본문으로 건너뛰기

커뮤니티

팁 운영진 번역

GitHub Docs: 작업 단계별로 알맞은 AI 도구 고르기

리퀘오 운영팀

이 글은 GitHub Docs의 안내 문서를 한국어로 옮긴 것으로, 소프트웨어 개발 주기 각 단계에서 어떤 GitHub AI 도구를 써야 할지 정리한 내용이다. Copilot을 이미 쓰거나 도입을 앞둔 개발자에게 작업별 도구 선택 기준을 제공한다.

1. 개요
AI 도구는 이제 개발자의 일상 워크플로에 자리 잡았다. 어떤 작업에 어떤 도구를 쓸지 아는 것이 경쟁력의 일부다. GitHub의 AI 도구는 소프트웨어 개발 주기(SDLC) 전 단계를 돕는다.

- 기획: Copilot Chat으로 기술 선택을 브레인스토밍하고 아이디어를 이슈로 만들 수 있다. Copilot 클라우드 에이전트는 저장소를 조사해 구현 계획을 세우는 데 쓰인다.
- 코드 작성: Copilot 인라인 제안은 입력하는 대로 코드를 보완한다. 다음 편집 제안은 앞으로 할 편집을 예측해 제안한다. Copilot Chat은 대화형으로 질문에 답하고 제안을 준다. 열린 이슈에 Copilot 클라우드 에이전트를 배정하면 자동으로 풀 리퀘스트를 올리거나, 브랜치를 열어 코드 변경을 반복한 뒤 풀 리퀘스트를 만들 수 있다.
- 리뷰: IDE 안에서 또는 GitHub의 풀 리퀘스트 리뷰 형태로 피드백을 받는다.
- 테스트: Copilot Chat이 테스트 작성과 디버깅을 돕는다.
- 배포: Copilot Chat이 CI/CD 파이프라인 구성을 돕는다.
- 운영: Copilot 클라우드 에이전트가 열린 이슈에 대한 풀 리퀘스트를 올리고, Copilot Chat은 직접 처리 중인 작업을 돕는다.

2. 기획
기획 단계에서는 목표와 범위, 요구사항을 정하고 무엇을 어떻게 만들지 방향을 잡는다. GitHub에서는 Copilot 기반 이슈 생성 기능으로 아이디어 추적을 간소화할 수 있다. 짧은 자연어 프롬프트를 주거나 이미지를 올리면 Copilot이 구조화된 이슈를 만들어 준다. 다룰 이슈를 정한 뒤에는 Copilot Chat으로 프로젝트 아이디어를 브레인스토밍하고 필요한 도구와 라이브러리, 자료를 알아볼 수 있다. 예를 들어 습관 추적과 맞춤 추천을 제공하는 웹 앱을 만들고 싶다며 어떤 기능과 기술을 쓸 수 있을지 물어보는 식이다.

3. 작성
작성 단계에서는 기능 구현과 버그 수정, 코드베이스 반복 개선으로 프로젝트를 구체화한다. Copilot은 IDE나 GitHub에서 코드를 쓰는 동안 자동 완성 형태의 코딩 제안을 제공한다. 코드를 직접 쓰거나 IDE 주석으로 의도를 자연어로 설명하면 Copilot이 관련 제안을 생성한다. 다음 편집 제안 기능은 현재 하는 변경을 바탕으로 연관된 편집을 예측한다. 변수 이름을 바꾸거나 함수 매개변수를 고치면 코드 전반의 대응 변경을 제안해 일관성을 유지하고 오류 가능성을 줄인다.

Copilot Chat은 세 가지 모드로 쓸 수 있다.

- 질문 모드: 페어 프로그래머처럼 코딩 작업을 돕고 어려운 개념을 설명하며 코드를 개선한다. 예를 들어 어떤 JavaScript 함수가 왜 for 문 대신 forEach 루프를 쓰는지 설명해 달라거나, JavaScript의 let, const, var 차이와 각각 언제 쓰는지 물을 수 있다.
- 편집 모드: Copilot이 제안하는 편집을 더 세밀하게 통제하고 싶을 때 쓴다. 어떤 파일을 바꿀지 고르고, 반복마다 맥락을 주고, 제안 편집을 받을지 결정한다. 예를 들어 calculateTotal 함수를 읽기 쉽고 효율적으로 리팩터링하거나, 기대대로 동작하지 않는 로그인 함수를 디버깅하거나, 코드를 Python의 PEP 8 스타일 가이드에 맞게 정리해 달라고 요청할 수 있다.
- 에이전트 모드: 반복 작업을 자동화하고 프로젝트 안에서 워크플로를 관리한다. 코드를 바꾼 뒤 풀 리퀘스트를 만들거나, 작업하는 동안 백그라운드에서 테스트와 린터를 실행할 수 있다. 예를 들어 user-auth 모듈의 최근 변경에 대한 요약을 포함한 풀 리퀘스트를 만들거나, payment-processing 모듈의 모든 테스트와 린터를 실행하고 발견된 문제를 요약해 달라고 할 수 있다.

4. 리뷰
리뷰 단계는 코드의 품질과 신뢰성을 확보한다. 변경을 분석하고 잠재적 문제를 찾아 코드베이스의 구조와 기능을 개선한다. IDE에서 코딩하는 중에 Copilot에게 변경 일부를 선택해 1차 리뷰를 요청하면 작은 수정에 빠른 피드백을 받을 수 있다. 파일이나 프로젝트 전체 변경에 대한 더 깊은 리뷰를 요청할 수도 있다. GitHub 웹사이트에서 다른 사람의 피드백을 받을 준비가 되면 먼저 풀 리퀘스트에 Copilot을 리뷰어로 지정한다. 그러면 사람이 리뷰하기 전에 코드 품질을 높일 지점이나 잠재적 버그를 짚는 댓글이 자동으로 달린다.

5. 테스트
테스트 단계는 애플리케이션이 의도대로 동작하는지 검증한다. 배포 전에 버그를 잡고 기능을 확인하며 코드 품질을 유지하도록 테스트를 작성하고 실행한다. Copilot Chat은 단위 테스트와 통합 테스트 생성, 실패 디버깅, 추가 테스트 케이스 제안으로 포괄적인 커버리지를 돕는다. 예를 들어 팩토리얼 계산 함수의 단위 테스트를 0과 음수 같은 경계 사례까지 포함해 작성하거나, Python의 unittest 프레임워크로 테스트를 실행하는 방법을 묻거나, BankAccount 클래스의 deposit 함수에 NotificationSystem을 모의 객체로 대체한 통합 테스트를 작성하거나, 모듈 전체 커버리지를 위해 어떤 테스트를 더 넣어야 할지 물을 수 있다.

6. 배포
배포 단계는 코드를 프로덕션에 올릴 준비를 하고 원활한 릴리스를 보장한다. Copilot Chat은 배포 스크립트 구성과 CI/CD 파이프라인 설정, 문제 해결을 돕는다. 예를 들어 GitHub Actions로 Node.js 애플리케이션을 AWS EC2 인스턴스에 배포하는 스크립트를 작성하거나, Python 애플리케이션을 빌드·테스트·배포하는 GitHub Actions 워크플로를 Heroku에 맞게 설정하거나, 배포 로그를 분석해 실패 원인을 제안해 달라고 할 수 있다.

7. 운영
운영 단계는 프로덕션의 애플리케이션을 유지·모니터링해 원활하게 동작하고 사용자 기대를 충족하도록 하는 데 초점을 둔다. 프로덕션 문제 디버깅, 성능 최적화, 시스템 신뢰성 확보가 주된 작업이다. Copilot 클라우드 에이전트는 저장소를 스스로 살펴 잠재적 수정을 찾고 제안 변경을 담은 풀 리퀘스트를 만든 뒤 리뷰를 요청하는 자율 에이전트로 쓸 수 있다. 직접 처리하는 이슈에는 Copilot Chat으로 로그 분석과 디버깅, 최적화 제안을 받는다. 예를 들어 오류 로그를 분석해 원인을 제안하거나, 메모리 사용량을 모니터링하다 임계값을 넘으면 알리는 스크립트를 작성하거나, 데이터베이스 쿼리를 최적화하는 방법을 물을 수 있다.

8. 다음 단계
다음 작업을 시작하기 전에 잠시 시간을 내어 더 빠르고 효율적으로 일할 수 있는 도구를 골라 보자. 여러분은 다음 작업에 맞는 AI 도구를 고를 준비가 되었는가? 이 안내를 읽고 각 단계에서 어떤 도구를 쓰는지 직접 써 본 경험이 있다면 댓글로 공유해 달라.

---
출처: GitHub Docs 「작업에 맞는 AI 도구 선택하기」 (GitHub)
https://docs.github.com/en/copilot/concepts/agent-capabilities/choosing-and-delegating-agent-work/ai-tools
라이선스: CC BY 4.0 https://creativecommons.org/licenses/by/4.0/deed.ko
변경 사항: 리퀘오 운영팀이 2026-11-10에 한국어로 번역하고 일부 축약·재구성했습니다. 원문 작성자가 이 번역을 보증하지 않습니다.

로그인하면 누를 수 있습니다. 로그인하면 저장하고 새 답글 알림을 받을 수 있습니다.

답글 0

아직 답글이 없습니다.