생성형 AI 도구를 활용하여 작성 및 편집된 노트입니다.
Continue로 ‘AI 체크’를 소스 관리해 CI에서 강제하는 방법
최근 HN에 “Continue로 AI 체크를 소스 컨트롤로 관리하고, CI에서 강제할 수 있다”는 소개가 올라오며 개발자들 사이에서 화제가 됐습니다1. 요지는 간단합니다. AI를 ‘개인 비서’로만 쓰지 말고, 팀 규칙으로 만들어 파이프라인에서 일관되게 통과/실패를 판단하자는 거죠.
소스 컨트롤되는 AI 체크란? “말로 쓰는 규칙”을 코드처럼 다루기
기존 CI는 테스트, 빌드, 린트처럼 “참/거짓”으로 깔끔히 판정 가능한 작업에 강합니다. 그런데 실제로는 “문서가 구현과 어긋나지 않는가?”, “이 변경이 의도치 않은 동작을 만들지 않는가?”처럼 사람이 맥락을 보고 판단해야 하는 일이 더 자주 발목을 잡습니다.
여기서 등장하는 개념이 ‘Continuous AI’입니다. 규칙을 복잡한 정규식이나 방대한 스키마로 우겨 넣는 대신, 자연어로 기대사항을 적고 에이전트가 저장소 맥락을 읽어 점검하는 방식이죠2. 중요한 포인트는 ‘자동화’가 아니라 ‘표준화’입니다. 팀이 합의한 기준을 프롬프트(체크리스트)로 만들고, 그걸 PR마다 반복 실행해 편차를 줄입니다.
Continue가 유리한 이유: IDE의 문맥 수집 능력이 ‘검증’에도 이어진다
Continue는 단순 채팅 도구가 아니라, 코드 문맥을 꽤 집요하게 끌어모으는 구조를 갖고 있습니다. 예를 들어 VS Code 확장에서는 LSP(Language Server Protocol)를 통해 정의/타입 정의/구현/레퍼런스를 조회하고, Tree-sitter로 AST를 파싱해 “커서 주변에서 중요한 심볼이 뭔지”를 더 정확히 잡아냅니다3. 게다가 타입 정의를 재귀적으로 따라가며(깊이 제한 포함) 관련 타입 정보를 모아 중복 없이 구성하는 방식도 씁니다3.
이런 문맥 수집은 자동완성의 품질만 올리는 게 아니라, “AI 체크”의 신뢰도를 끌어올리는 기반이 됩니다. 예를 들어 “이 함수 시그니처가 바뀌면 어떤 타입/호출부가 영향을 받는가?” 같은 질문은, 텍스트 검색만으로는 놓치기 쉬운데 LSP 기반 문맥은 그 구멍을 줄여줍니다.
CI에서 ‘강제 가능한’ 체크를 만들 때의 핵심: 권한, 출력, 그리고 실패 기준
AI를 CI에 붙이면 제일 먼저 나오는 걱정은 이겁니다. “그래서, 얘가 멋대로 PR을 열거나 코드를 바꾸면?” 최근 에이전트형 CI 논의에서는 이 부분을 구조적으로 막는 흐름이 강합니다. 기본은 읽기 전용, 그리고 어떤 결과물을 만들 수 있는지(이슈/PR/코멘트 등)를 미리 제한하는 ‘Safe Outputs’ 같은 접근이 대표적이죠24.
실무적으로는 “AI가 제안은 하되, 머지는 사람이”라는 선을 지키는 게 좋습니다. 즉, CI 단계에서는 다음 3가지를 명확히 합의해야 합니다.
첫째, 무엇을 검사할지(예: 문서-구현 불일치, 보안 위험 패턴, 성능 퇴행 징후 등).
둘째, 어떤 형태로만 결과를 낼지(예: 코멘트만 허용, 혹은 패치 파일 생성까지만).
셋째, 어떤 조건이면 실패로 볼지(예: ‘불일치 의심’이 아니라 ‘재현 절차와 근거가 있는 불일치’만 실패 처리). 이 실패 기준이 흐리면, AI 체크는 금세 “시끄러운 봇”이 됩니다.
시사점: ‘AI를 쓰는 팀’이 아니라 ‘AI 기준을 운영하는 팀’으로
Continue로 AI 체크를 소스에서 관리하면, 새로 온 팀원도 같은 기준으로 리뷰를 받습니다. “누구는 꼼꼼하고 누구는 대충”이 아니라, 기본 위생 점검을 저장소가 대신해주는 구조가 되죠. 다만 시작은 크게 잡지 않는 게 좋습니다. 가장 효과가 빠른 건 문서-동작 불일치 점검이나, 반복되는 리팩터링 가이드 준수처럼 범위가 명확한 체크입니다2.
한 줄 조언으로 마무리하면 이렇습니다. AI를 ‘도구’로만 두면 개인 생산성에서 끝나고, AI를 ‘규칙’으로 만들면 팀 생산성으로 번집니다. Continue의 포인트는 바로 그 규칙을 “소스 컨트롤 + CI 강제”로 운영 가능하게 만든다는 데 있습니다1.
참고
1Show HN: Continue – Source-controlled AI checks, enforceable in CI
2Continuous AI in practice: What developers can automate today with agentic CI
3LSP Context Integration | continuedev/continue | DeepWiki
4GitHub’s Agentic Workflows bring “continuous AI” into the CI/CD loop