test 기술 블로그 글

AI가 하한선을 올린 순간, 저희는 직무를 다시 그리기로 했습니다

AI로 직무 경계가 낮아진 상황에서 FE·BE 통합 실험을 통해 프로덕트 엔지니어 역할을 재정의하려고 했습니다.교차 온보딩, 페어링, 회고로 가능성과 한계를 점검하며 기술이 제품의 경계를 막지 않게 하려 했습니다.

[인프라를 소프트웨어처럼 5/5] 다섯 축의 운영 총합, 그리고 AI 시대의 플랫폼팀

여섯 축의 공통 원리를 하나의 표로 정리하며 인프라를 소프트웨어처럼 다루는 관점을 설명했습니다. 사람과 AI 에이전트가 안전하게 변경하고 되돌릴 수 있는 피드백 루프의 중요성을 강조했습니다.

기획부터 테스트까지, 개발 사이클 경험기

기획부터 테스트까지의 개발 사이클을 직접 경험하며 각 단계의 연결성을 회고했습니다. 사용자 흐름 정리와 협업 정보 전달, 테스트 자동화의 필요성을 체감했습니다.

MSA 품질관리 CI게이트로 풀어내기

MSA 품질관리를 CI 게이트로 옮겨 일관된 기준으로 강제하는 방법을 정리했습니다. 변경 범위 검증, 차단 강도 분리, immutable artifact 승격을 통해 운영 신뢰성을 높였습니다.

Fixture 기반 테스트 데이터 구성

Fixture 기반으로 통합 테스트 데이터를 재사용 가능하게 정리한 경험을 공유했습니다. 공통 데이터는 `create`, 커스터마이징은 `gen`, 복수 시나리오는 `genMore`로 분리해 테스트 가독성과 유지보수성을 높였습니다.

AI 시대에 테스트 코드를 잘 쓰는 기준이 달라진다.

AI 협업 시대에는 테스트 코드가 미래 세션의 AI가 읽는 실행 가능한 프롬프트라는 관점이 중요합니다. @DisplayName과 실패 케이스로 비즈니스 의도를 남기고, 인간 검토와 교차 검증으로 맥락을 보완했습니다.

누군가는 토스를 테스트하는 동안, 우리는 테스트하는 법을 만듭니다.

토스 QA Platform 팀이 매주 반복되는 대규모 릴리즈에서 품질을 지키는 방식과 자체 테스트 도구들을 소개했습니다. AI와 자동화를 활용하되 사람은 품질 기준과 최종 판단에 집중하는 방향을 제시했습니다.

AI 시대의 개발 능력은 검증력으로 결정된다, Flava API Gateway 개발 중 배운 빠른 검증과 로컬 환경 구성 전략

AI 코딩 시대에는 빠른 생성보다 빠른 검증이 더 중요하다고 설명했습니다. 스펙 주도 개발과 로컬 검증 환경으로 에이전트의 실수를 줄인 사례를 공유했습니다.

AI 에이전트끼리 토론한다면? 멀티 에이전트 협업으로 재설계하는 개발 프로세스

AI 코딩의 병목을 코드 생성이 아닌 조율과 검증 과정으로 보고, 제안자·도전자·조율자로 나눈 멀티 에이전트 개발 파이프라인을 소개했습니다. 복잡도와 리스크에 따라 토론 강도를 조절하며, 사람은 최종 판단에 집중하는 방식을 설명했습니다.

LLM 코딩 에이전트 작업 관리 방법

LLM 코딩 에이전트를 프롬프트만으로 쓰면 문맥 누적과 임의 판단 문제가 생겼습니다. Task/Plan 하네스로 작업을 분할하고 기록해 안정성과 리뷰 가능성을 높였습니다.

[인터뷰] 토큰증권(STO), 전자증권법·자본시장법 개정 핵심과 기업 대응 전략 with 법무법인 화우

토큰증권(STO) 제도화 흐름과 전자증권법·자본시장법 개정의 핵심을 짚었습니다. 사업 구조 검토부터 인가 준비, 시장 진입까지 단계별 대응 전략을 제시했습니다.

[의존성의 방향을 따라 4/5] PR을 전파하는 Distributer

50개 이상의 레포에 흩어진 버전업 PR을 Wave 순서에 맞춰 자동 전파하고 머지하는 방식을 설명했습니다. CI, flaky test, 에스컬레이션까지 묶어 대규모 업그레이드 운영을 자동화했습니다.

AI 에이전트를 위한 Playwright E2E 테스트 하네스 구축하기

AI 에이전트가 작성한 코드를 검증하기 위한 Playwright 기반 E2E 테스트 하네스 구축 사례를 공유했습니다. 에이전트가 테스트 작성과 수정까지 맡는 워크플로우를 소개했습니다.

레거시 프로젝트에서 AI 드리븐 프로젝트로 전환, AX 로드맵

레거시 프로젝트를 AI 드리븐 프로젝트로 전환하기 위한 AX 4단계 로드맵을 소개했습니다. 보안 기반부터 리뷰 자동화까지 단계적으로 확장하는 방법과 KPI를 함께 정리했습니다.

Claude Code TDD 서브에이전트와 하네스 구축기 — 7개 에이전트, 18종 회귀 평가

Claude Code에 TDD를 붙이기 위해 7개 서브에이전트와 하네스를 구축한 과정을 정리했습니다. 반복 실패를 회귀 평가와 훅으로 통제하고, 대시보드로 운영 가시성까지 높였습니다.

[AI가 읽을 수 있는 코드베이스 5/5] AI 접근성 등급으로 보는 코드베이스

코드 품질만으로는 AI 코딩 에이전트의 작업 가능성을 설명할 수 없다는 점을 다뤘습니다. 구조적 일관성과 빌드 가드레일이 AI 접근성을 높이는 핵심이라고 정리했습니다.

생성형 AI가 개발 생산성을 높이는 코딩 어시스턴트로 활용되는 흐름을 정리했습니다. 다만 환각과 보안 문제를 막기 위한 검증과 가이드라인도 함께 필요합니다.

킹덤 서버! 튜토리얼

Scala와 함수형 프로그래밍에 익숙하지 않은 상태에서 킹덤 서버팀에 합류한 온보딩 과정을 소개했습니다. 또한 ZPure와 ZIO, 테스트 작성, 버그 수정, 콘텐츠 개발을 통해 실무에 적응하는 흐름을 정리했습니다.

AI 에이전트를 안전하게 움직이게 하는 설계도, ‘하네스 엔지니어링(Harness Engineering)’

AI 에이전트가 실제 업무에서 안전하고 일관되게 일하도록 돕는 하네스 엔지니어링을 설명했습니다. 프롬프트를 넘어 규칙, 도구, 검증, 관측 체계를 설계하는 방법을 정리했습니다.

[AI가 읽을 수 있는 코드베이스 2/5] 빌드 피드백이 AI를 가르친다

AI 코딩 에이전트가 받는 빌드 피드백을 유형별로 비교하며 정보 품질 차이를 분석했습니다. 가장 중요한 규칙은 컴파일 타임에 강제하고, 에러 메시지와 테스트 실패를 더 명확하게 설계해야 한다고 정리했습니다.