개인 프로젝트를 진행하다 보면 코드를 작성하는 시간만큼 “어떤 커밋이 추가됐는지 확인하고 변경사항을 다시 읽는 시간”도 많이 듭니다. GitHub의 diff를 복사해 AI에게 질문하는 방법도 있지만, 저장소를 열고 커밋을 찾고 내용을 전달하는 작업을 매번 반복해야 했습니다.이 과정을 자동화하기 위해 ASP.NET Core 10과 Blazor로 **BranchReview**를 만들었습니다. BranchReview는 사용자가 지정한 GitHub 브랜치의 새 커밋을 확인하고, Gemini 또는 OpenAI로 변경사항을 검토한 뒤 커밋별 리포트로 저장하는 개인용 AI 코드 리뷰 에이전트입니다.전체 동작 흐름사용자는 먼저 GitHub 저장소와 관리할 브랜치를 등록합니다. 서버는 기본적으로 5분마다 브랜치의 최신 ..

저번 글에서는 프로젝트의 정보들을 docs에 정리하여 AI가 읽기 편하게 구성하였습니다.그런데 새로운 구조나 기능이 추가될 때마다 문서도 같이 업데이트해주어야 합니다.그래서 Agent Skill을 하나 정의하여 문서 작성을 자동화하도록 만들었습니다.sync-project-docs Skill먼저 docs 구조를 정해두고, 문서를 작성할 때 지켜야 하는 규칙들을 설명하여 AI에게 SKILL.md 파일을 생성하도록 하였습니다.docs/agents/├── wiki/├── spec/└── adr/각 폴더에는 index.md를 넣어 어떤 문서가 있는지 찾을 수 있도록 하였습니다. 문서가 추가되거나 이동하면 이 목차도 함께 수정하도록 했습니다.그리고 AGENTS.md에는 작업을 마무리할 때 스킬을 사용하도록 적어두었..

오늘은 학교 수행 과제로 유니티 프로젝트를 진행하면서 AI를 어떻게 세팅했는지 적어보도록 하겠습니다.구조구조는 전에 정리했던 mediaway 프로젝트를 많이 참고하였습니다.2026GamePJ├─ AGENTS.md├─ Sequences.md└─ docs └─ ai └─ wiki ├─ index.md ├─ combat ├─ player ├─ skill ├─ ui └─ ... └─ spec └─ adr위 그림과 같은 구조이며, 간단하게 설명하자면wiki에는 AI가 알아야할 정보를 담고spec에는 AI가 구조 설계, 구현시에 봐야 내용을담았으며adr에는 AI가 구조를 설계한 이유를 적도록 하였습니..

오늘은 새로운 개념을 공부하기보다, AI 코딩 에이전트를 실제 프로젝트에서 오래 사용할 때 필요한 운영 방법에 대해서 정리해보겠습니다.AI가 코드를 잘 작성하는 것도 중요하지만 프로젝트가 커질수록 Context 관리, 검증 방법, 세션 관리와 같이 AI가 일할 환경을 만드는 것도 중요해집니다.AGENTS.md에 모든 내용을 넣으면 안된다이 부분은 전에 공부했던 레포지토리에서 적용하고 있던 내용과 비슷한 것 같습니다.AI를 사용할 때 AGENTS.md에는 프로젝트를 작업하면서 AI가 반드시 알아야 하는 규칙을 작성할 수 있습니다.하지만 모든 설계와 규칙을 AGENTS.md 하나에 계속 추가하면 파일 자체가 너무 커지게 됩니다. 그러므로 각 부분의 세뷰 규칙들은 따로 md 파일을 만들어 정리하고, AGENT..

오늘은 AI 잘 활용하는 프로젝트는 AI를 어떻게 활용하고 있는지에 대해 공부해보겠습니다. 지금까지는 프롬프트와 스킬 사용 위주로 알아보았지만 이번엔 AI가 읽을 문서를 잘 설계한 프로젝트는 어떤 구조인지 알아보겠습니다.참고해볼 프로젝트는 학교 선배님이 만드신 프로젝트인 https://github.com/nyxways/mediaway 입니다.AGENTS.mdMediaway의 AGENTS.md는 AI가 항상 지켜야 할 핵심 규칙과 세부 문서의 위치를 안내하는 기준 문서로 구성되어 있었습니다. 내용은 크게 다음 순서로 정리되어 있습니다.프로젝트 환경과 핵심 설계 방향사용자 대화와 저장소 문서의 언어 규칙작업 전에 읽어야 할 Wiki와 문서 순서라이선스·보안·코드 안전에 관한 절대 규칙프로젝트 구조와 API..

오늘은 AI가 단순히 답변만 생성하는 것이 아니라, 외부 함수나 도구를 직접 사용할 수 있게 해주는 Tool Calling에 대해서 공부해보겠습니다. 지금까지는 Prompt, Context, RAG처럼 AI에게 어떤 정보를 주고 어떤 방식으로 작업하게 할지에 대해 공부했습니다.Tool Calling은 여기서 한 단계 더 나아가서, AI가 실제 프로그램의 기능을 사용할 수 있게 만들어주는 방식입니다.Tool Calling이란?Tool Calling은 AI가 사용자의 요청을 보고 필요한 경우 미리 등록된 함수나 도구를 선택해서 호출하는 방식입니다.예를 들어 사용자가오늘 서울 날씨 알려줘라고 물어봤다고 하겠습니다. LLM 자체는 실시간 날씨 정보를 가지고 있지 않을 수 있습니다. 이때 날씨를 조회하는 Tool..

오늘은 AI 모델 하나가 모든 작업을 처리하는 방식이 아니라, 여러 AI 모델에 역할을 나눠서 사용하는 방식에 대해서 알아보았습니다.찾아보다가 Astra가 전체적인 계획과 검토를 맡고, Luna가 실제 코드 작성이나 테스트를 맡는 구조를 보게 되었는데 꽤 흥미로웠습니다.Planner / Executor 구조이 방식은 간단히 말하면 생각하는 역할과 실행하는 역할을 나누는 구조입니다.예를 들어Astra에게 전체 작업에 대한 계획을 맡기고Luna가 코드 탐색, 작성, 테스트를 하며Astra가 결과를 검토하고 최종 판단을 하는 구조 처럼 사용할수 있습니다. Astra는 단순히 생각만 하는 것이 아니라 작업을 분해하고, 서브 에이전트들에게 일을 맡기고, 마지막 결과를 다시 검토하는 역할에 가깝습니다.왜 역할을 ..

오늘은 AI를 사용할때 필요한 정보를 자동으로 찾아서 넣어주는 RAG에 대해서 공부해보겠습니다.이전에 Context에 대해서 공부하면서 AI에게 어떤 정보를 주는지가 중요하다고 했습니다.하지만 프로젝트가 커지면 매번 관련된 파일이나 문서를 직접 찾아서 AI에게 넣어주는 것도 일이 됩니다.이런 문제를 해결하기 위해 사용하는 방식 중 하나가 RAG입니다.RAGRAG는 Retrieval-Augmented Generation의 약자로, 한국어로는 검색 증강 생성이라고 부릅니다.쉽게 말하면 AI가 답변하기 전에 질문과 관련된 정보를 먼저 검색하고, 그 내용을 Context에 넣어서 답변을 생성하는 방식입니다.일반적으로 AI에게 질문하면 아래와 같은 흐름으로 답변을 만듭니다.사용자 질문 ↓LLM ↓답변R..