AI 활용법 관련해서 간단하게 발표를 했다. 발표 자료 앞쪽은 전에 블로그에 올린 글이랑 같은 내용이다. 이 글에서는 기존 글에서 다루지 않은 내용들을 다루겠다.
에러 메시지 및 로깅
구체적 타입 및 스키마 활용
any 타입은 사람에게도 위험하지만, AI에게는 더 위험하다.
마찬가지로,
JSON.parse처럼 아무 제약 없는 파싱
느슨한 인터페이스
암묵적인 데이터 구조
이런 것들은 AI가 너무 많은 가정을 하게 만든다.
문제는 그 가정이 틀리면, 이후의 모든 판단이 연쇄적으로 꼬인다는 점이다.
그래서 가능한 한 다음을 지향한다.
이렇게 하면 AI가 가정을 하더라도,
그 가정이 틀릴 확률이 줄어들고
틀렸을 경우 즉시 실패하도록 만들 수 있다
즉, AI가 잘못된 추론을 끝까지 끌고 가는 상황을 예방할 수 있다.
GitHub Actions 활용
GitHub Actions를 잘 보면 꽤 괜찮은 특징을 갖고 있다.
완전히 격리된 환경
구성하기 쉬움
이미 잘 구성된 예제가 많음
이걸 단순히 CI 용도로만 쓰지 않고,
개발용 가상 머신처럼 사용하는 접근을 했다.
AI에게도 마찬가지다.
“로컬에서 개발자가 할 수 있는 걸
AI도 똑같이 할 수 있게 만들어준다”
라는 관점이다.
Claude Code를 위한 개발 환경 구성
name: Claude Code
on:
issue_comment:
types: [created]
pull_request_review_comment:
types: [created]
issues:
types: [opened, assigned]
pull_request_review:
types: [submitted]
jobs:
claude:
if: |
(github.event_name == 'issue_comment' && contains(github.event.comment.body, '@claude')) ||
(github.event_name == 'pull_request_review_comment' && contains(github.event.comment.body, '@claude')) ||
(github.event_name == 'pull_request_review' && contains(github.event.review.body, '@claude')) ||
(github.event_name == 'issues' && (contains(github.event.issue.body, '@claude') || contains(github.event.issue.title, '@claude')))
runs-on: ubuntu-latest
permissions:
contents: read
pull-requests: read
issues: read
id-token: write
actions: read
steps:
- name: Checkout repository
uses: actions/checkout@v4
with:
fetch-depth: 1
- name: Setup pnpm
uses: pnpm/action-setup@v4.2.0
- uses: actions/checkout@v4
- name: Install Tauri dependencies
run: |
sudo apt-get update
sudo apt-get install -y \
libwebkit2gtk-4.1-dev \
libappindicator3-dev \
librsvg2-dev \
patchelf
- name: Setup Rust
uses: dtolnay/rust-toolchain@stable
- name: Run Claude Code
id: claude
uses: anthropics/claude-code-action@v1
with:
claude_code_oauth_token: ${{ secrets.CLAUDE_CODE_OAUTH_TOKEN }}
additional_permissions: |
actions: read
claude_args: |
--allowed-tools Bash,WebFetch,WebSearch,Skill
--model opus
GitHub Actions에서:
까지 모두 가능하게 구성해두면,
Claude Code는 사실상 로컬 개발 환경과 거의 동일한 조건에서 동작한다.
이렇게 환경이 갖춰져 있으면 AI의 작업 품질이 눈에 띄게 좋아진다.
AI로 커밋 메시지 예쁘게 관리하기
PR 본문 스팸 방지
name: Claude Code Review
on:
pull_request:
types: [opened, synchronize]
jobs:
claude-review:
runs-on: ubuntu-latest
permissions:
contents: read
pull-requests: write
issues: read
id-token: write
steps:
- name: Checkout repository
uses: actions/checkout@v4
with:
fetch-depth: 1
- name: Dismiss old Claude bot comments
env:
GH_TOKEN: ${{ secrets.GITHUB_TOKEN }}
run: |
# Get PR comments from claude[bot] and hide them as outdated
REPO="${{ github.repository }}"
PR_NUMBER="${{ github.event.pull_request.number }}"
gh api "repos/$REPO/issues/$PR_NUMBER/comments" --jq '.[] | select(.user.login == "claude[bot]") | .node_id' | while read -r comment_node_id; do
if [ -n "$comment_node_id" ]; then
echo "Hiding review comment: $comment_node_id"
gh api graphql -f query='
mutation($id: ID!) {
minimizeComment(input: {subjectId: $id, classifier: OUTDATED}) {
minimizedComment {
isMinimized
}
}
}' -f id="$comment_node_id"
fi
done
- name: Run Claude Code Review
id: claude-review
uses: anthropics/claude-code-action@v1
with:
claude_code_oauth_token: ${{ secrets.CLAUDE_CODE_OAUTH_TOKEN }}
allowed_bots: '*'
prompt: |
REPO: ${{ github.repository }}
PR NUMBER: ${{ github.event.pull_request.number }}
Please review this pull request and provide feedback on:
- Code quality and best practices
- Potential bugs or issues
- Performance considerations
- Security concerns
- Test coverage
Use the repository's CLAUDE.md for guidance on style and conventions. Be constructive and helpful in your feedback.
Use `gh pr comment` with your Bash tool to leave your review as a comment on the PR.
claude_args: '--allowed-tools "Bash(gh issue view:*),Bash(gh search:*),Bash(gh issue list:*),Bash(gh pr comment:*),Bash(gh pr diff:*),Bash(gh pr view:*),Bash(gh pr list:*)"'
Claude Code GitHub 리뷰 액션에는 버그가 하나 있다. 리뷰 코멘트를 너무 많이 남긴다.
이 때문에 PR이 리뷰 댓글로 도배되는 문제가 생긴다.
AI 리뷰 활용법
기본 접근
전제부터 분명히 하자.
그래서 인간 리뷰를 최소화해야 한다.
이를 위해 선택한 전략은 다음과 같다.
AI 리뷰 + CI를 먼저 통과시킨다
AI가 OK를 내릴 때까지는 인간이 개입하지 않는다
테스트와 자동 리뷰가 모두 통과된 경우에만
사람이 최종 리뷰를 한다
즉,
인간은 “최종 승인자” 역할만 맡는다
GitHub 앱 활용
AI 리뷰를 GitHub 앱 형태로 붙이면, PR 생성과 동시에 자동 리뷰가 시작된다.
이 단계에서는:
같은 것들을 AI가 먼저 걸러낸다.
GitHub Actions를 사용해서 반영
스크린샷과 같이 Claude Code GitHub Action등을 사용해서 반영해야 병렬 처리가 쉽다. 로컬에 체크아웃하는 것은 사람의 테스팅처럼 로컬에서 해야만 하는 상황에만 하는 것을 추천한다.
CI 활용
중요한 건 CI를 단순한 테스트 도구가 아니라,
AI와 인간 사이의 방파제
로 사용하는 것이다. AI가 통과시키지 못한 변경사항은, 인간에게 도달하지 않게 만드는 것만으로도 리뷰 비용은 크게 줄어든다.
Q&A
MCP가 필요없는 스펙인 이유
특정 MCP 서버랑 똑같은 기능을 가진 CLI가 있다고 생각해보자. MCP를 통해서 수행할 수 있는 모든 건 CLI를 통해서도 수행할 수 있을 것이다. Vercel이 MCP를 만들지 않고 CLI 명령어를 개선한 것은 그래서이다.