Zencoder는 어떻게 엔터프라이즈 코딩 에이전트를 만들고 있을까?

개발 업무에서 가장 반복적이고 지루한 작업은 어떤 것일까요? 기능 구현보다도 더 많은 시간을 쓰는 단위 테스트 작성, 코드 리뷰, 리팩토링 같은 작업이 아닐까요? 이런 작업은 단순하지만 중요합니다. 그리고 바로 이런 반복 업무를 줄이기 위해 많은 개발 팀들이 AI 기반 코딩 도구에 눈을 돌리고 있습니다. 문제는 대부분의 도구가 실제 업무에 쓸 만큼 정교하지 않다는 점입니다.

Zencoder는 이런 고민에서 출발했습니다. 단순한 코드 자동 완성 도구가 아닌, 신뢰도 높은 에이전트 기반 코딩 플랫폼으로 자리 잡기 위해 Anthropic의 Claude 모델을 중심으로 에이전트 파이프라인을 구축해 나가고 있습니다. 이 글에서는 Zencoder가 어떻게 코딩 에이전트를 만들고, 어떤 방식으로 실제 개발 업무에 적용하고 있는지, 그리고 다른 도구들과 어떤 차별점을 갖는지 살펴봅니다.

반응형

Zencoder는 무엇을 만드는가?

Zencoder는 AI 기반 코딩 도구이지만 단순한 코드 컴플리션 툴은 아닙니다. 각 작업을 수행하는 독립적인 에이전트를 설계하고, 이들을 조합해 복잡한 개발 업무를 자동화하는 파이프라인을 구축합니다. 이 에이전트들은 Claude Sonnet 4나 Opus 4 같은 최신 모델을 기반으로 작동하며, 코드 작성뿐 아니라 테스트, 리뷰, 리팩토링 등 다양한 작업을 담당합니다.

Zencoder의 창업자 Andrew Filev은 Wrike에서 30,000개가 넘는 자동화 테스트를 운영했던 경험을 통해, 반복적인 개발 작업이 얼마나 많은 리소스를 소모하는지 잘 알고 있었습니다. 그래서 “에이전트”라는 개념이 주목받기 전부터, LLM을 단순한 챗봇이 아닌 문맥을 이해하고, 작업을 실행하고, 스스로 검증할 수 있는 주체로 다뤄야 한다고 생각했습니다.

에이전트 파이프라인은 어떻게 작동하는가?

Zencoder의 핵심은 단일 모델이 아니라, 여러 모델과 에이전트를 조합한 에이전트 파이프라인입니다. 각 코드베이스마다 문맥이 다르기 때문에, Zencoder는 먼저 리포지토리를 분석하여 전체 구조와 맥락을 이해합니다. 이 과정을 내부적으로는 ‘Repo Grokking’이라 부릅니다.

이후 각 작업별 에이전트가 병렬로 작동합니다. 예를 들어, 코드 작성을 담당하는 에이전트가 먼저 결과를 내면, 테스트 에이전트가 이를 검증하고, 리뷰 에이전트가 코드 스타일이나 품질을 체크합니다. 중요한 점은 이 결과가 단순히 출력되는 것이 아니라, 다른 모델이 결과를 검토하고 피드백을 주는 자기 검증 구조를 갖추고 있다는 점입니다.

예를 들어, 모델이 문제를 50% 확률로 해결할 수 있다 해도, 그 중에서 자신 있게 해결했다고 판단되는 작업만 사용자에게 전달한다면, 전체적인 업무 효율은 비약적으로 올라갑니다. Zencoder는 이를 위해 각 결과에 대한 ‘확신 여부’를 판단하고 필터링합니다.

Zencoder는 어떻게 다른가?

많은 AI 코딩 도구가 특정 IDE(예: VS Code) 안에서 작동하도록 설계되었습니다. 예를 들어 Cursor나 Windsurf 같은 도구는 VS Code를 포크(fork)하여 자체 환경을 만듭니다. 반면 Zencoder는 IDE 독립적으로 작동합니다. VS Code, JetBrains, CLI 등 다양한 환경에서 쓸 수 있도록 설계되어 있으며, 오히려 이로 인해 엔터프라이즈 환경에서 더 유연하게 확장할 수 있습니다.

또 하나의 차별점은 에이전트 공유 기능입니다. 개발자가 만든 커스텀 에이전트를 조직 내부에서 패키징해 공유하거나, 외부 개발자와 교환할 수 있는 마켓플레이스까지 제공됩니다. 이는 단순한 자동화 도구를 넘어, 조직 전체의 개발 문화를 바꾸는 데 기여할 수 있는 구조입니다.

실제 적용 사례: Zentester

Zencoder는 최근 Zentester라는 테스트 전용 에이전트를 출시했습니다. 이 에이전트는 사용자 인터페이스나 API의 테스트를 자동으로 수행합니다. 기존에는 브라우저나 앱을 테스트하는 데 많은 수작업이 필요했지만, Claude 모델이 웹이나 GUI 환경에서 행동을 수행할 수 있도록 설계되면서, 테스트 자동화가 훨씬 정밀해졌습니다.

이러한 테스트 기능은 단순히 “작동 여부”를 확인하는 데 그치지 않습니다. 실제 프로덕션 수준의 테스트 커버리지를 확보할 수 있도록 UI 흐름을 추적하고, API 응답을 검증하며, 각 단계에서 발생할 수 있는 예외 처리까지 포함됩니다.

Zencoder는 왜 믿을 수 있는가?

많은 AI 툴이 내부 벤치마크로 성능을 자랑하지만, 실제로 업무에 적용해 보면 그 성능이 따라가지 못하는 경우가 많습니다. Zencoder는 자체적으로 개발한 벤치마크 도구를 사용하고, 고객사와 함께 모델 성능을 공동으로 검증합니다.

실제로 최근 공개된 보고서에 따르면, Zencoder의 에이전트 파이프라인은 SWE‑bench Verified 테스트 기준으로 약 70%의 성공률을 보이고 있으며, 이론적으로는 78.6%까지 문제 해결이 가능하다는 분석을 내놓았습니다. 이는 단일 모델보다 훨씬 높은 신뢰도를 의미합니다.

에이전트 생태계의 미래

Filev는 “앞으로는 개발자가 코드를 직접 작성하는 시간이 줄어들고, 대신 에이전트들이 코드를 작성, 테스트, 리뷰한 결과를 검토하는 시간이 많아질 것”이라고 말합니다. Zencoder는 이를 가능하게 하기 위해, 단순한 코드 생성 도구를 넘어 에이전트 간 상호작용과 워크플로우 자동화를 지속적으로 발전시키고 있습니다.

또한, Claude 모델이 아닌 다른 LLM(OpenAI, Google, 오픈소스 모델 등)을 조합해 사용하는 유연한 구조 덕분에, 각 작업에 가장 적합한 모델을 선택할 수 있는 강점을 갖습니다.

728x90

Zencoder는 단순히 "코딩을 도와주는 AI"가 아닙니다. 실제 업무에서 반복적으로 수행해야 하는 테스트, 리뷰, 리팩토링 등을 신뢰도 있게 자동화하고, 팀 내에서 공유하고 재사용 가능한 에이전트 생태계를 구축해 나가는 플랫폼입니다.

만약 당신이 새로운 코딩 툴을 검토 중이고, 진짜 업무에 도움이 되는 솔루션을 찾고 있다면 Zencoder는 한 번쯤 주의 깊게 살펴볼 만한 선택지입니다. 코드를 더 빠르게 작성하는 것이 아니라, 더 똑똑하게 작업을 수행하는 것, 바로 그것이 Zencoder가 추구하는 방향입니다.

https://thenewstack.io/how-zencoder-is-building-its-coding-agents/?utm_campaign=trueanthem&utm_medium=social&utm_source=facebook&fbclid=IwY2xjawLVWJVleHRuA2FlbQIxMQBicmlkETFxTnl6QmNXMFdrNkNlT3VjAR6VCtg1S9GMLnNPvBmAiwwt6kSrhMCDIoNHZ1X9Iv1E8IoHzJcX2YJ1CYtgYg_aem_gBZlUsvGLAXi_r51X7jCFw

How Zencoder Is Building Its Coding Agents