무신사, AI 코드 리뷰 도입으로 개발 생산성 향상

무신사는 AI 코드 리뷰 도입을 위해 Anthropic의 claude-code-action@v1을 활용했다. 과거에는 EKS(Kubernetes)에 LLM 서버를 직접 구축해야 하는 등 높은 진입 장벽이 존재했다. 하지만, claude-code-action@v1의 출시로 인해 몇 줄의 YAML 설정만으로 AI 코드 리뷰를 도입할 수 있게 되었다. 이는 GitHub Actions을 통해 자동화된 코드 리뷰 파이프라인을 구축할 수 있게 된 덕분이다. 이로써 개발자들은 인프라 구축에 들이는 시간과 노력을 줄이고, 코드 리뷰 자체에 집중할 수 있게 되었다.

무신사는 AI 코드 리뷰 시스템을 전사적으로 확장하기 위해, 개인 토큰 대신 전사 공용 Claude 토큰을 활용하는 방식을 도입했다. 또한, PR(Pull Request)에 쌓이는 AI 코멘트의 노이즈를 줄이기 위해, 상태 기반 정책을 적용했다. 즉, 사람이 답글을 달았거나 Resolved 처리된 스레드는 보존하고, 상호작용 없는 미해결 코멘트는 삭제하는 방식으로 PR 타임라인을 관리했다. 더 나아가, Composite Action을 활용하여 코드 리뷰 관련 로직을 중앙 집중화하고, 각 서비스 레포지토리에서는 몇 줄의 설정만으로 AI 리뷰를 사용할 수 있도록 했다.

무신사는 최신 LLM의 제로샷(Zero-shot) 능력을 극대화하기 위해 Minimalist Prompting 전략을 채택했다. 즉, 핵심 목표만 명확히 제시하고, 모델이 스스로 판단하도록 유도하는 것이다. 이는 프롬프트가 길어질수록 핵심 지시가 부가적인 규칙에 묻히고, 모델의 추론 능력이 제한되는 문제를 해결하기 위함이다. 이 전략을 통해, AI는 코드 리뷰 시 불필요한 정보에 얽매이지 않고, 코드의 핵심적인 문제에 집중할 수 있게 된다. 결과적으로, AI 코드 리뷰의 정확성과 효율성을 동시에 향상시킬 수 있었다.

무신사는 PR(Pull Request) 내 AI 코멘트 관리를 위해 GraphQL을 활용한 맥락 보존 삭제(Context-Aware Deletion) 규칙을 적용했다. 이 전략은 PR에 커밋이 추가될 때마다 이전 코멘트와 새 코멘트가 뒤섞이는 문제를 해결한다. 구체적으로, Resolved(해결됨) 상태이거나, 사람이 답글을 단 Conversation(대화 중)은 보존하고, 미해결 상태이면서 사람의 개입 없이 봇 혼자 떠드는 고립된 코멘트만 삭제한다. 이로써 개발자들의 코멘트와 히스토리는 보호하면서, AI의 피드백은 적시에 제공하는 쾌적한 리뷰 환경을 구축했다.

무신사는 Personalization 팀을 시작으로 AI 코드 리뷰를 전사적으로 확장했다. Frontend, Backend, ML 엔지니어 등 다양한 직군이 함께 사용하는 GitHub PR에 AI 코드 리뷰를 도입하여, 팀 전체의 개발 생산성 향상을 도모했다. 각 직군 모두가 명확한 개선 효과를 경험하면서, 팀 전체 레포지토리로의 확장이 자연스럽게 이루어졌다. 이는 무신사가 추구하는 AI First 가치와 자동화된 생산성 향상을 위한 노력의 결과이다. 또한, 개발자들의 적극적인 참여를 통해 AI 코드 리뷰가 단순한 도구를 넘어, 조직 문화로 자리 잡는 데 기여했다.