방대하고 복잡한 코드베이스를 이해하는 것은 개발자들에게 여전히 큰 도전입니다. 특히 구조가 모호하고 문서화가 불완전한 경우 더욱 그렇습니다. 기존의 코드 요약 솔루션들은 대부분 단일 언어 모델(LLM)에 의존하며, 코드를 평면적인 텍스트로만 취급하여 코드 저장소 내의 풍부한 상호 의존성이나 계층적 정보를 제대로 활용하지 못하는 한계가 있었습니다.
이러한 문제를 해결하기 위해 'Agent4cs'라는 다중 에이전트 프레임워크가 제안되었습니다. Agent4cs는 코드베이스를 하향식(bottom-up) 방식으로 요약하며, 세 가지 전문 에이전트가 협력하여 작동합니다. 첫째, 요약 에이전트(summarization agent)는 견고한 요약을 생성하는 데 집중하고, 둘째, 키워드 추출 에이전트(keyword-extraction agent)는 하위 폴더에서 중요한 정보를 선제적으로 식별합니다. 마지막으로, 품질 보증 에이전트(quality-assurance agent)는 가독성, 일관성, 완전성을 위해 결과물을 반복적으로 개선합니다. 7가지 최신 모델을 대상으로 한 평가에서 Agent4cs는 기존의 구조화된 프롬프트 방식 대비 모든 폴더 레벨에서 의미론적 일관성을 평균 8% 향상시켰습니다. 또한, 실제 데이터셋에 대한 광범위한 평가에서는 정규화된 키워드 커버리지(keyword coverage)에서 최대 38%의 향상을 보였습니다.
Agent4cs와 같은 다중 에이전트 시스템의 등장은 대규모 소프트웨어 개발 및 유지보수 방식에 중요한 변화를 가져올 수 있습니다. 개발자들이 복잡한 코드를 더 빠르고 정확하게 이해하도록 돕고, 결과적으로 개발 생산성을 높이는 데 기여할 것입니다. 특히, 코드베이스의 계층적 구조를 이해하고 활용하는 접근 방식은 기존 단일 LLM 기반 솔루션의 한계를 극복하며, AI 기반 코드 분석 도구의 새로운 발전 방향을 제시합니다. 이는 AI 에이전트들이 단순한 보조 역할을 넘어, 복잡한 문제 해결을 위한 협력적인 지능 시스템으로 진화하고 있음을 보여주는 사례입니다.