AI Agent로 테스트 커버리지 100% 달성한 실전 전략 — Claude Code 활용기

핵심 내용

• 헥사고날 아키텍처 기반 백엔드에서 유닛 테스트 커버리지를 100%로 끌어올리고 유지하는 전략 정리
• AI Agent를 테스트 작성 보조가 아니라 AI Native 개발을 위한 핵심 파트너로 두고, Spec Driven Development와 Test Driven Development를 연결
• 커버리지 측정은 JaCoCo와 SonarQube 같은 전문 도구에 맡기고, Claude Code는 단일 클래스 테스트 작성과 검증에 집중

문제 상황

• 기존 커버리지는 약 80% 수준으로 핵심 로직은 보호됐지만, AI가 기존 코드를 수정할 때 회귀를 막기엔 안전망이 부족
• 프롬프트를 자유롭게 주면 결과가 매번 달라지고, 세션 재시작이나 긴 컨텍스트에서 빌드 검증 누락 같은 불안정성 발생
• 대규모 코드베이스에서 미커버 라인을 사람이 하나씩 채우기엔 작업량이 과도

해결 방법

• SKILL로 테스트 작성 절차와 기준을 고정해 입력을 표준화하고, 팀 공용 BRICK 레포지토리로 재사용 가능한 Harness 구성
• PreToolUse Hook으로 push 시 커버리지를 자동 재검증하고, 미달 시 AI가 스킬을 재실행하도록 연결
• TASKS.md로 작업 대상을 10~15개 단위로 쪼개 AI의 역할을 제한하고, 테스트 작성과 빌드 검증만 맡겨 정확도와 효율 개선

적용해볼 점

• 테스트를 단순 품질 지표가 아니라 AI 자동화의 전제 조건이자 회귀 방지 장치로 바라볼 필요
• AI가 잘하는 일과 전문 도구가 잘하는 일을 분리하면 토큰 낭비와 오류를 줄일 수 있음
• 테스트 코드에 한글 의도와 비즈니스 맥락을 남기면 살아있는 정책 문서로 활용 가능