[Techmeme 요약] Anthropic, AI 개발 가속화로 인한 코드 병합량 폭증에 대응하기 위해 자체 소스 컨트롤 시스템 'Scion' 개발
0
설명
AI 개발 속도가 빨라지면서 코드 병합량이 급증하자, Anthropic은 5개월 만에 자체 소스 컨트롤 시스템 'Scion'을 개발했습니다. 이 시스템은 기존의 Git을 대체하며, 개발 인프라의 병목 현상을 해결하는 데 중점을 두었습니다. Scion은 AI 에이전트의 온라인 환경을 고려하여 설계되었으며, 수평적 확장성과 효율성을 극대화했습니다.
### 배경 설명
Anthropic은 AI 모델인 Claude를 활용하여 연구 및 개발 속도를 크게 높였습니다. 그 결과, 하루 코드 병합량이 2026년 5월 약 2,500건에서 9월 30,000건 이상으로 10배 이상 폭증했습니다. 이러한 급격한 증가는 기존의 개발자 인프라, 특히 소스 컨트롤 시스템에 심각한 병목 현상을 야기했습니다. 기존의 Git(깃)은 분산 시스템으로 설계되어 개별 개발자의 오프라인 작업에 최적화되어 있지만, Anthropic의 대규모 AI 기반 개발 환경에서는 비효율적이었습니다. 수백 개의 Git 미러를 운영하고 스냅샷을 활용하는 등 기존의 해결책으로는 증가하는 부하를 감당하기 어려워졌습니다.
이러한 문제를 해결하기 위해 Anthropic은 7명의 엔지니어 팀이 5개월 동안 Claude의 도움을 받아 'Scion'이라는 자체 소스 컨트롤 시스템을 개발했습니다. Scion은 Google의 Piper나 Meta의 Sapling과 같은 대규모 모노레포(monorepo) 관리 시스템의 경험을 바탕으로 설계되었습니다. 핵심은 AI 에이전트와 같이 항상 온라인 상태인 클라이언트를 중심으로 시스템을 재설계하는 것이었습니다.
### Scion의 핵심 원칙: AI 에이전트 중심 설계
Scion은 기존 Git의 설계 원칙에서 벗어나 AI 에이전트의 특성을 반영했습니다. 첫째, '클라이언트는 항상 온라인'이라는 점을 고려하여 서버 중심의 데이터 접근 방식을 채택했습니다. 둘째, '클라이언트-서버 비대칭성'을 통해 서버가 대부분의 복잡한 연산을 처리하고 클라이언트는 경량화된 캐시만 유지하도록 했습니다. 셋째, '모든 것이 수평적으로 확장 가능'하도록 설계하여 단일 실패 지점 없이 부하를 분산시켰습니다. 넷째, '커밋은 저렴하고 점진적이며 잠금 없는' 방식으로 설계하여 대규모 병합 작업의 효율성을 높였습니다. 마지막으로, '작업 복사본은 선택 사항이며 희소하다'는 원칙을 적용하여 대규모 저장소에서 필요한 부분만 가져와 사용할 수 있도록 했습니다.
### Scion의 기술적 구현: 변경 집합과 파생 데이터
Scion의 핵심 데이터 구조는 '변경 집합(changeset)'입니다. 이는 Git의 커밋과 유사하지만, 변경된 파일 목록과 압축된 파일 내용에 대한 콘텐츠 주소 지정 가능(content-addressed) 포인터를 포함합니다. 변경 집합은 서버에서 즉시 생성되며, 이를 기반으로 파일별 변경 이력(blame)이나 경로별 이력과 같은 '파생 데이터(derived data)'를 효율적으로 계산합니다. 이러한 파생 데이터는 필요에 따라 즉시 또는 지연 계산될 수 있어, 시스템의 유연성과 성능을 높입니다. Scion은 또한 스패너(Spanner)와 같은 분산 데이터베이스를 활용하여 데이터의 일관성과 확장성을 보장합니다.
### Scion의 확장성과 성능: 기존 Git 인프라 대비 200배 효율
Scion은 수평적으로 확장 가능한 서버 아키텍처를 통해 기존 Git 미러링 인프라 대비 CPU 및 메모리 요구 사항을 200배 줄였습니다. CI(지속적 통합) 및 연구 작업에서 코드 체크아웃 속도는 수십 배 빨라져, CI 작업만으로도 25%의 CPU 용량 절감 효과를 가져왔습니다. 또한, 클라이언트와 캐시 계층은 저장소 유지보수 작업을 수행할 필요가 없어 관리 부담이 크게 줄었습니다. Scion의 클라이언트는 Git의 페치(fetch) 프로토콜과 달리, 클라이언트가 필요한 객체만 명시적으로 요청하는 방식으로 작동하여 효율성을 높였습니다.
### AI와 함께한 개발: 7명 팀의 5개월 성과
Scion 개발은 Claude의 코드 생성 능력을 적극적으로 활용했습니다. 7명의 엔지니어 팀은 Claude의 도움을 받아 5개월 만에 Scion 시스템과 코드 리뷰 도구인 Antique를 포함한 여러 관련 시스템을 개발하고 성공적으로 마이그레이션했습니다. 이 과정에서 Claude는 기존 Git-to-Scion 마이그레이션 파이프라인을 20배 적은 메모리와 4배 빠른 속도로 재작성하는 등 놀라운 성능을 보여주었습니다. 엔지니어들은 Claude의 코드 생성 능력을 활용하되, 시스템 설계 및 고수준의 의사 결정에 집중하며 협업했습니다.
### 가치와 인사이트
Anthropic의 Scion 개발 사례는 AI 시대의 소프트웨어 개발 인프라가 어떻게 변화해야 하는지에 대한 중요한 통찰을 제공합니다. AI 에이전트의 등장으로 개발 속도와 코드 생성량이 기하급수적으로 증가하면서, 기존의 인간 중심적인 개발 도구와 인프라는 한계에 직면하고 있습니다. Scion은 이러한 변화에 대응하기 위한 새로운 접근 방식을 제시하며, AI와 엔지니어의 협업을 통해 복잡하고 대규모의 시스템을 신속하게 구축할 수 있음을 보여줍니다. 특히, AI가 코드 생성의 상당 부분을 담당하더라도, 엔지니어의 고수준 설계 능력과 비판적 사고는 여전히 필수적임을 강조합니다.
### 기술·메타
- **소스 컨트롤 시스템**: Scion (자체 개발)
- **기존 시스템**: Git
- **AI 모델**: Claude (Anthropic)
- **데이터베이스**: Spanner (Google Cloud)
- **개발 기간**: 5개월 (2026년)
- **개발 팀 규모**: 7명
- **일일 코드 병합량**: 30,000건 이상 (2026년 9월 기준)
### 향후 전망
AI 에이전트의 발전은 앞으로 더 많은 기업에서 Anthropic과 유사한 개발 인프라의 병목 현상을 경험하게 할 것입니다. Scion과 같은 자체 개발 소스 컨트롤 시스템은 이러한 문제를 해결하는 하나의 방안이 될 수 있습니다. 또한, Git 플랫폼 제공업체들은 Scion의 서버 중심 API 설계, 효율적인 데이터 관리 방식 등을 참고하여 기존 Git의 확장성을 개선하거나 새로운 솔루션을 개발할 수 있습니다. AI 기반 개발 도구의 발전은 개발자의 역할을 변화시키고, 더 적은 인원으로 더 복잡하고 대규모의 프로젝트를 수행하는 것을 가능하게 할 것입니다. 이는 산업 전반의 혁신 속도를 가속화하고, 새로운 형태의 소프트웨어 개발 생태계를 만들어갈 것으로 예상됩니다.
📝 원문 및 참고
- Source: Techmeme
- Techmeme 리버: [techmeme.com](https://www.techmeme.com/261013/p38#a261013p38)
- 원문 기사: [링크 열기](https://www.anthropic.com/engineering/redesigning-source-control)
---
출처: Techmeme ([Original Article](https://www.anthropic.com/engineering/redesigning-source-control))
이 글에 대한 한 줄 의견
신고 · 불법·유해·아동 안전(CSAE) 관련 콘텐츠
댓글 0
아직 댓글이 없습니다. 로그인하면 바로 의견을 남길 수 있습니다.