AI 를 현실에 뿌리박기: 코드베이스의 벡터 검색이 우리의 SDLC 자동화를 어떻게 변화시켰는지
요약
본 기사는 Azure DevOps(ADO) 사용자 스토리를 입력으로 받아 Gemini AI와 코드베이스 벡터 검색(RAG)을 활용하여 요구사항 문서, 기술 사양, 테스트 계획, 그리고 실행 가능한 작업 목록까지 자동 생성하는 엔드투엔드 SDLC 자동화 워크플로우 구축 과정을 설명합니다. 저자는 상용 도구에 의존하기보다 Power Automate를 오케스트레이터로 사용하여 각 단계의 유연성과 완전한 제어권을 확보하는 맞춤형 '유리 상자' 솔루션을 구현했습니다.
핵심 포인트
- 사용자 스토리 기반 SDLC 자동화: ADO 사용자 스토리를 시작점으로 하여 요구사항 정의부터 실행 가능한 작업 분해까지 전 과정을 자동화합니다.
- RAG를 활용한 컨텍스트 통합: 코드베이스의 벡터 검색(RAG)을 통해 관련 기술 문맥을 AI 생성 과정에 포함시켜 결과물의 정확성과 실용성을 높입니다.
- Power Automate 기반 오케스트레이션: 여러 플랫폼 API 호출을 Power Automate로 연결하여, 상업적 솔루션보다 높은 유연성과 맞춤형 제어권을 확보했습니다.
- 엔드투엔드 자동화 파이프라인: AI(Gemini)가 요구사항 -> 기술 사양 -> 테스트 전략 -> 구조화된 작업으로 단계적으로 정보를 확장하고 ADO에 직접 반영합니다.
AI 를 현실에 뿌리박기: 코드베이스의 벡터 검색이 우리의 SDLC 자동화를 어떻게 변화시켰는지
저자: Antony Brahin
소프트웨어 개발에서 사용자 스토리를 상세한 문서와 실행 가능한 작업으로 전환하는 과정은 성공에 매우 중요합니다. 그러나 이 수동적인 과정은 종종 일관성 부족과 상당한 시간 투자를 유발하는 원인이 됩니다. 저는 이를 간소화하고 향상시킬 수 있는지 확인하고자 했습니다.
사용자 스토리에서 잘 정의된 실행 가능한 작업 집합으로의 여정은 매우 중요합니다. 이는 또한 우리의 워크플로우에서 가장 시간이 많이 소요되고 반복적이며 일관성 없는 부분 중 하나입니다. 그 행정적인 고생은 단순히 지루할 뿐만 아니라, 여기에 일관성 부족이 스며들고 소중한 시간이 손실됩니다. 저는 이를 자동화할 수 있다고 확신했습니다.
이 글에서는 Azure DevOps (ADO) 의 사용자 스토리를 입력으로 받아 Google 의 Gemini 와 고급 AI 프롬프트 체인을 활용하고, 코드베이스의 벡터 검색을 통해 전체 요구사항 문서, 기술 사양, 테스트 계획, 그리고 즉시 실행 가능한 작업 집합을 출력하는 완전한 엔드투엔드 자동화를 구축하는 방법을 안내하겠습니다.
상용 도구가 존재할 때 왜 이것을 구축했는가?
이 분야는 매우 뜨겁다는 것을 알고 있습니다. GitHub 와 Atlassian 과 같은 거대 기업들은 통합 AI 를 개발하고 있으며, 스타트업들은 전문 플랫폼을 제공하고 있습니다. 저의 목표는 그들과 경쟁하는 것이 아니라, 각 작업 부분에 가장 적합한 도구를 사용하여 단일 생태계에 구애받지 않고 맞춤형 "유리 상자" 솔루션을 구축함으로써 무엇을 달성할 수 있는지 확인하는 것이었습니다.
이 접근 방식이 다른 점은 유연성과 완전한 제어입니다. 이는 미리 포장된 제품이 아니라, Power Automate 를 기반으로 구축된 견고한 워크플로우입니다. Power Automate 는 여러 플랫폼으로의 API 호출 일련의 작업을 오케스트레이션 (orchestrator) 역할을 합니다. 이를 통해 프로세스의 각 단계를 우리 자신의 필요에 맞게 세밀하게 조정할 수 있었습니다.
아키텍처: 고수준 개요
전체 솔루션은 ADO 사용자 스토리 업데이트로 트리거되는 Power Automate 클라우드 흐름 (cloud flow) 이며, 일련의 API 호출을 오케스트레이션합니다. 생성에는 Gemini AI 를 사용하고, 코드 컨텍스트에는 Retrieval-Augmented Generation (RAG) 을 사용하며, 실행에는 직접적인 ADO API 호출을 사용합니다.
흐름의 전체 아키텍처는 다음과 같습니다:
- Azure DevOps 의 사용자 스토리가 흐름을 트리거합니다.
- AI 가 간결한 요구사항을 생성합니다.
- 코드베이스에 대한 **벡터 검색 (RAG)**이 관련 기술 컨텍스트를 가져옵니다.
- AI 가 코드 컨텍스트를 포함하여 기술 사양을 생성합니다.
- AI 가 요구사항과 사양을 기반으로 포괄적인 테스트 전략을 생성합니다.
- AI 가 사양과 코드 컨텍스트를 구조화된 작업으로 분해합니다.
- 마지막으로, Power Automate 는 요구사항, 기술 사양, 및 테스트 전략을 ADO Wiki에 저장하고 개별 ADO 작업을 생성합니다.
전장: 특정 과제를 해결하고 솔루션 찾기
이것을 구축하는 것은 직선적인 과정이 아니었습니다. 흥미로운 디버깅 세션과 프롬프트 엔지니어링 개선의 연속이었습니다. 제가 싸운 주요 전투들 중 일부는 다음과 같습니다:
도전 과제
AI 자동 생성 콘텐츠
본 콘텐츠는 HN AI Engineering의 원문을 AI가 자동으로 요약·번역·분석한 것입니다. 원 저작권은 원저작자에게 있으며, 정확한 내용은 반드시 원문을 확인해 주세요.
원문 바로가기