대규모 언어모델(LLM)이 코드를 생성하는 능력은 빠르게 발전했지만, 그 결과물은 여전히 프로덕션 환경에 바로 적용하기 어려운 경우가 많았습니다. 2025년에는 컴파일조차 되지 않던 LLM 생성 코드가 2026년에는 복잡한 기능을 구현하고 버그까지 찾아내는 수준에 이르렀지만, 주석 부족, 일관성 없는 구조, 이른바 '스파게티 코드' 문제로 인해 실제 개발에 통합하기까지 많은 수작업이 필요했습니다. 이는 LLM의 개발 속도 향상 효과를 상쇄하는 주요 원인이었습니다.
이러한 문제를 해결하기 위해, 개발 과정에서 반복적으로 적용되던 코드 리뷰 지침들을 'agent.md'라는 마크다운 파일에 모아 LLM 프롬프트에 자동으로 주입하는 방식이 도입되었습니다. 이 파일에는 짧고 명확한 문장 사용, 매직 넘버 제거, 이른 반환(early return) 활용, enum 매개변수 사용, 접근 제한 유지, 계층 경계 준수 등 구체적인 코딩 스타일 및 설계 원칙이 포함됩니다. 또한, 버그 수정 시 실패하는 테스트부터 작성하고, 커밋 메시지는 50자 이내의 제목과 명령형 사용 등 7가지 규칙을 따르도록 지시합니다. 이 지침들을 LLM에 지속적으로 제공함으로써, 생성되는 코드의 품질이 사람이 직접 작성한 수준에 근접하게 향상되었습니다.
'agent.md' 방식은 LLM이 생성하는 코드의 품질을 크게 높여 개발자의 검토 부담을 줄이고, 코드 스타일보다는 아키텍처와 설계와 같은 더 중요한 부분에 집중할 수 있게 합니다. 하지만 LLM은 여전히 '환각(hallucination)' 현상을 보이므로, 생성된 코드에 대한 직접적인 검증은 필수적입니다. 또한, 긴 문맥에서는 중간 지침을 덜 따르는 '문맥 희석(context dilution)' 현상이 발생할 수 있어, 기능별로 새 세션을 시작하거나 'Reload agent.md' 명령으로 지침을 다시 불러오는 등의 관리가 필요합니다. 이 접근 방식은 LLM을 활용한 소프트웨어 개발의 생산성을 극대화하고, AI와 인간 개발자 간의 협업 모델을 한 단계 발전시키는 중요한 전환점이 될 것으로 보입니다.