Pyfly 베타 공개: 파이썬 타입 체크·코드 탐색 속도, 얼마나 달라졌나

Generated image

파이썬 프로젝트가 커질수록 IDE가 버벅거리고 자동완성, 타입 체크가 느려지는 상황은 꽤 흔하게 나타납니다. 메타(Meta)가 오픈소스로 공개한 Pyfly는 이런 문제를 정면으로 겨냥한 고성능 파이썬 코드 네비게이션·타입 체커입니다.

최근 Pyfly가 알파를 지나 베타 버전에 도달했는데, 단순한 버전업이 아니라 실제 대규모 서비스(인스타그램 코드베이스)에서 검증된 기능과 성능 개선이 담겨 있다는 점이 핵심입니다.

아래에서 Pyfly가 어떤 도구인지, 베타에서 무엇이 달라졌는지, 어떤 한계와 과제가 남아 있는지를 차례대로 정리합니다.

Pyfly란 무엇이고, 베타라는 의미는 무엇인가

Pyfly는 파이썬 코드를 빠르게 탐색하고 정적 타입 체크를 수행하는 오픈소스 도구입니다. 언어 서버 역할과 타입 체커 역할을 동시에 수행하며 IDE 확장으로 사용하는 구조입니다.

이번에 공개된 것은 베타 버전입니다. Pyfly 기준으로 베타는 다음 두 가지 상태를 의미합니다.

IDE 확장 기능은 일반 사용에 적합한 수준으로 안정화
타입 체크 기능은 대부분 동작하지만, 일부 엣지 케이스 보완이 남아 있는 상태

즉, 실무 프로젝트에 바로 써볼 수는 있지만, 특정 복잡한 패턴이나 덜 알려진 조합에서 버그가 발견될 수 있는 단계입니다.

Pyfly는 공식 사이트 pyfly.org에서 문서를 확인하고 샌드박스로 직접 시도할 수 있으며, 아래 IDE용 확장이 지원됩니다.

VS Code
PyCharm
Neovim
일부 AI 코드 에디터

IDE 환경에서 바로 설치해 실험해볼 수 있을 정도의 완성도는 확보된 셈입니다.

왜 Pyfly가 필요했나: 거대한 파이썬 코드베이스의 현실

Pyfly가 개발된 출발점은 메타의 인스타그램 코드베이스였습니다. 인스타그램 개발자들은 IDE에서의 코드 탐색 속도가 지나치게 느리다는 문제에 지속적으로 부딪혔습니다.

특히 다음과 같은 기능이 대형 코드베이스에서 제대로 작동하지 않는 상황이 반복됐습니다.

자동완성
정의로 이동(go to definition)
정적 타입 체크

코드 양이 많아지면 언어 서버가 모든 정보를 따라가지 못해, 사실상 기능이 "있지만 없는" 수준이 되는 경우가 많습니다.

이 때문에 메타 내부에서는 대규모 파이썬 코드베이스에도 견딜 수 있는 언어 서버와 타입 체커가 필요했고, 그 결과물이 Pyfly입니다. 현재는 인스타그램 개발에 참여하는 모든 개발자의 기본 언어 서버 및 타입 체커로 Pyfly가 사용되고 있습니다.

이 말은 곧, 중소 규모 프로젝트에서의 성능과 안정성은 이미 충분히 검증됐다고 볼 수 있습니다.

Pyfly IDE 확장: 대규모 코드에도 끊기지 않는 탐색 경험

이번 베타에서 가장 강조되는 부분은 IDE 경험의 안정성과 확장성입니다. Pyfly 팀은 "어떤 규모의 파이썬 코드베이스든 IDE가 자연스럽게 따라갈 것"을 목표로 최적화를 진행했습니다.

현재 Pyfly IDE 확장은 다음과 같은 특징을 보입니다.

인스타그램 수준의 초대형 코드베이스에서 기본 언어 서버로 사용 중
실서비스 코드베이스에서 전투 테스트를 거친 상태
개발 중 나온 각종 성능 병목을 지속적으로 제거

또한 사용자 피드백을 반영해 다음과 같은 실용 기능이 추가됐습니다.

파일 이름 변경 시 import 경로 자동 업데이트
Jupyter Notebook에 대한 지원

파일 이름을 바꿨는데 모듈 import를 일일이 손으로 찾아 고치는 일을 줄일 수 있고, 데이터 분석·실험 환경에서 자주 사용하는 노트북에서도 동일한 네비게이션과 타입 체크 경험을 제공한다는 점이 특징입니다.

정적 타입 체크 성능: 알파 대비 최대 95% 시간 단축

Pyfly의 핵심 목표 중 하나는 정적 타입 체크를 빠르게 수행하는 것입니다. 단순히 "타입을 체크할 수 있다" 수준이 아니라, 복잡한 의존성을 가진 프로젝트에서도 실용적인 속도를 유지하는 것이 관건입니다.

초기 알파 단계에서도 Pyfly는 다음을 목표로 설계되었습니다.

타입 추론(type inference)을 적극 활용해 코드의 더 넓은 영역을 분석
프로그램을 실행하기 전에 타입 관련 버그를 빠르게 발견
mypy 같은 기존 도구보다 속도 면에서 유리한 동작을 지향

그 이후 베타까지 가는 과정에서 성능 개선 작업이 집중적으로 진행되었습니다. 특히 다음과 같은 환경에서의 성능이 크게 나아졌습니다.

가상 환경(virtualenv)
node_modules
기타 대용량 의존성을 포함한 대형 프로젝트

이 과정에서 일부 대형 프로젝트의 타입 체크 시간은 초기 알파 버전에 비해 95% 이상 단축되는 결과가 나왔습니다. 단순 최적화 수준이 아니라, "쓰기에 버거운 도구"에서 "실제 개발 루프에 넣을 수 있는 도구"로 올라섰다고 볼 수 있습니다.

서드파티 라이브러리 타입 지원: 설정 부담 줄이기

실무 파이썬 프로젝트는 순수 파이썬 코드만으로 구성되는 경우가 거의 없습니다. 수많은 서드파티 라이브러리 위에 얹혀 있는 경우가 대부분입니다. 이때 타입 정보가 제대로 준비되어 있지 않으면 타입 체커는 곧바로 한계를 드러냅니다.

이를 줄이기 위해 Pyfly는 다음 방향으로 기능을 확장했습니다.

인기 있는 서드파티 라이브러리에 대한 타입 스텁을 자동 포함
프로젝트 설정 파일에서 불필요한 억제(suppression)나 추가 설정을 줄이는 방향으로 개선

이 덕분에 많은 프로젝트에서 추가 설정 없이도 서드파티 의존성에 대한 타입 이해도가 높아지는 효과가 있습니다. 타입 스텁을 일일이 설치하거나, 여러 설정 파일을 손보는 작업을 줄이는 데 의미가 있습니다.

Pydantic·Django 지원: 도메인 특화 패턴까지 정적 분석

실무에서 특히 많이 사용되는 두 가지 라이브러리가 있습니다. Pydantic과 Django입니다. 이들 라이브러리는 고유의 패턴과 메타 프로그래밍을 활용하기 때문에, 일반적인 타입 체커가 제대로 따라가기 어렵습니다.

Pyfly 베타에서는 이에 대해 다음과 같은 초기 지원이 포함되어 있습니다.

Pydantic과 Django에서 가져오는 핵심 객체들을 인식
해당 객체들을 사용하는 과정에서 잘못된 사용으로 인한 일부 오류를 정적 분석 단계에서 탐지

즉, 코드 실행 전에 일부 Pydantic/Django 사용 실수를 잡아낼 수 있는 수준의 지원이 추가된 상태입니다.

구체적으로 어떤 기능이 어느 정도까지 지원되는지는 Pyfly 공식 문서에서 상세 목록을 확인할 수 있으며, 향후 더 많은 기능이 순차적으로 포함될 예정입니다.

타입 시스템 적합도와 버그 처리: 수치로 보는 베타의 성숙도

Pyfly 팀은 지난 6개월 동안 사용자 피드백을 바탕으로 오류 수정과 타입 시스템 적합도 향상에 상당한 시간을 투입했습니다.

지금까지의 진행 상황은 다음과 같이 정리할 수 있습니다.

사용자들이 올린 버그 이슈 350건 이상을 처리 완료
Python 공식 타이핑 사양의 준수를 측정하기 위해 Python conformance test suite를 활용
알파 공개 시점에는 타이핑 사양 적합도 39% 수준
현재 베타 시점에는 70% 적합도까지 도달

따라서 Pyfly는 아직 완전한 타입 사양 구현 단계에 이르지는 않았지만, 짧은 기간 동안 수치상 눈에 띄는 성숙도 향상을 이뤄낸 상태입니다. 매주 적합도가 조금씩 올라가는 형태로 개선이 이어지고 있습니다.

향후 계획과 현실적 한계: 베타에서 정식까지 남은 거리

이번 베타 릴리스는 Pyfly 개발 과정에서 하나의 큰 이정표이지만, 정식(stable) 릴리스까지는 해야 할 일이 상당량 남아 있습니다.

현재 Pyfly 상태에서 예상되는 현실적인 특성은 다음과 같습니다.

여전히 일부 거친 부분과 간헐적인 버그 존재 가능
특정 기능은 계속 활발히 개발 중인 상태

앞으로의 개발 우선순위는 다음 방향에 맞춰 잡혀 있습니다.

Django를 포함해 인기 서드파티 라이브러리에 대한 지원 강화
Python 타입 시스템에서 아직 구현이 안 된 기능들을 추가 구현
사용 중 발견되는 버그 지속적 수정

사용자는 GitHub 이슈나 Discord 커뮤니티를 통해 버그 리포트, 피드백, 질의응답, 기여 논의에 참여할 수 있습니다. 오픈소스 특성상 실제 사용자가 많이 늘어날수록, 버그와 엣지 케이스가 더 빠르게 드러나고, 그만큼 개선 속도도 빨라질 가능성이 있습니다.

Pyfly 베타를 바라보는 관점: 도입 전 체크할 지점들

Pyfly는 인스타그램 코드베이스에서 기본 도구로 사용된다는 점, 알파 대비 타입 체크 시간을 최대 95% 이상 단축했다는 점, 타이핑 사양 적합도 39% → 70%로 향상됐다는 점에서 상당히 의미 있는 성과를 보여주고 있습니다.

다만, 몇 가지 현실적인 제약과 고려사항이 예상됩니다.

첫째, 베타 단계라는 특성상, 모든 프로젝트 유형과 언어 기능 조합에서 안정적인 동작을 보장하기는 어렵습니다. 특히 타입 힌트를 과감하게 활용하는 코드나, 메타 프로그래밍을 많이 쓰는 코드에서는 예기치 못한 동작이 발생할 가능성이 있습니다.

둘째, 서드파티 라이브러리 지원은 일부 인기 라이브러리(Pydantic, Django 등)에서 시작된 상태이며, 모든 주요 라이브러리의 세부 기능까지 즉시 대응되지는 않을 가능성이 큽니다. 이 부분은 프로젝트에 따라 도입 효과의 편차를 만들어낼 수 있습니다.

셋째, 타입 사양 적합도 70%는 숫자만 보면 꽤 높은 수치처럼 보이지만, 나머지 30% 영역에 어떤 기능이 포함되어 있는지에 따라 실사용 체감은 크게 달라질 수 있습니다. 아직 구현되지 않은 기능이 실제 코드에서 자주 쓰이는 요소라면, 도입 초기에 혼란이 발생할 여지도 있습니다.

정리하면, Pyfly는 대규모 파이썬 코드베이스에서 IDE 탐색과 타입 체크 품질을 눈에 띄게 끌어올릴 잠재력을 가진 도구이며, 이미 실서비스 환경에서 활용될 만큼의 성숙도에 도달한 상태입니다. 동시에, 베타 단계 특성상 프로젝트 도입 시에는 파일 구조, 사용 라이브러리, 타입 사용 패턴을 고려한 시험 도입이 현실적으로 필요해 보입니다.

파이썬 코드베이스가 커지면서 IDE 응답 속도와 타입 체크 시간을 고민하고 있다면, Pyfly의 현재 기능과 향후 로드맵을 함께 비교해 보면서 언제, 어느 범위에 도입하는 것이 적절한지를 검토하는 접근이 합리적인 선택에 가까워 보입니다.

출처 및 참고 :