AI-DLC로 비개발자도 배포한다! 라포랩스의 Raploy 구축기
라포랩스는 AWS AI-DLC 방법론을 활용하여 비개발 직군도 배포 가능한 사내 배포 플랫폼 Raploy를 구축, 배포 자동화(Deployment Automation)를 실현함
AI-DLC 워크숍을 통해 요구사항 정의, 코드 생성, 테스트를 수행, AI 에이전트(AI Agent) 기반 개발 프로세스(Development Process)를 경험함
Raploy를 통해 15개 이상의 서비스 배포 및 운영, 비개발 직군도 플랫폼 활용, 개발 생산성 향상(Development Productivity)을 달성함
AI-DLC의 Inception 단계에서 요구사항 정의에 시간이 소요, AI-DLC 내재화(Internalization)를 위한 보완 루프(Loop) 필요
AI-DLC(AI-Driven Development Life Cycle)의 핵심 원리
AI-DLC는 AI 에이전트가 소프트웨어 개발의 전 과정을 수행하도록 설계된 프레임워크로, 기존의 바이브 코딩(Vibe Coding) 방식의 한계를 극복하고자 한다. AI-DLC는 구조화된 요구사항 정의(Structured Requirement Definition)와 룰 파일(Rule File) 기반의 일관된 코드 생성(Consistent Code Generation)을 지원한다.
Inception: 요구사항 분석, 유저 스토리 생성, 유닛 분해 등 무엇을 왜 만들지 정의(Define What and Why)
Construction: 기능 설계, 코드 및 테스트 생성, 코드 리뷰 등 어떻게 만들지 결정하고 구현(Decide How to Build and Implement)
Operations: 배포 자동화, 모니터링, 피드백 반영 등 운영 및 지속적 개선(Operation and Continuous Improvement)
AI-DLC는 하네스 엔지니어링(Harness Engineering)의 세 가지 축을 실천하며, 코드 일관성(Code Consistency)과 옵저버빌리티(Observability) 확보에 기여한다.
Raploy 아키텍처: GitOps 기반 배포 자동화
Raploy는 비개발 직군도 쉽게 배포할 수 있도록 설계되었으며, GitOps(GitOps) 방식을 통해 배포 자동화를 구현한다. 사용자가 GitHub 저장소에 코드를 푸시하면, GitHub Actions가 컨테이너 이미지를 빌드하여 Amazon ECR에 업로드한다. Raploy는 배포 설정을 raploy-config GitOps 저장소에 기록하고, ArgoCD가 변경을 감지하여 EKS 클러스터에 자동으로 반영한다.
단일 진실 공급원(Single Source of Truth): raploy-config 저장소는 “어떤 서비스가 어떤 상태로 돌아가야 하는가”에 대한 정보를 관리
모니터링: Grafana를 Raploy UI에 임베딩하여 서비스 로그와 메트릭을 배포 페이지에서 확인 가능
알림: 장애나 배포 실패 시 Slack 채널로 즉시 알림 전송
이러한 구조를 통해 수작업 배포의 오류를 줄이고, 배포 프로세스(Deployment Process)의 안정성을 높였다.
AI-DLC 워크숍: Inception 단계의 특징
라포랩스는 3일간의 AI-DLC 워크숍을 통해 Raploy를 구축했으며, Inception 단계에서 AI 에이전트의 질문을 통해 요구사항의 모호성을 제거했다. AI 에이전트는 PRD를 분석하고, 구조화된 질문을 반복적으로 생성하여 요구사항을 구체화하는 데 기여했다.
요구사항 구체화: AI 질문에 답하는 과정에서 PRD에 명시되지 않은 항목을 발견하고, User Stories와 유닛 구조를 확정
일관성 검증: AI가 9개 문서의 불일치 11건을 스스로 발견하고 수정
한계: Inception 단계가 예상보다 긴 시간을 요구하고, 결과물이 나오기 전까지 진행 상황을 가시화하기 어려움
이러한 경험을 바탕으로 AX팀은 AI-DLC를 내재화하기 위한 개선 과제를 도출했다.
AI 에이전트 자율성 증대를 위한 노력
라포랩스는 Raploy를 “AI 에이전트가 사람을 대신해 쓰는 플랫폼”으로 만들기 위해, AI 에이전트의 자율성을 높이는 작업을 진행했다. AI 플랫폼과 Raploy의 통합, Google OAuth Auth Broker 도입 등을 통해 사용자가 Raploy를 더 쉽게 사용할 수 있도록 개선했다.
AI 플랫폼 통합: AI 플랫폼에서 Raploy로의 배포 흐름을 매끄럽게 연결, AI 에이전트가 레포 코드를 분석하여 프로젝트 생성 및 설정 자동화
Google OAuth Auth Broker: Raploy 플랫폼 차원에서 Google OAuth Auth Broker를 도입, 배포된 애플리케이션이 Google Workspace API를 쉽게 사용할 수 있도록 지원
@raploy/app-auth SDK: 사용자는 크레덴셜, 토큰 갱신, 권한 범위를 의식하지 않고, Raploy가 위임받은 Google 세션을 그대로 사용
이러한 노력은 배포 과정을 단순화하고, AI 에이전트의 활용성을 높이는 데 기여했다.
AI-DLC 내재화 및 RAPID 하네스 구축
라포랩스는 AI-DLC를 실제 프로젝트에 적용하면서 발견한 개선점을 오픈소스로 기여하고, 내부 구조에 맞는 RAPID라는 하네스를 구축하여 AI-DLC를 더 잘 활용하기 위한 노력을 기울였다. RAPID는 AI-DLC의 철학을 유지하면서, 라포랩스의 기존 구조와 개발 관습에 더 잘 맞는 룰 파일, 문서 구조, 사이클로 재설계되었다.
오픈소스 기여: awslabs/aidlc-workflows 레포의 문서 구조 개선 PR 제출 및 머지
RAPID: 라포랩스 내부 구조에 맞춘 하네스 구축, AI-DLC의 룰 파일, 문서 구조, 사이클 재설계
Level 3 목표: AI-DLC를 반복적으로 적용하며 하네스를 강화, AI 에이전트의 자율성을 높이는 전략
이러한 노력은 AI-DLC를 라포랩스 환경에 최적화하고, AI 에이전트의 자율성을 점진적으로 높이는 데 기여할 것이다.
