단순 완성을 넘어 56% SWE-bench 달성 및 Agent Orchestration 레이어로의 진화

Context

단순한 코드 자동완성(Autocomplete) 수준의 기능적 한계를 극복하기 위한 시스템 확장 필요성 증대. 단순 Prefix 기반 생성 방식의 낮은 정확도와 IDE 내부 동작에 국한된 인터페이스의 제약을 해결해야 하는 상황.

Technical Solution

• Fill-in-the-Middle (FIM) 기법 도입을 통한 커서 전후 문맥 동시 분석 및 제안 정확도 향상
• Speculative-decoding 기반의 Dual-model 아키텍처 설계를 통한 멀티 파일 편집 속도 최적화
• Sandbox 기반 GitHub Actions 환경을 활용한 비동기 Cloud Agent의 자율적 Task 수행 구조 구현
• LLM 추론 엔진과 ESLint, CodeQL 등 결정론적(Deterministic) 엔진을 결합한 하이브리드 코드 리뷰 아키텍처 설계
• MCP(Model Context Protocol) 표준 채택을 통한 의도 기반의 외부 서버 자동 호출 및 확장 메커니즘 구축
• Agent HQ 제어 평면 도입을 통한 다수 LLM 벤더(Anthropic, OpenAI, Google 등)의 통합 오케스트레이션 체계 구축