📋 밋업 한눈에 보기

이 밋업에서는 AI 에이전트가 코드를 직접 작성·테스트·배포하는 ‘에이전틱 엔지니어링’ 시대에 플랫폼 팀이 무엇을 준비해야 하는지를 다뤘다. 발표자는 에이전트가 안전하고 자율적으로 일하기 위한 세 가지 핵심 축으로 Context(맥락), Execution(실행), Governance(거버넌스)를 제시하고, 각 축이 부족하면 나머지 두 축으로도 보완되지 않는다고 강조했다. 이어진 Q&A에서는 build vs buy 판단 기준의 변화, 조직 내 지식을 문서화하는 방법, 비즈니스 부서까지 플랫폼 고객이 되는 흐름, AI 토큰 스펜드 관리 등 실무적인 질문들이 다뤄졌다.

🔑 핵심 요점

  • 에이전틱 엔지니어링으로 개발 속도가 수배 빨라지고 있으며, 코드 작성 자체는 더 이상 엔지니어링의 병목이 아니다.
  • 플랫폼 팀은 에이전트가 안전하게 일할 수 있도록 Context, Execution, Governance 세 영역을 모두 구축해야 하며, 하나가 약하면 나머지가 보완할 수 없다.
  • 에이전트가 사고를 쳐도 책임은 결국 그 에이전트를 관리·배포한 사람(엔지니어링팀)에게 돌아간다.
  • MCP는 조직의 다양한 도구와 시스템에 에이전트가 접근할 수 있게 하는 표준 인터페이스로 빠르게 자리잡고 있다.
  • AI로 소프트웨어 구축 비용이 낮아지면서 build vs buy 판단 기준이 바뀌고 있고, 100% 요구를 충족하는 자체 구축을 선택하는 사례가 늘고 있다.
  • 플랫폼 팀은 엔지니어링 부서뿐 아니라 마케팅, 영업, 재무 등 비즈니스 부서까지 고객으로 포함해야 하는 흐름(섀도우 AI)에 대응해야 한다.
  • AI 토큰 사용량과 비용에 대한 가시성·리포팅 체계를 조기에 마련하지 않으면 2~3개월 후 비용 급증과 사용 제한 같은 반작용이 발생할 수 있다.

🛠 핵심 기술 쉽게 이해하기

MCP (Model Context Protocol)

에이전트가 조직 내 다양한 도구·시스템·데이터에 접근할 수 있도록 표준화된 인터페이스를 제공하는 프로토콜이다. SaaS 업체와 내부 도구들이 각자 자체 MCP를 배포하는 흐름이 생기고 있다.

왜 필요한가 — 모든 도구마다 제각각의 접근 방식을 쓰면 에이전트가 조직 시스템을 조회·조작하기 어려워지므로, 표준 인터페이스로 이를 통일하기 위해 쓴다.

발표에서는 — 발표자는 플랫폼 팀이 자체 MCP capability를 배포해 에이전트가 조직의 API와 서비스를 조회·질의·실행할 수 있는 인터페이스를 갖춰야 한다고 강조했다.

Internal Developer Platform (IDP) / Platform Engineering

개발자가 인프라, CI/CD, 배포 등을 셀프서비스로 이용할 수 있게 해주는 내부 플랫폼과 이를 구축·운영하는 활동을 말한다.

왜 필요한가 — 반복적인 수작업과 개인의 암묵적 지식에 의존하던 방식에서 벗어나, 표준화된 골든 패스를 제공해 속도와 안전성을 동시에 확보하기 위해 필요하다.

발표에서는 — 발표의 핵심 주제로, 이제는 인간 개발자뿐 아니라 에이전트도 플랫폼의 ‘사용자’로 고려해 골든 패스, CI/CD, ephemeral 테스트 환경 등을 제공해야 한다고 설명했다.

Policy as Code

거버넌스 규칙과 컴플라이언스 조건을 코드로 작성해 자동으로 강제하고 검증하는 방식이다.

왜 필요한가 — 사람이 암묵적으로 알고 지키던 규칙을 명시적으로 코드화해야 에이전트도 그 규칙을 따르고, 위반 시 자동으로 알림을 받을 수 있다.

발표에서는 — 발표자는 policy as code를 통해 에이전트의 권한, 시크릿 관리 범위, 컴플라이언스 규칙을 자동으로 강제하고 위반 시 보고하게 만들어야 한다고 언급했다.

AI 코딩 에이전트 (Claude, Codex 등)

IDE 안에서 대화형으로 코드를 제안받던 코파일럿 방식에서, 여러 개의 에이전트를 동시에 실행해 스토리를 가져오고 코드를 작성·테스트·배포까지 자동 수행하는 방식으로 진화한 도구들이다.

왜 필요한가 — 개발 속도를 극적으로 높이고 멀티스텝 작업을 자동화해, 2~3주 걸리던 작업을 1주 이내로 단축하기 위해 쓴다.

발표에서는 — 발표자는 Claude, Codex 같은 코파일럿 스타일에서 ‘에이전트에게 실행을 지시’하는 방식으로 전환되고 있다고 설명했고, Q&A에서는 한 기업이 비엔지니어에게 코딩 에이전트 사용 한도를 두지 않아 비용이 폭증한 실제 사례도 공유됐다.

CI/CD 및 IaC

코드 변경을 자동으로 빌드·테스트·배포하는 파이프라인(CI/CD)과, 인프라 구성을 코드로 정의해 재현 가능하게 관리하는 방식(IaC)이다.

왜 필요한가 — 에이전트가 반복 가능하고 예측 가능한 경로로 안전하게 변경을 실행할 수 있게 하기 위해 필요하다.

발표에서는 — Execution 영역의 핵심 구성요소로 다뤄졌으며, 발표자는 Jenkins 이전 시대에 직접 CI/CD 프로세스를 만들었던 경험을 언급하며 플랫폼이 golden path, CI/CD, ephemeral 테스트 환경, IaC를 제공해야 한다고 설명했다.

🧭 추구 방향과 흐름

  • 플랫폼 팀의 서비스 대상 확장 (Engineering → Agents → Business users) — 전통적으로 개발자를 위해 구축했던 플랫폼이 이제는 에이전트, 더 나아가 마케팅·영업·재무 같은 비즈니스 부서까지 고객으로 포함해야 하는 방향으로 가고 있다. 발표자는 설문에서 약 40%의 플랫폼 팀이 일반 비즈니스 유저를 플랫폼 고객으로 보고했다고 언급했다.
  • Context-Execution-Governance 삼각 축으로의 플랫폼 성숙도 재정의 — 에이전트가 안전하고 자율적으로 일하려면 세 영역이 모두 성숙해야 하며, 어느 한 영역이라도 부족하면 나머지 두 영역으로 보완할 수 없다고 강조했다. 이는 기존 에이전틱 엔지니어링 성숙도 평가의 핵심 기준으로 제시됐다.
  • Shadow IT에서 Shadow AI로의 확장 — 과거 부서별로 자체 서버·도구를 쓰던 Shadow IT 현상이 이제 AI 도구 사용으로 확장되고 있다. 발표자는 플랫폼 팀이 이를 두려워하지 말고 선제적으로 가이드레일을 제공해 흡수해야 한다는 방향을 제시했다.
  • Build vs Buy 판단 기준의 변화 — AI로 구축 비용이 급격히 낮아지면서, 상용 솔루션의 80% 충족에 타협하던 과거와 달리 100% 요구를 충족하는 자체 구축을 선택하는 경향이 늘고 있다. 단, 보안 도구처럼 책임 이전(liability transfer)이 중요한 영역은 여전히 buy가 선호된다는 점도 함께 언급됐다.

💬 Q&A 하이라이트

Q. 레퍼런스 아키텍처의 터치포인트가 1년 만에 4개에서 18개로 늘어난 상황에서, build vs buy 판단은 어떻게 해야 하는가?

과거에는 buy를 선택하면 요구사항의 80%만 충족하고 20% 갭을 감수하는 타협이었지만, 이제는 AI로 자체 구축 비용이 상용 라이선스 비용과 크게 차이나지 않아 100%를 충족하는 build를 선택하는 고객이 늘고 있다. 단, 보안 도구처럼 책임이 이전되는 영역은 여전히 전문 벤더의 buy를 선호하는 경향이 있다.

Q. 조직 전체에 흩어진 지식, 데이터, 프로세스, 비즈니스 맥락을 아우르는 context 아키텍처는 어떻게 구성하며, 참고할 레퍼런스 아키텍처가 있는가?

대부분 조직에 설계 문서, DB 다이어그램, 비즈니스 규칙 등이 이미 존재하지만 최신 상태가 아닌 경우가 많다. 발표자는 담당자와의 대화를 녹음한 뒤 AI 툴로 문서를 재구성하고, 이후 엔지니어링 프로세스에 문서 업데이트 단계를 포함시켜 지속적으로 최신화하는 방식을 추천했으며, 기존 회의/슬랙 녹음 데이터를 활용해 지식베이스를 만드는 것도 제안했다.

Q. Context, Execution, Governance 세 가지 중 우선순위는 어떻게 정하며, 규제가 많은 산업에서는 어떻게 달라지는가?

가장 약한 영역부터 시작하는 것이 좋으며, 보통 execution이 가장 성숙한 영역이다. 규제 산업에서는 거버넌스 문서/정책을 통해 에이전트를 통제해야 하므로 속도가 느려질 수 있지만, 엔지니어들은 이미 이러한 도구를 쓰고 있으므로 조직이 서둘러 정책을 마련해야 한다.

Q. 플랫폼 팀이 엔지니어링 외 비즈니스 유저까지 서비스하게 될 때도 Context/Execution/Governance가 핵심이며, 우선순위가 어떻게 바뀌는가?

비즈니스 유저가 이미 자체적으로 도구를 만든 경우에는 먼저 감사(audit)와 리스크 평가로 시작해 재사용 가능한지 판단한다. Shadow IT가 Shadow AI로 확장되는 추세이므로 플랫폼 팀이 선제적으로 가이드라인을 제공하면, 사용자가 이를 따랐을 경우 감사 단계를 건너뛰고 바로 프로덕션화 프로세스로 넘어갈 수 있다.

Q. AI가 딜리버리 성과에 미치는 영향은 어떤 지표로 나타나며, 토큰 스펜드와 임팩트 분석을 연결한 사례가 있는가?

비즈니스 관점에서는 기능 출시 속도가 빨라졌지만 병목이 엔지니어링에서 비즈니스 쪽으로 이동했다. 토큰 스펜드는 초기에 제한 없이 열어두면 2~3개월 후 비용이 급증해 반작용이 오므로, 플랫폼 팀이 스펜드에 대한 리포팅과 가시성 체계를 마련해야 하며, 보수적인 엔터프라이즈 고객들도 기능 개발 플로우에서 약 3배의 속도 향상을 보고하고 있다.

🚀 바로 활용하기

  1. 조직 내에서 Context, Execution, Governance 중 가장 약한 한 영역을 골라 소규모로 에이전틱 배포를 테스트해 볼 것.
  2. 기존 아키텍처/비즈니스 규칙 문서를 담당자 인터뷰 녹음 후 AI로 재구성하고, 엔지니어링 프로세스에 문서 업데이트 단계를 포함시킬 것.
  3. 조직의 핵심 시스템에 대해 에이전트가 접근할 MCP 인터페이스를 설계하고 권한·시크릿 관리 범위를 점검할 것.
  4. AI 토큰 사용량에 대한 리포팅과 가시성 체계를 조기에 마련해 비용 급증을 예방할 것.

🔗 참고 자료

  • Model Context Protocol — 발표에서 언급된 MCP의 표준 스펙과 개념을 확인할 수 있는 공식 자료.
  • Platform Engineering 커뮤니티 — IDP·골든 패스 등 발표에서 다룬 플랫폼 엔지니어링 개념의 배경 자료.
  • Jenkins — 발표자가 ‘Jenkins 이전에 직접 CI/CD를 만들었다’고 언급한 build vs buy 사례의 배경 지식.
  • Anthropic — 발표에서 코딩 에이전트 사례로 언급된 Claude 관련 공식 정보.
  • DORA — AI가 딜리버리 성과(속도, 품질)에 미치는 영향을 논한 Q&A와 관련된 소프트웨어 딜리버리 성과 측정 프레임워크.
  • CNCF — 플랫폼 엔지니어링과 클라우드 네이티브 거버넌스 생태계 전반에 대한 참고 자료.