AI 생성 코드의 구조적 회귀 방지를 위한 Baseline 기반 Deterministic Review 레이어 구축

Context

AI 코딩 툴의 보급으로 코드 생산 속도는 증가했으나, 중복 로직 및 API 설계 파괴 등 구조적 부채가 급격히 누적되는 현상 발생. 기존의 Linter나 Test 도구만으로는 개별 변경 사항의 합리성과 별개로 전체 저장소의 거버넌스 수준이 하락하는 병목 지점 식별.

Technical Solution

• Accepted Debt와 New Regression을 분리하는 Baseline 모델 도입을 통해 과거의 부채와 신규 회귀를 구분하는 CI 워크플로우 설계
• 분석 엔진을 단일화하고 모든 인터페이스(CLI, HTML, MCP 등)를 해당 결과의 Projection으로 처리하는 Single Source of Truth 아키텍처 적용
• AI Agent의 Context 낭비를 방지하기 위해 단순 도구 나열이 아닌 Triage-first 경로를 제공하는 MCP Control Surface 설계
• Read-only 설계를 통해 Agent가 원본 소스나 Baseline을 임의로 수정하지 못하도록 제약 사항을 강제하여 분석 신뢰성 확보
• Coverage Join 기능을 통한 구조적 결함 지점과 실제 테스트 커버리지 데이터의 결합 분석 체계 구축
• Bounded Help 기능을 도입하여 Agent가 불필요한 정보 탐색 없이 정확한 워크플로우를 수행하도록 유도하는 Uncertainty-recovery 메커니즘 적용