에이전트 스웜과 지식 그래프를 활용한 자율 소프트웨어 개발: Blitzy의 접근 방식

섹션별 상세

01:30

Siddhant Pardeshi의 배경과 Blitzy의 창업

Siddhant Pardeshi는 2016년부터 2022년까지 NVIDIA에서 근무하며 GAN, VAE, BERT 등 생성형 AI의 초기 발전을 직접 경험했다. 당시 NVIDIA의 시가총액은 320억 달러 수준이었으며 스타트업처럼 기민하게 움직이는 조직 문화를 가졌다고 회상했다. 이후 하버드 경영대학원(HBS)에서 공동 창업자 Brian을 만나 AI가 인간 수준의 코딩 능력을 갖추게 될 것이라는 확신을 바탕으로 Blitzy를 설립했다.

04:13

소프트웨어 개발: AI 적용의 최적지

소프트웨어는 컴파일 가능성, 테스트 가능성, 시각화 가능성이라는 특성 덕분에 다른 도메인보다 AI가 정답을 확인하기 쉽다. 현재 시장은 코파일럿(Copilot) 같은 보조형 개발과 Blitzy나 Devin 같은 자율형 개발로 나뉜다. 자율형 개발은 사용자가 빌드 버튼을 누르면 이미 테스트와 검증이 완료된 풀 리퀘스트(PR)가 생성되는 것을 목표로 한다.

06:41

엔터프라이즈 환경의 복잡성과 에이전트의 한계

단순한 게임 제작 같은 그린필드(Greenfield) 개발과 달리 엔터프라이즈 코드베이스는 수많은 의존성과 제약 조건이 얽혀 있다. AI 에이전트는 대규모 정보를 처리할 때 컨텍스트 윈도우의 한계로 인해 품질이 저하되거나 중요한 정보를 누락하는 문제를 겪는다. 특히 100만 토큰 이상의 컨텍스트를 압축하는 과정에서 정보 손실이 발생하며 이는 에이전트가 무한 루프에 빠지는 원인이 된다.

12:46

에이전트 스웜과 지식 그래프 아키텍처

Blitzy는 단일 오케스트레이터 대신 수만 개의 에이전트로 구성된 스웜(Swarm) 아키텍처를 채택했다. 데이터베이스를 오케스트레이션 레이어로 활용하여 각 에이전트의 상태를 관리하고 지식 그래프를 통해 코드베이스의 구조적 관계를 파악한다. 이를 통해 에이전트가 필요한 시점에 정확한 양의 컨텍스트를 참조할 수 있도록 설계하여 사실상 무한한 컨텍스트를 다루는 효과를 낸다.

14:29

컨텍스트 엔지니어링과 에이전트 엔지니어링

성공적인 자율 개발을 위해서는 모델별 특성에 맞춘 프롬프트 최적화가 필수적이다. 예를 들어 Anthropic의 Claude는 XML 토큰을 인식하지만 OpenAI 모델은 그렇지 않으며 때로는 Claude에게 강한 어조로 지시해야 성능이 나오기도 한다. Blitzy는 특정 작업에 가장 적합한 에이전트를 선발하고 최적의 컨텍스트를 주입하는 에이전트 엔지니어링 기법을 적용하여 대규모 자바 업그레이드나 레거시 전환 작업을 수행한다.

주목할 인용

“Software is verifiable. It's compilable, it's testable, you can visualize it, and there is the concept of a correct answer.”
소프트웨어는 검증 가능합니다. 컴파일과 테스트가 가능하고 시각화할 수 있으며 정답이라는 개념이 존재합니다.
Siddhant Pardeshi·04:33
왜 소프트웨어 개발이 AI 적용에 가장 유망한 분야인지 설명하며

“The biggest challenge that we have on both sides of the spectrum is code acceptance.”
보조형과 자율형 개발 모두에서 우리가 직면한 가장 큰 과제는 코드 수용성입니다.
Siddhant Pardeshi·06:01
단순히 코드를 쓰는 것보다 운영 환경에 적합한 코드를 만드는 것이 어려움을 강조하며