에이전트와 샌드박스를 활용한 Turborepo 성능 개선 방법

Turborepo는 AI 에이전트, Vercel 샌드박스, 그리고 전통적인 엔지니어링 관행을 혼합하여 성능을 대폭 개선했습니다. 이 과정을 통해 Turborepo의 작업 그래프(task graph) 계산 속도는 최대 96%까지 빨라졌으며, 이는 거대한 규모의 모노레포에서도 즉각적으로 작동할 수 있게 했습니다.

성능 향상의 초기 단계에서 저자는 여러 AI 에이전트를 활용해 코드베이스 분석을 시도했습니다. 하지만 단순히 에이전트에게 맡기는 것만으로는 지속 가능한 개선을 이룰 수 없다는 한계를 발견했습니다. 강력한 테스트와 검증 루프가 필요했기 때문입니다.

결정적인 전환점은 프로파일링(Profiling) 데이터를 다루는 방식의 변화였습니다. 기존의 트레이스 데이터 형식은 에이전트가 파싱하기 매우 어렵고 노이즈가 많았습니다. 이에 저자는 프로파일링 결과를 Markdown과 같은 구조화되고 읽기 쉬운 포맷으로 변환하는 새로운 크레이트(crate)를 개발했습니다.

이렇게 개선된 포맷을 사용하자, AI 에이전트는 훨씬 정확하고 높은 품질의 최적화 제안을 할 수 있었습니다. 이 루프는 병렬 처리, 중복 제거, 시스템 호출 감소 등 고전적인 소프트웨어 엔지니어링 기법(예: package.json 수정)을 적용하는 20개 이상의 성능 개선 PR을 네 날 만에 만들어냈습니다.

결론적으로, AI 에이전트의 잠재력을 극대화하기 위해서는 단순히 기술을 도입하는 것을 넘어, 데이터와 인터페이스를 사람이 읽기 쉽고 기계가 처리하기 쉬운 형태로 '정제'하고, 이를 반복적인 엔지니어링 루프에 통합하는 것이 가장 중요합니다.