Everyone Writes About AI Generating Code. Nobody Writes About AI Testing It.

Context

솔로 개발자는 코드 작성과 테스팅 간 컨텍스트 스위칭으로 인한 시간 손실과 포커스 분산에 직면해 있었다. 특히 MTG Arena 오버레이 같은 복잡한 멀티플랫폼 애플리케이션의 경우, 4개 운영체제에서 41개 테스트 케이스를 직접 실행하거나 사용자 피드백을 분류하면서 동시에 새로운 기능을 개발하기 어려웠다. 이는 QA를 건너뛰거나 출시를 중단하는 선택을 강요했다.

Technical Solution

• 슬래시 커맨드 기반 워크플로우 자동화: 마크다운으로 정의한 재사용 가능한 프롬프트 스크립트(/debug-game, /code-review 등)를 통해 파일 읽기, 셸 명령 실행, 도구 호출의 일관된 흐름 구현
• Agent Teams를 통한 병렬 조사: 게임 플레이 중 발견된 버그를 서술하면, 백그라운드 에이전트가 코드 경로 추적, 애플리케이션 로그 검사, 게임 클라이언트 로그 분석을 독립적으로 병렬 실행하면서 부모 대화는 상호작용 유지
• 자동화된 피드백 수집 파이프라인: Manasight UI에 "Send Feedback" 버튼을 내장하여 사용자 설명, 애플리케이션 로그, Arena Player.log를 자동 업로드하는 시스템 구축
• 신규 컨텍스트 기반 다층 코드 리뷰: 기능 스펙부터 최종 PR까지 모든 단계에서 독립적인 에이전트가 신규 컨텍스트로 5개 병렬 리뷰를 수행하고, 80점 이상 평가만 최종 피드백에 포함
• 플랫폼 특화 버그 진단: 매우 짧은 정보(로그, 동작 설명)만으로도 macOS NSPanel의 can_become_key_window: false와 set_focusable() 호출의 충돌 같은 플랫폼 특화 버그를 원인 파악 후 한 줄 가드(#[cfg(target_os = "windows")])로 해결

Impact

아티클은 정량적 성능 수치(속도 향상 %, 버그 감소율, 시간 절감 등)를 명시하지 않았다.

Key Takeaway

독립적인 에이전트가 신규 컨텍스트에서 병렬로 작동하는 구조는 인간 개발자가 상호작용적으로 문제를 보고할 때 최고의 효율을 발휘한다. AI 생성 코드의 품질은 AI의 역량이 아니라 인간 리뷰의 깊이와 위험도에 따른 선택적 검토에 결정된다.