에이전트로 인해 Git의 병목 현상을 더는 외면할 수 없게 되었습니다
AI 에이전트가 Claude Code를 생성하는 속도가 기존 소스 관리의 근본적인 병목을 드러내고 있습니다. 긴장 관계는 분명합니다. 에이전트는 변경 사항을 빠르게 생성할 수 있지만, 조율, 테스트, 검토를 위한 사람 중심의 워크플로는 그 속도를 따라가지 못하고 있습니다.
규모를 살펴보겠습니다. Anthropic은 하루 Claude Code 변경 건수가 4개월 만에 약 2,500건에서 30,000건 이상으로 급증했다고 보고했습니다. OpenAI의 모노레포 안정성은 에이전트가 변경 사항을 푸시하면서 때때로 90% 아래로 떨어졌습니다. 이는 극단적인 사례이지만, 구조적인 과제를 보여 줍니다.
더 작은 규모에서도 로컬 에이전트를 사용하는 개발자는 비슷한 조율 문제를 겪습니다. 여러 에이전트가 하나의 작업 디렉터리를 공유하면 파일을 덮어쓰거나 서로의 테스트를 방해할 수 있으며, 그 결과 새로운 Claude Code를 작성하는 것보다 충돌을 해결하는 데 더 많은 시간을 쓰게 됩니다.
Anthropic과 OpenAI의 인프라 문제는 규모가 매우 크지만, 근본적인 조율 문제는 같은 프로젝트에서 여러 코딩 에이전트를 실행해 본 사람이라면 익숙한 것입니다. 핵심 문제는 주로 오프라인으로 작업하는 사람 개발자를 위해 설계된 Git이 AI의 지속적이고 대량이며 병렬적인 요구를 감당하기 어렵다는 점입니다.
OpenAI는 Git을 유지하고, 그 뒤의 백엔드를 다시 구축했습니다
OpenAI는 Anthropic과 반대되는 접근 방식을 택해, Git의 익숙한 인터페이스는 유지하면서 백엔드를 다시 구축했습니다. 개발자는 표준 git push와 git fetch 명령을 계속 사용합니다. Pando라는 이 시스템은 Rust로 작성된 맞춤형 고동시성 백엔드이며, AI 에이전트의 요구에 맞춰 확장되도록 설계되었습니다.
병목은 수많은 브랜치에 걸친 동시 업데이트를 조율하는 데 있었습니다. Pando는 단일 구조의 ref 잠금을 독립적인 ref 조율 방식으로 바꿔, 서로 다른 브랜치에 대한 업데이트를 즉시 처리함으로써 이 문제를 해결합니다. 이를 통해 에이전트는 서로 다른 브랜치에 동시에 푸시할 수 있으며, 이전에 모든 작업을 느리게 하던 직렬화 병목이 사라집니다.
Pando는 Git pack file도 캐시하여, 일반적인 CI 작업 요청에 대해 서버가 동일한 데이터를 반복해서 다시 생성하지 않도록 합니다. 이 시스템이 현재 하루에 거의 페타바이트에 달하는 Git 데이터를 제공하고 있다는 점에서 이러한 효율은 매우 중요합니다.
OpenAI는 인상적인 결과를 보고합니다. 푸시 지연 시간의 중앙값이 거의 80% 감소하여 워크플로가 크게 빨라졌습니다. 그 대가로, 여러 브랜치에 걸친 읽기는 저장소에 대해 완벽하게 동기화된 하나의 뷰를 제공하지 않을 수 있습니다. Pando는 착수부터 프로덕션까지 약 10주가 걸렸으며, 핵심 설계는 한 명의 엔지니어가 맡고 구현의 대부분은 Claude Code 에이전트가 수행했습니다.
Anthropic은 에이전트에 Git이 과연 필요한지 되물었습니다
반면 Anthropic은 Git의 근본적인 가정에 의문을 제기했습니다. Anthropic 팀은 대부분의 클라이언트가 항상 온라인 상태인 AI 에이전트와 자동화 작업일 때에도 오프라인 우선의 분산 버전 관리 시스템이 여전히 최적인지 물었습니다. 그 결과 Git을 완전히 대체하는 Scion이 탄생했습니다.
Anthropic의 메인 브랜치 히스토리는 100 GB에 근접했고, 압축된 작업 사본은 25 GB를 넘었습니다. CI 인프라는 하루에 약 2,500만 건의 체크아웃을 수행했습니다. 이러한 부담은 깊은 로컬 저장소와 Git의 분산 모델이 가져오는 오버헤드가 커지고 있음을 보여 주었습니다.
Scion은 커밋, 병합, 히스토리 작업을 서버 측 시스템으로 옮겼습니다. 클라이언트는 필요한 파일과 데이터만 요청하므로 대규모 로컬 저장소가 필요하지 않습니다. 이 아키텍처는 상당한 효율 향상을 가져왔습니다.
Anthropic은 Scion이 기존 Git 미러링 인프라보다 CPU와 메모리를 약 200배 적게 사용한다고 보고했습니다. 예전에는 몇 분이 걸리던 일부 체크아웃이 이제 몇 초 만에 완료되며, CI는 CPU 용량의 약 25%를 회복했습니다. Scion을 충분히 활용하기 위해 Anthropic은 Claude Code 리뷰, Claude Code 검색, CI 도구를 다시 구축했습니다. 자세한 기술 내용은 Redesigning source control at Anthropic을 참조하세요. Scion은 범용 Git 대체품이 아니라, Anthropic 고유의 에이전트 중심 워크로드를 위한 특화된 솔루션입니다.
이 글이 마음에 드셨나요? 매일 아침 이런 글을 메일로 받아보세요.
하루 한 통 · 두 번의 클릭으로 구독 취소 · 제3자 추적 없음
필요한 것은 새로운 소스 관리 시스템이 아니라 에이전트용 worktree입니다
Pando와 Scion은 서로 다른 방향의 선택을 보여 줍니다. OpenAI는 Git 호환성을 우선시하여, 개발자 워크플로를 바꾸지 않고 페타바이트 규모의 데이터와 하루 30,000건의 변경을 처리하도록 백엔드를 다시 구축했습니다. 반면 Anthropic의 Scion은 내부 에이전트 워크로드에 맞춘 백지 상태의 시스템으로, Git의 오프라인 우선 가정을 버리고 항상 온라인이며 서버가 권한을 갖는 모델을 채택했습니다.
두 시스템 모두 일반에 공개되어 있지 않으며, 인상적인 내부 벤치마크(예: Scion의 CPU/메모리 효율 200배, Pando의 푸시 지연 시간 80% 감소)가 노트북 규모에서 같은 이점으로 이어지지는 않습니다. 대부분의 팀에서는 Git이 여전히 견고합니다. 로컬 에이전트 충돌에 대한 즉각적인 해결책은 git worktree add <path> <branch>입니다. 이 명령은 각 에이전트에 격리된 작업 디렉터리와 브랜치를 제공하여 동시 편집이 충돌하는 것을 방지합니다.
Worktree는 로컬 작업 공간의 충돌을 줄여 주지만, 모든 병합 충돌을 없애 주지는 않습니다. 에이전트 기반 개발을 확장하려면 다음을 고려하세요.
- 대규모 저장소에는 sparse checkout 사용
- 종속성 캐싱
- 중복 CI 작업 방지
- 관련 테스트를 안전하게 실행
Claude Code와 다른 에이전트가 Claude Code 생성 속도를 높임에 따라, 다음 병목은 소스 관리에서 사람의 검토와 자동화된 검증 프로세스로 옮겨 갈 수밖에 없습니다.
자주 묻는 질문
AI 코딩 에이전트는 왜 Git에 문제를 일으키나요?
에이전트는 대량의 변경 사항을 병렬로 생성하고 푸시할 수 있어, 경합과 체크아웃 부하가 커지고 변경 사항을 검토하고 테스트하는 데 필요한 작업량도 늘어납니다.
OpenAI Pando와 Anthropic Scion의 차이는 무엇인가요?
Pando는 Git 워크플로를 유지하면서 Git의 백엔드를 다시 구축했습니다. Scion은 Git을 대체하는 서버 중심 시스템으로, Anthropic의 에이전트 중심 워크로드에 맞게 설계되었습니다.
개발자가 지금 Pando나 Scion을 사용할 수 있나요?
아니요. 두 시스템 모두 내부 시스템이며, 팀이 설치해 Git의 대체 수단으로 도입할 수 있는 도구가 아닙니다.
여러 코딩 에이전트가 서로 충돌하지 않게 하려면 어떻게 해야 하나요?
각 에이전트에 고유한 Git worktree와 브랜치를 제공한 다음, 변경 사항을 검토하고 병합하세요. Worktree는 작업 파일을 분리하지만, 이후 발생하는 병합 충돌까지 막아 주지는 않습니다.