Your AI Agent Starts Every Session Like a New Hire - Killian Carlsen-Phelan, Sonar

한 줄 핵심

Sonar Vortex는 코딩 에이전트가 코드를 쓰기 전에 프로젝트 맥락과 보안 규칙을 주입하고, 변경과 동시에 결정론적으로 검증해 재작업·토큰 낭비·보안 리스크를 줄이는 방법을 보여준다.

시간별 요약

1. 0:00
   소개 Sonar는 독립적인 코드 검증 플랫폼이며, 이 발표는 에이전틱 코딩 루프 안으로 검증을 옮기는 방법을 다룬다.
2. 0:26
   모든 에이전트 세션은 처음부터 시작한다 새 에이전트 세션은 기존 규칙과 아키텍처를 전혀 모르는 상태에서 시작하므로, 매번 저장소를 탐색하며 맥락을 찾고 토큰과 시간을 소모한다. 이런 상태에서는 기존 코드의 문제 패턴이 그대로 복제되기 쉽고, 이후 품질 유지가 매우 어려워진다.
3. 1:59
   Sonar Vortex가 하는 일 Sonar Vortex는 사용하는 코딩 에이전트에 연결되는 플러그인으로, 코딩을 시작하기 전에 프로젝트 정보를 알게 하고 변경이 새 문제를 만들지 않도록 결정론적으로 검증한다.
4. 2:25
   테스트로는 잡히지 않는 버그 에이전트가 짧은 기능을 만들면서 테스트까지 작성했지만, 임시 파일 권한을 명시하지 않아 보안 문제가 발생했다. 이런 문제는 테스트로 포착하기 어렵고 리뷰 단계에서 놓치기 쉬우며, 발견 후에는 다시 수정·재검토·재배포를 반복해야 한다.
5. 3:35
   96%는 AI 코드를 신뢰하지 않고, 48%만 검증한다 조사 결과 대부분의 개발자는 AI 생성 코드를 완전히 신뢰하지 않지만, 실제로 배포 전에 전부 검증하는 비율은 절반에도 못 미친다. 빠른 생성 속도에 비해 재작업은 느리기 때문에, PR 단계에서 문제를 발견하면 이미 뒤처진 상태가 된다.
6. 4:26
   Vortex가 에이전트를 안내하는 방식 Vortex는 코드베이스 전체를 탐색하게 두는 대신 아키텍처 가이드, 허용 라이브러리, 코딩 표준 같은 맥락을 먼저 제공해 에이전트가 바로 올바른 파일로 가게 만든다. 또한 매 편집마다 빠른 검사를 실행하고, 종료 전에는 더 깊은 보안·교차 파일 데이터 흐름 검사를 수행해 수정까지 이어지게 한다.
7. 7:00
   토큰 36% 절감 Vortex는 에이전트에 쉽게 붙일 수 있으며, 특히 기존 코드 리팩터링에서 평균 36% 적은 토큰을 사용한다. 프로덕션 장애도 44% 줄었고 오탐이 낮아, 개발 흐름을 방해하지 않으면서 검증을 추가하는 효과가 있다.
8. 8:08
   SonarQube를 에이전트 루프에 가져오기 SonarQube가 오랫동안 쌓아온 보안·유지보수성·데이터 흐름 분석 지식을 서버에 유지해 두고, 이를 에이전트의 초기 맥락으로 재사용한다. 그래서 CI의 기존 스캔 결과를 바탕으로 에이전트가 스스로 코드를 쓰고 스스로 확인하는 구조가 된다.
9. 9:01
   실제 작업 데모 데모에서는 별도 프롬프트 입력 없이 세션 시작과 함께 SonarQube, CLI, 훅, secrets detection이 자동으로 활성화된다. 에이전트는 먼저 클래스 위치와 Java 가이드를 확인하고, 기존 패턴을 파악한 뒤 구현과 테스트를 진행하며, 파일이 바뀔 때마다 자동으로 분석이 실행된다.
10. 13:03
    AI가 AI를 검사하는 방식이 아니다 결정론적 분석이 핵심이며, 에이전트가 자기 자신을 평가하거나 다른 AI가 임의로 검토하는 방식은 신뢰성이 낮다. 같은 입력에 같은 결과를 주는 검증층이 있어야 규정 준수와 예측 가능성을 확보할 수 있다.
11. 14:17
    고친 것 같았지만 실제로는 아니었던 수정 Vortex는 새로 작성한 코드와 기존 코드에서 여러 발견 사항을 잡아내고, 새 코드의 문제는 반드시 수정되도록 강제한다. 첫 수정은 기본 temp 폴더 동작에 의존해 실패했지만, 다시 분석하면서 문제가 남아 있음을 확인했고, 결국 명시적 권한 설정까지 반영해야 해결되었다.
12. 16:20
    얻을 수 있는 것 이 방식의 핵심 효과는 리뷰 왕복을 줄이고, 문제를 즉시 고치며, 더 안전한 코드를 만들고, 수정에 들어가는 시간과 비용을 낮추는 데 있다. 결과적으로 개발자는 반복 검증 부담을 덜고 더 많은 시간을 실제 개발에 쓸 수 있다.

실무 인사이트

• 에이전트의 성능은 모델 선택만이 아니라, 시작 시점에 어떤 코드베이스 맥락과 규칙을 주입하느냐에 크게 좌우된다.
• 보안·품질 검증은 PR 이후의 후처리가 아니라, 코드가 생성되는 순간에 자동으로 붙어야 재작업과 누락을 줄일 수 있다.
• 결정론적 분석을 에이전트 루프에 넣으면, AI 리뷰를 보조 수단으로 두면서도 최종 신뢰성은 별도의 검증층으로 확보할 수 있다.