이 요약은 AI가 원문을 분석해 생성했습니다. 정확한 내용은 원문 기준으로 확인하세요.
TL;DR
Uber는 에이전트 기반의 소프트웨어 팩토리를 통해 개발 생산성을 2배로 높이고, 모델 게이트웨이와 컨텍스트 그래프 등 6가지 핵심 인프라를 구축했다. 에이전트가 전체 PR의 70%를 작성하며, 모델 게이트웨이는 100ms 이내의 가드레일로 보안을 보장한다. MCP 게이트웨이와 컨텍스트 그래프는 토큰 소비를 줄이고 에이전트의 추론 효율을 극대화한다. Cortana와 Minion 에이전트를 활용한 end-to-end 개발 워크플로우는 inner-loop 검증을 통해 CI 부하를 줄이며, 이제 엔지니어링의 병목은 구현 방식이 아닌 비즈니스 가치 판단으로 이동했다.
챕터별 상세
에이전트 도입 성과
Uber는 에이전트 기반 AI를 도입하여 전체 PR의 70% 이상을 로컬 또는 클라우드 에이전트가 작성하도록 전환했다. 엔지니어 1인당 코드 작성량은 전년 대비 2배 증가했다. 이 성과를 뒷받침하는 6가지 핵심 인프라가 운영된다. 에이전트 도입은 단순 코딩을 넘어 엔지니어링 라이프사이클 전반에 걸쳐 효율성을 극대화했다.
모델 게이트웨이
모델 게이트웨이는 모든 모델 호출을 단일 지점으로 통합하여 Spire 기반 인증, 20개 이상의 PII 유형 익명화, 5개의 특화된 안전 모델 검사를 수행한다. 전체 가드레일 처리는 100ms 이내로 제한된다. 하루 1억 건의 요청을 800개 프로젝트에 걸쳐 처리하며, 호출자·팀·프로젝트별로 비용을 추적한다. 이는 보안과 비용 효율성을 동시에 확보하는 핵심 인프라이다.
MCP 게이트웨이
MCP 게이트웨이는 내부 API를 MCP 서버로 크롤링한 뒤 CLI로 투영하여 LLM의 컨텍스트 윈도우 점유를 방지한다. 이를 통해 불필요한 토큰 소비를 줄여 전체 토큰 사용량을 40% 이상 절감했다. 에이전트가 방대한 API 명세에 매몰되지 않고 필요한 정보만 효율적으로 참조한다.
DevPods 인프라
DevPods는 에이전트가 즉시 작업을 시작할 수 있도록 사전 프로비저닝된 쿠버네티스 기반 클라우드 개발 환경이다. 에이전트가 새로운 환경을 요구하면 스냅샷된 저장소와 구축된 검색 인덱스를 포함한 환경이 초 단위로 제공된다. 전 세계 12개 기술 허브에서 에이전트가 일관된 성능으로 작업한다.
스킬 마켓플레이스
스킬 마켓플레이스는 2,500개의 에이전트 스킬을 관리하며, 린트 검사와 자동화된 리뷰를 통해 스킬 품질을 보장한다. 하루 2만 건의 스킬 실행이 이루어지며, 중복된 스킬 개발을 방지하고 표준화된 품질을 유지한다. 엔지니어는 검증된 스킬을 재사용하여 에이전트의 기능을 빠르게 확장한다.
컨텍스트 그래프
컨텍스트 그래프는 150개의 노드·엣지 유형과 4,000만 개의 엔트리를 통합하여 Uber의 서비스 간 의존성, 소유권, 변경 이력을 관리한다. 에이전트가 분산된 20~30개의 시스템을 일일이 탐색하던 기존 방식을 대체하여 기본 컨텍스트 파악 시간을 획기적으로 단축했다. 이는 에이전트의 추론 정확도와 응답 속도를 개선하는 핵심 지식 베이스이다.
Cortana 어시스턴트
Cortana는 Slack, CLI, 웹 인터페이스를 통해 사내 에이전트 기능을 통합 제공하는 AI 어시스턴트이다. 컨텍스트 그래프를 조회하고 스킬을 호출하여 엔지니어의 질문에 답변하거나 작업을 수행한다. 지난 한 달간 300개 이상의 개인화된 페르소나가 생성되었으며, 일일 2만 건 이상의 세션을 처리하며 팀 간 협업을 지원한다.
기능 구현 워크플로우
월드컵 기간 중 경기장 주변의 픽업 위치를 최적화하는 기능 구현 과정에서 에이전트 워크플로우가 적용되었다. Slack에서 아이디어를 제안하고 Cortana를 호출하여 비즈니스 타당성을 검토한 뒤, Figma 디자인을 기반으로 초기 목업을 생성한다. 이 과정은 수주가 걸리던 작업을 단시간에 압축하여 프로토타입 단계까지 빠르게 도달하게 한다.
Minion 에이전트
Minion은 Uber의 클라우드 코딩 에이전트로, 백엔드와 프론트엔드 변경을 포함한 전체 기능을 구현한다. CI 빌드 큐에 도달하기 전 내부 루프에서 시뮬레이터 스크린샷과 Figma 스펙을 비교하는 검증을 수행한다. 의도적으로 CI 푸시를 지연시켜 검증을 먼저 완료함으로써 불필요한 빌드 부하를 방지한다.
유지보수 루프
유지보수 스킬은 코드베이스를 스스로 관리하는 루프로, 정기적으로 실행되어 불필요한 코드 제거 및 버그 수정을 자동화한다. 실행 결과로 생성된 PR의 코멘트를 통해 스킬의 성능을 개선하는 학습 데이터를 확보한다. 인시던트 리뷰에서 도출된 교훈은 새로운 유지보수 스킬로 전환되어 지속적인 시스템 개선에 활용된다.
엔지니어링 병목의 변화
인프라 고도화에 따라 엔지니어링의 병목은 기술적 구현 가능 여부에서 무엇을 구축해야 하는지에 대한 의사결정으로 이동했다. 에이전트가 코딩을 전담하면서 인프라 부하가 증가하여 CI 용량 관리와 실험 횟수 제한 등 전략적 투자가 필요하다. 기술적 구현을 넘어 비즈니스 가치 판단이 엔지니어의 핵심 역량으로 자리 잡았다.
용어 해설
- 개인식별정보(PII)
- — 개인식별정보(Personally Identifiable Information). 이름, 주소, 전화번호 등 개인을 식별할 수 있는 정보. 모델 게이트웨이에서 에이전트가 외부로 데이터를 전송하기 전 익명화하여 보안을 유지하는 데 필수적이다.
- Model Context Protocol(MCP)
- — LLM이 외부 데이터나 도구와 통신하기 위한 표준 프로토콜. Uber는 이를 통해 내부 API를 에이전트가 이해할 수 있는 형태로 변환하여 토큰 소비를 줄이고 효율적인 컨텍스트 전달을 구현했다.
- 에이전트 AI(Agentic AI)
- — LLM이 스스로 계획을 세우고 도구를 사용하여 작업을 수행하는 AI 시스템. Uber의 소프트웨어 팩토리에서는 코드 작성, 테스트, 유지보수 등 SDLC 전 과정을 에이전트가 자율적으로 처리한다.
- 소프트웨어 개발 생명주기(SDLC)
- — 소프트웨어의 기획부터 유지보수까지의 전체 과정. Uber는 이 과정을 에이전트가 수행하도록 자동화하여 개발 생산성을 높이고 엔지니어링 병목을 줄였다.
언급된 리소스
AI 분석 전체 내용 보기
AI 요약 · 북마크 · 개인 피드 설정 — 무료
출처 · 인용 안내
원문 발행 2026. 08. 21.수집 2026. 08. 21.출처 타입 YOUTUBE
인용 시 "요약 출처: AI Trends (aitrends.kr)"를 표기하고, 사실 확인은 원문 보기 기준으로 진행해 주세요. 자세한 기준은 운영 정책을 참고해 주세요.
