Dagger가 LLM() 프리미티브를 도입해 AI 에이전트가 CI/CD 파이프라인을 자동 생성·수정하면서도 파이프라인 자체는 결정적·고정적으로 유지

Context

CI/CD 파이프라인 설정은 YAML 문제를 넘어서도 모듈 라이브러리 이해, 도구체인 구성, GitHub Actions 연결 등 다양한 설정 지식을 요구했다. 특히 AcmeCorp 같은 조직의 사내 모듈(acme-backend, acme-frontend, acme-deploy)을 올바르게 적용하려면 내부 라이브러리에 대한 숙지가 필수였다.

Technical Solution

• dag.llm() 프리미티브 도입: Claude, GPT, Gemini 등 LLM 공급자를 연결하는 파이프라인 함수 추가
• MCP 도구 바인딩: Dagger 모듈을 MCP 도구로 노출해 에이전트가 런타임에 호출 가능하게 구성 (acme-deploy → cloud_run 도구, acme-backend → build/test 도구)
• Daggie 에이전트 개발: 사내 모듈 저장소와 소스 코드를 분석해 올바른 dagger.json과 .github/workflows/ci.yml을 자동 생성
• 환경 변수 기반 LLM 공급자 감지: ANTHROPIC_API_KEY, OPENAI_API_KEY, GEMINI_API_KEY, OLLAMA_HOST 중 하나 설정으로 모델 선택
• AI를 핫패스 밖에 배치: 파이프라인은 고정·결정적으로 유지하고, AI는 설정 생성(before)·장애 진단(after)·학습에만 활용

Key Takeaway

CI/CD에서 AI의 역할은 파이프라인을 대체하는 것이 아니라 파이프라인과 설정을 자동 생성·수정하고 장애를 진단하는 보조 역할에 한정할 때 가장 가치 있다는 설계 원칙.