이로 이해하는 것이 더 정확할 것입니다.

Agent OS는 주로 개발 프로세스 정의와 AI 에이전트에게 작업을 위임하기 위한 컨텍스트 제공에 강점을 가집니다. 하지만 GitHub 기반의 실제 개발 운영 자동화 측면에서는 다음과 같은 기능들을 직접적으로 제공하지 않았습니다.

Commit 생성 책임 없음: AI가 코드를 생성하더라도, Git Commit 메시지를 생성하고 관리하는 책임은 개발자에게 남아있습니다.
PR 생성 책임 없음: 작업이 완료된 후 Pull Request를 생성하고, PR 설명을 작성하는 과정은 자동화되지 않습니다.
코드 리뷰 자동화 없음: 생성된 코드에 대한 자동화된 코드 리뷰 프로세스가 포함되어 있지 않습니다.
이슈 운영 자동화 없음: GitHub Issue의 생성, 할당, 상태 변경 등 이슈 트래킹 워크플로우를 직접적으로 관리하지 않습니다.
GitHub 운영 자동화는 제공하지 않음: 브랜치 전략, 머지 정책 등 GitHub 기반의 협업 운영 전반에 대한 자동화 기능은 Agent OS의 직접적인 범위가 아니었습니다.

결론적으로 Agent OS는 AI에게 “무엇을 어떻게 할지”를 명확히 지시하는 데 탁월한 아이디어를 제공했지만, “그 지시를 받은 AI가 실제 개발 환경에서 어떻게 움직여야 할지”에 대한 구체적인 실행과 자동화까지는 다루지 않았습니다.

4. 내가 원했던 것: 코드 생성 자동화가 아닌 개발 워크플로우 자동화

저는 AI가 단순히 코드를 생성하는 것을 넘어, 개발 워크플로우의 전반적인 과정을 자동화하여 팀의 생산성과 효율성을 극대화하고 싶었습니다. 이는 AI 에이전트의 Harness(하네스)에 대한 기술적 고찰에서 언급했던 에이전트의 실행 환경과 오케스트레이션의 중요성과도 연결됩니다. 즉, AI 에이전트가 개별 작업을 수행하는 것을 넘어, 일련의 작업을 유기적으로 연결하고 관리하는 시스템이 필요했던 것입니다.

제가 원했던 것은 다음과 같은 목표를 달성하는 시스템이었습니다.

작업의 투명성 확보: 누가 어떤 작업을 진행하고 있는지, 현재 진행 상황은 어떤지 한눈에 파악 가능해야 합니다.
일관된 품질 유지: 코드, 문서, PR 등 모든 산출물의 품질이 일정하게 유지되어야 합니다.
반복 작업의 최소화: AI에게 반복적으로 컨텍스트를 제공하거나, 수동으로 GitHub 작업을 처리하는 비효율을 제거해야 합니다.
개발 프로세스의 표준화: 팀 전체가 일관된 방식으로 작업하고 협업할 수 있는 표준화된 프로세스를 구축해야 합니다.

이러한 목표를 달성하기 위해 저는 Agent OS의 아이디어를 기반으로, GitHub 워크플로우와 연동되는 AI 기반 개발 워크플로우 자동화 시스템을 직접 설계하고 구축하기 시작했습니다.

5. 직접 구축한 에이전트 시스템: 워크플로우 체인

제가 설계한 시스템은 여러 AI 에이전트들이 유기적으로 연결되어 개발 워크플로우의 각 단계를 자동화하는 에이전트 체인(Agent Chain) 형태로 구성됩니다. 각 에이전트는 특정 역할과 책임을 가지며, 이전 에이전트의 결과물을 받아 다음 단계의 작업을 수행합니다.

이 워크플로우는 다음과 같은 에이전트들로 구성됩니다.

Issue Agent: 사용자 또는 다른 시스템으로부터 요청을 받아 GitHub Issue를 생성하고, 초기 분석을 통해 필요한 정보를 정리합니다.
Task Agent: 생성된 Issue를 기반으로 작업을 더 작은 단위의 Task로 분해하고, 각 Task에 대한 상세 계획을 수립합니다. 이 과정에서 SDD(Spec Driven Development)의 Spec을 활용하여 명확한 지침을 생성합니다.
Implementation Agent: Task Agent가 정의한 상세 계획에 따라 실제 코드를 생성하거나 수정합니다. 이 에이전트는 코드 컨벤션, 아키텍처 가이드라인 등을 준수하여 고품질의 코드를 생성하는 데 집중합니다.
Commit Agent: Implementation Agent가 생성한 코드를 기반으로 Git Commit 메시지를 자동으로 생성합니다. 이 메시지는 프로젝트의 커밋 컨벤션을 따르며, 변경 사항의 의도와 내용을 명확하게 요약합니다.
PR Agent: 작업이 완료되면 Pull Request를 자동으로 생성하고, PR 템플릿에 맞춰 변경 사항, 리뷰 요청 사항, 관련 이슈 등을 포함한 상세 설명을 작성합니다.
Review Agent: 생성된 PR에 대해 자동화된 코드 리뷰를 수행합니다. 코드 품질, 잠재적 버그, 보안 취약점, 컨벤션 준수 여부 등을 검토하고 피드백을 제공합니다.
Documentation Agent: 코드 변경 사항이나 새로운 기능에 대한 문서를 자동으로 업데이트하거나 생성합니다. API 문서, 사용자 가이드, 기술 명세 등을 포함할 수 있습니다.

이러한 에이전트 체인을 통해 저는 요구사항 정의부터 코드 생성, 버전 관리, 코드 리뷰, 문서화에 이르는 개발 워크플로우 전반을 자동화할 수 있었습니다. 각 에이전트가 독립적으로 작동하면서도 전체 워크플로우의 일관성을 유지하는 것이 핵심입니다.

6. `AGENTS.md` 활용: 반복 프롬프트 문제 해결

Agent OS의 철학에서 영감을 받아, 저는 AGENTS.md라는 파일을 도입하여 반복적인 컨텍스트 입력 문제를 해결했습니다. 이 파일은 프로젝트의 모든 AI 에이전트가 공유하는 Single Source of Truth 역할을 합니다.

AGENTS.md에는 다음과 같은 내용들이 포함됩니다.

프로젝트 규칙: 프로젝트의 전반적인 목표, 기술 스택, 아키텍처 원칙 등
브랜치 전략: Git Flow, GitHub Flow 등 프로젝트가 따르는 브랜치 전략
커밋 컨벤션: Conventional Commits 등 커밋 메시지 작성 규칙
PR 규칙: Pull Request 작성 시 포함되어야 할 내용, 리뷰어 지정 규칙 등
문서 규칙: 문서화 표준, 스타일 가이드 등

각 에이전트는 작업을 시작하기 전에 AGENTS.md 파일을 참조하여 프로젝트의 최신 규칙과 컨벤션을 학습합니다. 이를 통해 저는 매번 AI에게 동일한 정보를 반복해서 입력할 필요 없이, AGENTS.md 파일만 업데이트하면 모든 에이전트의 행동을 일관되게 제어할 수 있게 되었습니다. 이는 AI와의 협업에서 발생하는 컨텍스트 관리의 비효율성을 크게 줄여주었습니다.

7. Agent OS vs 직접 구축 시스템 비교

Agent OS와 제가 구축한 시스템은 AI 기반 개발 프로세스를 개선한다는 공통점을 가지지만, 책임 범위와 목표에서 명확한 차이를 보입니다. 다음 표는 두 시스템의 주요 비교 항목을 보여줍니다.

이 비교를 통해 알 수 있듯이, Agent OS는 AI에게 작업을 위임하기 위한 “지침서” 역할에 가깝다면, 제가 구축한 시스템은 그 지침서를 바탕으로 실제 개발 워크플로우를 “실행하고 관리”하는 자동화된 파이프라인에 가깝습니다. 두 시스템은 경쟁 관계가 아니라, 서로 다른 책임 범위를 가지며 상호 보완적으로 활용될 수 있습니다.

8. 향후 발전 방향: 더 지능적인 워크플로우를 향하여

현재 구축된 시스템은 기본적인 개발 워크플로우 자동화를 성공적으로 수행하고 있지만, 앞으로 더욱 지능적이고 효율적인 시스템으로 발전시킬 계획입니다. 몇 가지 구체적인 발전 방향은 다음과 같습니다.

자동 Label 생성: Issue 내용 분석을 통해 적절한 GitHub Label을 자동으로 부여하여 이슈 분류의 효율성을 높입니다.
GitHub Project 자동 등록: 생성된 Issue나 PR을 GitHub Project의 칸반 보드에 자동으로 등록하고, 진행 상황에 따라 상태를 자동으로 변경합니다.
배포 후 Health Check 및 Slack 알림: 배포가 완료된 후 서비스의 Health Check를 자동으로 수행하고, 이상 발생 시 Slack을 통해 팀에 즉시 알림을 전송합니다.
배포 검증 자동화: 배포된 기능에 대한 간단한 E2E 테스트나 통합 테스트를 자동으로 실행하여 배포의 안정성을 검증합니다.
피드백 루프 강화: Review Agent의 피드백을 Implementation Agent가 학습하여 코드 생성 품질을 지속적으로 개선합니다.

이러한 기능들을 추가함으로써, AI 에이전트가 개발 워크플로우의 더 많은 부분을 자율적으로 처리하고, 개발자는 더욱 고차원적인 문제 해결에 집중할 수 있도록 만들고자 합니다.

9. 결론: Agent OS는 경쟁 대상이 아니라 기반 아이디어였다

이번 경험을 통해 저는 Agent OS가 제시하는 문서 중심, 계획 우선 개발이라는 철학이 AI 시대의 개발 워크플로우를 설계하는 데 있어 매우 중요한 기반 아이디어가 된다는 것을 깨달았습니다. Agent OS는 AI에게 명확한 컨텍스트를 제공하는 방법을 제시했지만, 실제 GitHub 기반의 개발 운영 자동화까지는 다루지 않았습니다.

저는 이 아이디어를 확장하여, AI 에이전트의 Harness(하네스)에 대한 기술적 고찰에서 다루었던 에이전트의 실행 환경과 오케스트레이션 개념을 접목하여 요구사항 정의부터 코드 생성, 버전 관리, 코드 리뷰, 문서화에 이르는 전반적인 개발 워크플로우를 자동화하는 시스템을 구축하게 되었습니다.

AI는 단순히 코드를 생성하는 도구를 넘어, 개발 프로세스 자체를 혁신하는 강력한 협업 파트너가 될 수 있습니다. 이를 위해서는 AI가 효과적으로 작동할 수 있는 명확한 지침, 표준화된 워크플로우, 그리고 유기적으로 연결된 에이전트 시스템의 설계가 필수적입니다. “느리게 가는 것이 빠르게 가는 것”이라는 말처럼, 무작정 코드 생성에만 의존하기보다 명세 설계와 워크플로우 자동화에 대한 깊은 고민이 AI 시대 개발 생산성 향상의 핵심임을 다시 한번 강조하고 싶습니다.

References

AI, Agent, Workflow, DevOps