자율 코딩 에이전트가 소프트웨어 개발에 빠르게 확산되면서, 이들의 성능과 효율성에 대한 관심이 높아지고 있습니다. 기존 연구들은 주로 에이전트의 작업 성공률에 초점을 맞췄지만, 최근 발표된 아카이브(arXiv) 논문은 코드베이스 자체의 청결도가 에이전트의 탐색 및 수정 비용에 미치는 영향을 심층적으로 분석했습니다. 이 연구는 코드의 아키텍처, 의존성, 외부 동작은 동일하되 SonarQube 규칙 위반과 인지 복잡도만 다른 '최소쌍 저장소'를 활용해, 코드 청결도가 에이전트의 자원 사용량과 효율성에 미치는 영향을 통제된 방식으로 측정했습니다.
연구팀은 Claude Code와 Claude Sonnet 4.6 에이전트를 이용해 6개의 최소쌍 저장소(Java 3개, Python 3개)에서 총 33개의 작업을 660회 실행했습니다. 에이전트는 자신이 어떤 코드베이스(깨끗한 코드 또는 지저분한 코드)에서 작업하는지 알지 못했습니다. 실험 결과, 코드 청결도는 작업 통과율(성공률)에는 유의미한 영향을 미 미치지 않았습니다. 그러나 더 깨끗한 코드에서 작업할 때 에이전트의 토큰 사용량은 7~8% 감소했으며, 파일을 다시 읽는 '파일 재방문' 횟수는 무려 34%나 줄어들었습니다. 이는 깨끗한 코드가 에이전트의 계산 비용을 절감하고, 불필요한 탐색을 줄여 작업 효율성을 크게 높인다는 것을 의미합니다.
이러한 결과는 AI 코딩 에이전트를 효과적으로 활용하기 위해 모델이나 프롬프트 최적화뿐만 아니라, 코드베이스 자체의 품질 관리 또한 핵심적인 요소임을 보여줍니다. 코드 청결도가 높을수록 에이전트의 자원 소모가 줄어들고, 더 빠르고 효율적으로 작업을 수행할 수 있게 됩니다. 이는 장기적으로 AI 개발 비용을 절감하고, 개발 생산성을 향상시키는 데 기여할 수 있습니다. 따라서 기업이나 개발팀은 AI 에이전트 도입을 고려할 때, 기존 코드베이스의 청결도를 개선하는 노력을 병행해야 할 것입니다.