피드로 돌아가기
Dev.toDevOps
원문 읽기
12종 AI 툴의 파편화된 설정을 단일 Canonical Source로 통합한 agentsmesh 설계
I had four AI coding assistants and the same config in five places. Here's what I built.
AI 요약
Context
Claude, Cursor, Copilot 등 다수 AI coding assistant 사용 시 동일한 규칙과 MCP server 설정을 각 도구의 고유 스키마로 중복 관리해야 하는 구조적 한계 발생. 이로 인한 설정 간 동기화 실패(Drift)와 상충하는 AI 가이드라인으로 인해 개발 생산성 저하 및 의사결정 혼선 초래.
Technical Solution
- Canonical Directory 기반의 단일 진실 공급원(Single Source of Truth) 설계로 도구별 설정 파편화 해결
- Tool-agnostic한 추상화 계층을 통해 rules, agents, skills, MCP 등을 정의하고 각 도구의 Native Format으로 투영하는 Generator 구현
- Link-rebaser 로직을 통해 타겟 도구별로 상이한 파일 경로 및 참조 구조를 동적으로 재작성하는 경로 최적화 수행
- 지원하지 않는 기능을 메타데이터 형태로 임베딩하여 원본 설정을 복원하는 Lossless Round-trip 메커니즘 적용
- CI 환경 내 Lock file 기반의 Drift Detection으로 설정 불일치 자동 감지 체계 구축
- JSON Schema 기반의 유효성 검사 및 정적 타입 API 제공을 통한 설정 오류 원천 차단
실천 포인트
- 다수 도구에 중복 적용되는 설정이 있다면 '추상화 계층 -> 타겟 생성' 패턴의 Generator 도입 검토 - 서로 다른 파일 시스템 경로를 참조하는 설정 간의 연결성을 확보하기 위한 Path Rebaser 로직 설계 - 타겟 시스템의 기능 제약으로 인한 정보 손실을 방지하기 위해 메타데이터 기반의 원본 보존 전략 수립 - 설정값의 동기화 상태를 검증하기 위한 CI 단계의 Lock-file 체크 프로세스 구축