150개 이상의 PR/주로 에이전트 코딩 확장: Lovable에서 토큰 85,000달러 사용으로 얻은 교훈

Alexander Lebedev는 2026년 1월, AI 코딩 에이전트 붐 직후에 Lovable에 합류했습니다. 6월까지 그는 몇 개의 에이전트와 함께 주당 20~30개의 병합된 PR을 수행하던 단독 개발자에서, 6~7개의 에이전트(각각 자체 하위 에이전트 스웜을 보유)를 관리하며 주당 150개 이상의 병합된 PR을 푸시하는 상태로 확장했습니다. 비용은 5월에 약 월 25,000달러, 1월 이후 총 약 85,000달러의 토큰 비용이 발생했습니다. 다음은 그가 어떻게 해냈는지와 그 과정에서 발생한 문제점들입니다.

주당 30 PR에서 150+ PR로: 아키텍처

1월에는 전통적인 방식이었습니다: 계획 모드, 권한 요청, 고전적인 인간 코드 리뷰. 6월까지 Lebedev는 다른 에이전트를 위한 작업을 작성하는 전용 에이전트를 구축했으며, 여러 수준의 구현 및 리뷰 에이전트를 두었습니다. 큰 변경 사항은 이제 단일 PR 대신 10개 PR 스택으로 제공됩니다. 인간 리뷰는 중요한 결정에만 개입하며, 코드 자체에는 거의 개입하지 않습니다.

토큰 사용처: 75% 구현, 25% 자동화

85,000달러 지출의 대부분(약 75%)은 구현(코드 생성)에 직접 사용됩니다. 나머지 25%(그리고 증가 중)는 자동화(개발 환경 외부의 AI 리뷰, 병합 후 AI 리뷰, 일상적인 자동화 작업)에 사용됩니다. Lebedev는 작업이 코드 생성 PR 루프 밖으로 이동함에 따라 자동화의 비중이 계속 증가할 것으로 예측합니다.

인간 리뷰: 예외, 규칙 아님

Lebedev는 AI가 작성한 코드의 라인별 리뷰가 어셈블리에서 고급 언어로 전환된 후 컴파일러 출력을 리뷰하는 것만큼 비실용적이라고 주장합니다. 대신, 인간 리뷰는 가장 영향력 있는 변경 사항에만 예약되며, 보통 PR이 아닌 RFC/ADR 수준(시스템 설계 논의, 화이트보드 세션, 인프라 선택)에서 이루어집니다. 단일 설계 결정이 50개의 구현 PR보다 더 큰 영향을 미칠 수 있습니다.

단점: 코드 리뷰는 학습 도구이자 지식 확산 메커니즘이었습니다. 이제 엔지니어링은 이러한 2차 효과를 보존할 새로운 방법이 필요합니다. Lebedev는 인정합니다: "아직 좋은 해결책을 보지 못했으며, 새로운 실험을 위한 공간만 있을 뿐입니다."

변경 위험 분류: 안전망

인간 리뷰를 우회하는 것은 규모에 따라 순진하게 작동하지 않습니다. 특히 자신이 모르는 것을 모르는 신규 참여자의 경우 더욱 그렇습니다. Lebedev는 모든 PR을 위험 수준별로 분류하고 고위험 PR에 대해 인간 리뷰를 강제하는 AI 워크플로를 구축했습니다. 분류기는 다음을 사용합니다:

• 에이전트가 읽는 단일 마크다운 정책 파일로, PR diff와 메타데이터를 검사합니다.
• 분류 차원: 크기, 위험 수준, 코드 소유권(작성자의 팀이 변경된 코드의 대부분을 소유하고 있는지?).
• 고위험 범주: 인프라, 인증, 큰 diff, 프로덕션 기능.
• 저위험 예시: 블로그 게시물 게시.

분류 출력은 GitHub 액션 및 브랜치 규칙 세트를 통해 정책을 적용하여 병합을 허용 또는 거부하는 결정론적 도구에 제공됩니다.

핵심 교훈

에이전틱 코딩을 확장하려면 더 많은 에이전트뿐만 아니라 구조적 변화가 필요합니다: 작업 생성 에이전트, PR 스태킹, 자동 위험 분류, 그리고 라인별 리뷰에서 아키텍처 수준 결정으로 인간의 관심을 의식적으로 전환하는 것입니다. 85,000달러의 토큰 비용은 모델이 작동한다는 것을 증명하기 위한 투자이지만, 어려운 문제(지식 공유, 온보딩)는 여전히 해결되지 않았습니다.