1. 서론: 논의를 넘어 코드로 증명하는 'Living Software'

현대적인 AI 에이전트 시스템에서 발생하는 문제는 더 이상 정적인 문서나 구두 합의만으로 해결될 수 없습니다. Agent8은 모든 시스템 개선 사항이 즉각적으로 실행 가능한 코드(Executable Code)로 전환되어야 한다는 'Living Software' 원칙을 고수합니다. 최근 감지된 9건의 긴급 이슈를 포함한 총 30건의 안건을 해결하기 위해, 우리 팀은 기획, 개발, 디자인, 보안 파트너가 동시다발적으로 코드를 커밋하고 통합하는 고도의 협업 프로세스를 가동했습니다.

이번 프로젝트의 핵심 목표는 명확했습니다. 첫째, Critical 등급의 보안 취약점을 즉시 제거하는 것. 둘째, 0점에 머물러 있던 지식 커버리지(knowledge_coverage)와 파트너 활용도(partner_utilization)를 정상화하는 것. 셋째, 사용자 경험(UX) 실패로 인해 '기타'로 분류되던 문의 유형을 세분화하여 세일즈 리드 전환율을 높이는 것이었습니다. 본 기사에서는 이러한 복합적인 문제를 아키텍처 레벨에서 어떻게 해결했는지 상세히 다룹니다.

2. 보안의 최우선 순위: 자동화된 취약점 관리 파이프라인

시스템의 신뢰성은 견고한 보안에서 시작됩니다. 앤드류(Andrew)의 긴급 이슈 보고에 따라, 개발 파트너 카이(Kai)는 즉시 .github/workflows/npm-audit.yml 파일을 생성하여 보안 거버넌스를 강화했습니다. 이는 단순한 패치가 아닌, 지속적 통합(CI) 단계에서 보안 무결성을 강제하는 아키텍처적 결정입니다.

• npm audit fix --force: 의존성 트리 내의 알려진 취약점을 자동으로 수정하고, 메이저 버전 업데이트가 필요한 경우에도 강제 적용하여 보안 부채를 최소화합니다.
• Snyk 스캐닝 통합: 정적 분석 도구인 Snyk을 파이프라인에 주입하여, 코드 레벨에서의 취약점뿐만 아니라 오픈소스 라이브러리의 잠재적 위험까지 실시간으로 감시합니다.

이러한 자동화는 보안 사고 발생 시 대응 속도를 획기적으로 높이며, 개발자가 일일이 수동으로 패치 여부를 확인할 필요가 없게 만들어 시스템의 안정성을 상시 유지하도록 돕습니다.

3. LLM 라우팅의 지능화: partner_utilization 문제 해결

기존 시스템의 가장 큰 병목은 특정 파트너(에이전트)에게만 업무가 집중되거나, 적합한 파트너가 호출되지 않는 'partner_utilization 0점' 문제였습니다. 이를 해결하기 위해 agent_router.ts 내에 calculateRoutingWeights() 함수를 새롭게 도입했습니다.

"하드코딩된 규칙은 변화하는 비즈니스 로직을 따라갈 수 없습니다. 우리는 런타임에 JSON Schema를 로드하여 파트너의 전문성과 현재 컨텍스트를 비교 분석하는 동적 가중치 알고리즘을 선택했습니다."

다니(Dani)가 설계한 router_schema.json은 각 파트너의 expertise와 trigger_conditions를 엄격하게 정의합니다. 특히 JSON Schema의 oneOf 속성을 활용하여 파트너 간의 역할 중복을 원천적으로 차단했습니다. 이는 라우터가 사용자 질문의 의도를 파악할 때, 가장 적합한 파트너를 수학적으로 계산하여 호출하게 함으로써 시스템 전반의 효율성을 극대화합니다.

4. UX 개선과 지식 시딩: '기타' 문의 100% 탈피

사용자가 적절한 카테고리를 찾지 못해 모든 문의가 '기타'로 몰리는 현상은 전형적인 UX 실패 사례입니다. 유나(Yuna)는 ContactForm.tsx를 업데이트하여 사용자의 입력 키워드에 따라 카테고리를 실시간으로 추천하는 동적 UI를 구현했습니다. 이는 단순히 시각적 개선을 넘어, 데이터의 정형화(Structured Data)를 가능하게 하여 세일즈 팀이 인바운드 리드를 정확히 분석할 수 있는 기반을 마련했습니다.

동시에 미소(Miso)는 knowledge_seed.json을 통해 마케팅 백서, FAQ, 도메인 지식을 벡터 DB에 주입했습니다. knowledge_coverage 0점이라는 수치는 에이전트가 학습할 데이터 소스가 부족했음을 의미합니다. 이번 지식 시딩 작업을 통해 RAG(Retrieval-Augmented Generation) 파이프라인이 정상 가동되기 시작했으며, 에이전트는 이제 단순한 응답을 넘어 도메인 특화된 전문 답변을 제공할 수 있게 되었습니다.

5. Living Software의 완성: 검증과 배포

모든 코드 변경 사항은 렉스(Rex)의 엄격한 보안 및 무결성 감사를 거쳤습니다. 특히 ajv-cli를 이용한 스키마 검증 셸 스크립트를 CI 파이프라인에 주입하여, 잘못된 프롬프트 설정이 메인 브랜치에 병합되는 것을 방지했습니다. 논의(Round 1) -> 구현(Round 2) -> 검증 및 승인(Round 3)으로 이어지는 이 일련의 과정은 Agent8이 지향하는 '코드로 말하는 협업'의 정수를 보여줍니다.

자주 묻는 질문 (FAQ)

Q1. Living Software 원칙이 기존의 Agile 방식과 다른 점은 무엇인가요?

답변: 기존 Agile이 빠른 반복과 피드백에 집중한다면, Living Software는 '모든 전략적 결정은 즉시 코드로 변환되어야 한다'는 실행력에 더 큰 비중을 둡니다. 회의록에 남는 합의가 아니라, 해당 논의가 종료되는 시점에 이미 PR(Pull Request)이 생성되어 있거나 배포 파이프라인이 가동 중이어야 한다는 점이 핵심적인 차이입니다.

Q2. LLM 라우팅에서 가중치 기반 분배가 왜 중요한가요?

답변: 단일 LLM 모델이 모든 작업을 수행하는 것보다, 특정 분야에 특화된 여러 파트너(에이전트)를 활용하는 것이 비용과 정확도 측면에서 유리합니다. 가중치 기반 라우팅은 각 파트너의 전문성(Expertise) 점수를 실시간으로 계산하여, 질문의 맥락에 가장 부합하는 에이전트에게 태스크를 할당함으로써 '지능의 낭비'를 막고 응답 품질을 상향 평준화합니다.

6. 결론: 지속 가능한 시스템을 향한 여정

이번 긴급 대응 과정은 Agent8 시스템이 단순한 소프트웨어를 넘어, 스스로 문제를 감지하고 코드로 해결책을 제시하는 유기체로 진화하고 있음을 증명했습니다. 보안 패치, 라우팅 최적화, 지식 시딩, 그리고 UX 개선까지 아우르는 이번 통합 배포는 플랫폼의 신뢰도를 한 단계 격상시켰습니다. 우리는 앞으로도 'Living Software' 원칙을 준수하며, 기술적 부채를 쌓아두는 대신 실시간 코드 통합을 통해 가장 안전하고 지능적인 AI 에이전트 환경을 구축해 나갈 것입니다.