레거시 시스템 (Legacy systems)은 코드, 데이터, 설정 및 유지보수 관행 속에 암묵적으로 남아 있는 경우가 많은 비즈니스 규칙, 아키텍처 결정 및 운영 예외 사항을 집중적으로 포함하고 있습니다. 동시에, 언어 모델 (Language-model) 기반의 코딩 에이전트 (Coding agents)가 실제 시스템을 낮은 리스크로 수정하기 위해서는 신뢰할 수 있는 컨텍스트 (Context), 정확성 기준 및 행동 계약 (Behavioral contracts)에 의존합니다. 본 논문은 레거시 소프트웨어를 AI 에이전트를 위한 추적 가능한 운영 사양 (Operational specifications)으로 변환하는 역방향 문서화 엔지니어링 (Reverse documentation engineering) 프레임워크인 Reversa를 제시합니다. Reversa는 이 과정을 멀티 에이전트 파이프라인 (Multi-agent pipeline)으로 구성합니다. 즉, 특화된 에이전트들이 프로젝트 표면을 매핑하고, 모듈을 분석하며, 암묵적인 규칙을 추출하고, 아키텍처를 합성하며, 유닛 수준의 사양을 작성하고, 생성된 클레임 (Claims)을 검토합니다. 본 제안은 세 가지 메커니즘, 즉 코드와 사양 간의 추적성 (Traceability), 명시적인 신뢰도 표시 (Confidence marking), 그리고 인간의 검증을 위한 격차 (Gaps) 보존을 강조합니다. 이 프레임워크는 Node.js CLI로 배포되며, 여러 에이전트 엔진 (Agent engines)에 걸쳐 스킬을 설치하고, 업데이트 또는 삭제 작업 중에 수정된 파일을 보존하기 위해 SHA-256 매니페스트 (Manifest)를 사용합니다. 아키텍처 설명 외에도, 우리는 COBOL에서 Go로 ATM을 마이그레이션하는 탐색적 사례 연구를 보고합니다. 이 과정에서 파이프라인은 내부 신뢰도 지수 (Confidence index)에 따라 분류된 517개의 클레임, 10개의 등록된 격차 (Gaps), 53개의 Gherkin 패리티 시나리오 (Parity scenarios), 그리고 인벤토리 시점에 11개 작업 중 9개가 완료된 재구성 계획을 생성했습니다. 최종 패리티 검증 (Parity validation) 및 전환 (Cutover)은 본 연구에서 완료되지 않았습니다. 우리는 광범위한 경험적 우월성을 주장하지 않습니다. 대신 역공학 (Reverse engineering), LLM 기반 문서화 (LLM-based documentation) 및 소프트웨어 에이전트 (Software agents)에 관한 문헌과 관련하여 본 기여를 위치시키며, 커버리지 (Coverage), 추적성 (Traceability), 신뢰도 (Confidence), 유용성 (Utility) 및 비용 (Cost)에 대한 지표를 포함하는 평가 프로토콜을 제안합니다.