소개
AI 지원 개발은 진화하고 있습니다. 이제 코드를 제안하는 도구 대신 SDLC(소프트웨어 개발 수명 주기) 내에서 실제로 조치를 취할 수 있는 시스템이 있습니다. GitHub Copilot 클라우드 에이전트와 같은 환경을 통해 이를 이미 볼 수 있습니다. 리포지토리를 탐색하고, 계획을 제안하고, 브랜치를 수정하고, 리뷰를 위한 풀 리퀘스트를 생성할 수 있습니다. 이러한 시스템이 더 많은 기능을 하게 되면 개발자로서의 역할이 변경되기 시작합니다. 더 이상 코드를 작성하는 것이 아닙니다. 또한 워크플로 내에서 시간이 지남에 따라 계획, 작업 및 개선할 수 있는 시스템을 안내하고, 감독하고, 유효성을 검사합니다.
에이전트 워크플로는 계획 → 실행 → 평가의 순환 루프를 따르며, 각 주기는 결과가 필요한 표준을 충족할 때까지 시스템 피드백을 사용하여 다음 단계를 구체화합니다. 이 모듈은 이러한 변화를 이해하는 데 필요한 기반을 제공합니다. 시스템을 "에이전트"로 만드는 이유, 에이전트가 기존 도우미와 어떻게 다른지, GitHub 내부에서 작동하는 방식을 알아봅니다. 또한 끌어오기 요청, 검토, 상태 검사, CODEOWNERS, 규칙 집합 및 환경과 같은 친숙한 도구를 사용하여 에이전트 활동을 안전하고 제어하기 위해 GitHub 레코드 시스템과 컨트롤 플레인의 역할을 모두 수행하는 방법을 확인할 수 있습니다.
이 모듈에서는 다음을 다룹니다.
- SDLC에서 에이전트 AI를 정의하고 에이전트와 도우미를 구분합니다.
- 계획 → 작업 → 평가 라이프사이클을 에이전트 워크플로에 설명하고 적용합니다.
- GitHub 에이전트 활동에 대한 레코드 및 컨트롤 플레인 시스템으로 작동하는 방법을 설명합니다.
- 에이전트 시스템의 책임, 위험, 안티패턴 및 추적 가능성 요구 사항 식별
- 기여자 모델을 적용하여 에이전트 생성 작업 평가
에이전트 AI 시스템 개발에 대한 자세한 내용을 알아보기 위한 다른 모듈은 다음과 같습니다.