백포트 버그 수정은 사라졌고, 프로젝트 밸키가 이제 로봇을 투입한다

발행: 1시간 전 (2026년 6월 20일 PM 11:21 GMT+9)

17 분 소요

When Project Valkey released version 9.1 last month, users, contributors and maintainers alike were understandably excited: There were new functionalities and improvements spanning security, observability, performance, and efficiency.
프로젝트 Valkey가 지난달 버전 9.1을 출시했을 때, 사용자, 기여자 및 유지관리자는 자연스럽게 기대감을 느꼈다: 보안, 가시성, 성능, 효율성을 아우르는 새로운 기능과 개선 사항이 있었기 때문이다.

What not everyone knew was that 9.1 had a whole batch of bug fixes performed by an AI agent.
하지만 모두가 몰랐던 것은 9.1에는 AI 에이전트가 수행한 전체 배치의 버그 수정들이 포함되어 있었다는 것이었다.

For the uninitiated, Valkey is an open source, high-performance, in-memory data store. With a home at the Linux Foundation, the Redis alternative supports caching, message broker queues, and complex key-value data structures.
Valkey에 대해 아직 모르는 사람들을 위해 **Valkey**는 오픈 소스이며 고성능의 **인 메모리 데이터 스토어**입니다. Linux Foundation(Linux 재단)을 기반으로 하고 있으며, Redis 대안으로서 캐싱, 메시지 브로커 큐, 그리고 복잡한 키‑값 데이터 구조를 지원합니다.

A stack of bug fixes needed cherry-picking

버그 수정 스택이 체리픽킹이 필요함

Madelyn Olson, Valkey project maintainer and principal engineer for AWS in-memory databases, tells The New Stack that as the team geared up for the Valkey 9.1 release, their release branch was waiting on a stack of bug fixes that needed cherry-picking.
Madelyn Olson Valkey 프로젝트 유지관리자이자 AWS 인 메모리 데이터베이스 principale 엔지니어는 The New Stack에 팀이 Valkey 9.1 출시를 준비하면서 릴리스 브랜치에 체리픽킹이 필요한 버그 수정 스택을 기다리고 있었다고 말했다.

Beyond backporting bug fixes

버그 수정 백포팅을 넘어서

“Instead of relying on manual labor to backport those bug fixes, we deployed an AI agent,” Olson says. “The agent picked up the fixes, applied them, ran the continuous integration pipelines… and seamlessly handled any merge conflicts. That is the exact kind of AI we are interested in at Valkey — real efficiency and no hype.”
“수동 노동에 의존하지 않고 우리는 AI 에이전트를 배포했습니다,” Olson은 말했다. “에이전트는 수정 사항을 인지하고 적용했으며, 지속적 통합 파이프라인을 실행했고… 머지 충돌을 원활하게 처리했습니다. 이것이 Valkey에서 우리가 관심 있는 실제 효율성과 무성한 AI의 정확한 형태입니다.”

Although there are efficiencies inherent to using a backport process (taking a software fix, feature, or security update from a newer version of an application and applying it to an older version), the process can still be complex and laborious in codebases where major changes or modifications are happening.
백포트(process)를 사용하는 데는 inherent 효율이 있지만(새로운 버전에서 소프트웨어 수정, 기능, 보안 업데이트를 구한 후 이를 구버전으로 적용하는 과정)이 여전히 코드베이스에서 중대 변경 사항이 발생하는 경우 복잡하고 노동 집약적일 수 있습니다.

“That is the exact kind of AI we are interested in at Valkey — real efficiency and no hype.”
“이것이 바로 Valkey에서 우리가 관심 있는 실제 효율성과 무성한 AI의 형태입니다.”

Olsen explains that the team used to “spend hours backporting bugs and security fixes” to older branches to make sure the database continues to perform reliably and securely across versions. This work is critical, but time-intensive for the team, as the branches diverged over time.
Olson은 팀이 과거에 “오래된 브랜치를 위해 버그와 보안 수정을 백포트하는 데 몇 시간을 보냈으며”, 데이터베이스가 여러 버전 간에 신뢰성 있게 안전하게 작동하도록 하기 위함이었다고 설명한다. 이 작업은 핵심적이지만, 브랜치가 시간이 지나면서 분열되면서 팀에게 시간 소모적인 부담이 되고 있다.

The goal (and therefore the validation for embracing the use of an AI code agent) was to give project maintainers their hours back for other project-critical tasks.
목표(그리고 AI 코드 에이전트 사용을 수용하는 근거)는 프로젝트 유지관리자에게 다른 핵심 작업에 시간을 돌려주기 위함이었다.

Throughout the 9.1 cycle, we deployed AI to manage backports, conduct code provenance scanning and run verification. By offloading the repetitive, manual work that doesn’t strictly require human judgment, our maintainers were able to focus their energy on core engineering,” explains Olsen.
9.1 사이클 전체에서 우리는 백포트 관리, 코드 출처 스캔, 검증을 수행하기 위해 AI를 활용했습니다. 반복적이고 인간이 판단이 필요하지 않은 수작을 위임함으로써 유지관리자는 핵심 엔지니어링에 에너지를 집중할 수 있었습니다,” Olson은 말했습니다.

Valkey is a “hot” part of data ecosystems

Valkey는 데이터 생태계의 “핫” 부분이다

A primary challenge for the Valkey project is managing multiple support branches simultaneously, including versions 7.2, 8.0, 8.1, 9.0 and now 9.1.
Valkey 프로젝트의 주요 과제는 동시에 버전 7.2, 8.0, 8.1, 9.0 및 현재 9.1을 포함하는 여러 지원 브랜치를 관리하는 것이다.

Because Valkey is an always-on part of applications for its users, there can be some hesitation to update to the latest major version. Its maintainers describe this as a “healthy worry” that is born out of Valkey being a “hot” part of their ecosystems.
Valkey가 사용자 애플리케이션의 필수적인 부분으로 작동하기 때문에, 최신 메이저 버전으로 업데이트하는 것에 주저함이 생길 수 있습니다. 유지관리자는 이를 “건강한 우려”라고 설명하며, 이는 Valkey가 그들의 생태계에서 “핫”한 부분이기 때문이다.

To address this, the project developed a backporting agent designed to automate the maintenance work. This bot works to backport the needed changes, ensuring that backported code passes all relevant continuous integration tests for older versions.
이 문제를 해결하기 위해 프로젝트는 유지보수 작업을 자동화하도록 설계된 백포팅 에이전트를 개발했습니다. 이 봇은 필요한 변경 사항을 백포트하고, 구버전에서 관련 지속적 통합 테스트를 통과하도록 보장합니다.

Humans, still in-the-loop

인간, 여전히 루프에 참여

“The agent workflow proactively identifies test fixes that might need to be backported. Humans are still in the loop, as they are required to perform the final sign‑offs before merging, but the tool has allowed our team more time for non‑maintenance priorities, saving several hours of testing time per engineer per week,” says Olsen.
에이전트 워크플로우는 백포팅이 필요할 테스트 수정이 proactively 식별합니다. 인간은 여전히 루프에 참여하며, 머지 전 최종 승인 절차를 수행해야 하지만 도구는 팀에게 비핵심 업무에 더 많은 시간을 할애하도록 허용했으며, 엔지니어당 주당 몇 시간의 테스트 시간을 절약했습니다,” Olson은 말했다.

“The Provenance Guard agent runs automatically in the background, notifying maintainers of problematic pull requests and reducing the overall cognitive load on the human review team.”
Provenance Guard 에이전트는 백그라운드에서 자동으로 실행되며, 문제 있는 풀 리퀘스트를 유지관리자에게 알리고 인간 검토 팀의 전체 인지 부하를 감소시킵니다.

In addition to this backporting agent, the project has also developed an AI tool to assess and maintain the integrity of the codebase.
이외에도 프로젝트는 코드베이스 무결성을 평가하고 유지하기 위한 AI 도구를 별도로 개발했습니다.

Known as Provenance Guard, this agent scans incoming pull requests to verify that no code is inadvertently taken from the unsanctioned codebases and applied to Valkey. The Provenance Guard agent runs automatically in the background, notifying maintainers of problematic pull requests and reducing the overall cognitive load on the human review team.

Provenance Guard(프로베니스 가드)라고 불리는 이 에이전트는 incoming pull requests를 스캔하여 Valkey에 무단으로 적용된 코드가 없음을 확인합니다. Provenance Guard 에이전트는 자동으로 백그라운드에서 실행되며, 문제 있는 풀 리퀘스트를 유지관리자에게 알리고 인간 검토 팀의 전체 인지 부하를 감소시킵니다.

“Provenance Guard functionality inside our project is both a preliminary and auxiliary check in addition to human-driven code review,” confirms Olsen. “Said differently, the guard is not a last line of defense on our code, far from it. The agent merely offloads an initial scan from a human counterpart, allowing for another set of eyes on a highly deterministic security check.”
Olson은 우리 프로젝트 내 Provenance Guard 기능이 인간 주도 코드 리뷰 외에도 초기 검사 및 보조적인 역할을 수행한다고 확인했다. “다시 말해, 이 보호 장치는 우리의 코드에 대한 마지막 방어선이 아니며, 전혀 그렇지 않다. 에이전트는 단순히 인간의 대조를 초기 스캔에서 위임할 뿐이며, 매우 결정적인 보안 검사에 또 다른 세트의 눈을 제공한다.”

Provenance Guard has been successful in catching unintentional copying and its presence is another enhancement to the project’s ongoing security practices.
Provenance Guard는 의도치 않은 복사본을 포착하는 데 성공했으며, 이는 프로젝트의 지속적인 보안 관행에 대한 추가 향상이다.

“Agents are excellent at routine coding tasks and summarizations, so I would challenge new engineers to ramp up quickly with AI.”
Olson은 “에이전트는 일상적인 코딩 작업과 요약에 뛰어나므로, 신규 엔지니어들이 빠르게 AI와 함께 성장하도록 도전하고 싶다.”

What agentic debugging means for new developers

새로운 개발자에게 에이전트 디버깅이 의미하는 바

With computer science degrees typically taking four years and ChatGPT having been around since it was launched as a public research preview on November 30, 2022, just three and a half years ago, if agents now handle routine merges seamlessly, what new skills must younger developers master to remain valuable to teams?
컴퓨터 과학 학위는 보통 4년이 걸리고 ChatGPT가 공개 연구 미리보기로 출시된 지 불과 3년 반이 지난 2022년 11월 30일, 이제 에이전트가 원활하게 일상적인 머지 작업을 처리한다면, 젊은 개발자들이 팀에 가치 있는 인재로 남기 위해 마스터해야 할 새로운 기술은 무엇인가?

“Junior developers, in addition to all the critical coding skills they’ll need to contribute to projects, should also start to tinker with AI on their own,” advises Olsen. “Agents are excellent at routine coding tasks and summarizations, so I would challenge new engineers to ramp up quickly with AI.”
Olson은 “저녁 개발자들은 프로젝트에 기여하기 위해 반드시 필요한 모든 핵심 코딩 기술을 가지고 있음에도 불구하고, 스스로 AI를 실험해 보는 습관을 시작해야 한다”고 조언한다. “에이전트는 일상적인 코딩 작업과 요약에 뛰어나므로, 신규 엔지니어들이 빠르게 AI와 함께 성장하도록 도전한다.”

She further states that because agents are “quite good at more basic tasks,” this frees newer joiners to do more systemic thinking about the direction of the project, how a certain feature impacts existing tooling.
그녀는 에이전트가 “기본적인 작업에 매우 능숙하다”고 덧붙이며, 이는 새로운 참여자들이 프로젝트 방향과 특정 기능이 기존 툴에 미치는 영향을 더 체계적으로 생각하도록 자유롭게 만든다.

“Whether they like it or not, it’s certain that newer engineers will be working alongside agents, so learning how to audit these bot coworkers and coexist will be integral,” Olsen says. “Pragmatism is a core tenet of how AI has been deployed amongst our community, but the results of these initial agents leave our maintainers with real optimism for what’s next.”
Olson은 “불편해도 상관없다, 새로운 엔지니어들은 반드시 에이전트와 함께 일하게 될 것이므로, 이러한 봇 동료를 감사하고 공존하는 방법을 배우는 것이 필수적이다”고 말했다. “AI가 우리 커뮤니티 내에서 어떻게 배포되는지에 있어 실용주의는 핵심 원칙이며, 초기 에이전트의 결과는 유지관리자에게 앞으로의 가능성에 대한 진정한 乐觀을 남긴다.”

Ready for more agentic code support

더 많은 에이전트 코드 지원 준비

Valkey 10.0 is the next stage of the project’s evolution. The next version of Valkey will focus on further improvements to performance, memory efficiency, agentic memory and more.
Valkey 10.0은 프로젝트의 다음 진화 단계이다. Valkey의 차기 버전은 성능, 메모리 효율성, 에이전트 메모리 및 그 이상에 대한 추가 개선에 집중할 것이다.

Looking back at 9.1, Olsen and team say that the hours of labour saved from its agentic tools have allowed them to do more with its community. Everyone is curious about just how much agentic tooling will support the 10.0 launch, not to mention how different coding, debugging and other software engineering agents might look in six months or so.
9.1을 되돌아보며 Olson과 팀은 에이전트 도구로 절약한 노동 시간이 커뮤니티와 더 많은 작업을 할 수 있게 했다고 말한다. 모두가 10.0 출시가 얼마나 많은 에이전트 툴을 지원할지, 그리고 향후 6개월 동안 다양한 코딩, 디버깅 및 소프트웨어 엔지니어링 에이전트가 어떻게 보일지 궁금해한다.