Meta, 대규모 코드베이스 위한 AI 에이전트 'Muse Code' 출시

Meta가 대규모 코드베이스를 위한 새로운 AI 에이전트 ‘Muse Code’를 출시했다. 이는 복잡한 소프트웨어 개발 작업을 처리하는 데 특화된 도구로, AI 기반 코딩 지원의 다음 단계를 보여주는 듯하다. 한편 GitHub는 AI 에이전트가 생성한 거대한 풀 리퀘스트(PR)를 효과적으로 관리하는 방법을 제시하며, AI 코드 생성 시대의 실용적인 개발 워크플로우를 고민하고 있다.

Meta의 Muse Code: 복잡한 코드베이스를 위한 AI 에이전트

테크크런치에 따르면, Meta는 ‘Muse Code’를 통해 AI 코딩 역량을 확장한다. 이 에이전트는 특히 방대한 코드베이스를 다룰 때 발생하는 복잡한 문제들을 해결하는 데 초점을 맞추고 있다. 단순히 코드 스니펫을 생성하는 것을 넘어, 전체 시스템을 이해하고 더 큰 규모의 코드 변경 사항을 제안하거나 구현할 수 있는 능력을 목표로 한다. 이는 개발자들이 반복적이고 시간이 많이 소요되는 작업에서 벗어나 더 창의적인 문제 해결에 집중할 수 있도록 돕는 역할을 할 것으로 기대된다.

Muse Code의 등장은 AI가 이제 단일 파일이나 함수 수준을 넘어, 프로젝트 전체의 아키텍처와 상호작용을 고려하는 단계로 진화하고 있음을 시사한다. 이는 특히 Meta처럼 수백만 라인의 코드를 가진 대규모 기업에서 개발 생산성을 혁신할 잠재력을 가지고 있다.

AI 생성 PR, 이제 ‘스택’으로 관리하자

AI가 코드를 생성하는 능력이 향상되면서 새로운 문제가 생겼다. 바로 AI가 만들어낸 방대한 양의 코드를 어떻게 효율적으로 리뷰할 것인가 하는 점이다. GitHub 블로그는 이 문제에 대한 해답으로 ‘스택형 풀 리퀘스트(stacked pull requests)’ 개념을 제안한다.

AI 에이전트가 한 번에 거대한 PR을 생성하면, 이를 리뷰하는 것은 개발자에게 엄청난 부담이 된다. GitHub는 에이전트에게 작업을 여러 개의 작고 순서가 있는 PR 스택으로 분해하도록 가르쳐야 한다고 말한다. 이렇게 하면 각 PR은 특정 기능이나 버그 수정에만 집중하게 되어, 리뷰어가 더 쉽게 이해하고 검토할 수 있다. 예를 들어, 새로운 기능을 추가하는 PR이 있다면, 그 기능을 위한 데이터베이스 스키마 변경, 백엔드 로직 구현, 프론트엔드 UI 업데이트를 각각 별도의 PR로 만들되, 서로 의존성을 가지도록 스택으로 구성하는 식이다.

이러한 접근 방식은 AI 코드 생성의 장점을 극대화하면서도, 기존 개발 워크플로우에 미치는 충격을 최소화하고 코드 품질을 유지하는 데 도움이 될 것이다. AI가 더 많은 코드를 생산할수록, 인간 개발자와 AI 에이전트 간의 협업 방식은 계속해서 진화할 수밖에 없다.