MuleSoft의 AI 코드 거버넌스 시스템: Golden Gate 구축 사례

섹션별 상세

에이전트 개발 환경에서는 코드 생성 속도가 빨라져 기존의 수동 검토나 사후 보안 점검으로는 대응이 불가능하다. Golden Gate는 PR 생성 시점에 즉시 보안 패턴을 분석하여 프로덕션 배포 전 위험을 차단한다.

LLM의 확률적 특성을 보완하기 위해 결정론적 검증 파이프라인을 구축했다. 각 스킬을 동일한 데이터셋에 대해 3회 이상 실행하여 일관된 결과가 도출된 경우에만 증거로 채택한다.

개발자 경험을 저해하지 않기 위해 엄격한 스코핑과 어드바이저리 모드를 적용한다. 특정 파일 타입이나 패턴에만 스킬을 적용하고, 배포 전 개발자가 결과를 먼저 확인하도록 하여 오탐을 방지한다.

시스템의 신뢰성을 확보하기 위해 엄격한 프로모션 기준을 적용한다. 최소 5개 이상의 저장소 테스트, 독립적인 감사, 95% 이상의 정밀도를 달성해야만 실제 병합 차단 권한을 부여한다.

근거

최근 30일간 14,000건 이상의 PR에서 77,000회 실행되었으며, 개발자가 거부한 오탐 비율은 0.5% 미만이다. — What did it take to scale Golden Gate across MuleSoft repositories? 섹션
한 스킬(change-impact-review)은 45% 정밀도에 그쳐 실제 배포되지 않았다. — What does it take to make merge-time AI governance feel like a collaborator, not a gate? 섹션

향후 MuleSoft는 거버넌스 스킬을 자가 생성하는 'Skill Factory'와 코드베이스의 기술 부채를 자율적으로 수정하는 'Ambient Code Hygiene'으로 확장할 계획이다.