실시간 모니터링 시스템 구축 사례와 경험 공유

무신사 O4O 엔지니어링 팀은 최근 설 연휴 동안 Claude Code Agent Teams를 활용하여 실시간 모니터링 시스템을 반나절 만에 성공적으로 구축했습니다. 이 과정에서 발생한 데이터 정합성 이슈를 해결하기 위해 팀은 머신러닝 기반의 AI 코딩 에이전트를 적극적으로 활용하였습니다. 본 글에서는 구축 과정에서의 경험을 통해 AI 도구의 실용성과 효율성을 공유하고자 합니다.

효율적인 문제 해결을 위한 실시간 모니터링

최근 설 연휴 동안 무신사의 매장에서 특정 상품의 결제가 되지 않는 이슈가 발생했습니다. 그 원인은 바코드와 옵션 간의 중복이었습니다. 고객이 결제 시 사용하는 POS 시스템은 유효하지 않은 데이터를 참조하여 결제가 실패하는 상황이 발생했습니다. 이 문제는 원천 시스템에서 불필요한 데이터를 삭제함으로써 즉시 해결되었지만, 더 큰 문제는 다른 매장에서도 같은 상황이 발생할 가능성이 높다는 것이었습니다. 이에 따라 O4O 팀은 반복적으로 발생할 수 있는 데이터 정합성 문제를 예방하기 위해 전수 조사를 시작했습니다. 그러나 기존의 데이터 접근 방식은 시간 소요가 큰 한계가 있었습니다. 매장별로 수작업으로 쿼리를 작성하고 결과를 확인하는 과정이 반복되었기 때문입니다. 이때 팀은 Claude Code의 Agent Teams를 통해 자동화된 실시간 모니터링 시스템을 구축하기로 결심했습니다. 이러한 접근 방식은 기존의 비효율적인 작업 방식을 타파하고, 매장 운영의 효율성을 크게 향상시킬 수 있는 기회를 제공했습니다.

Claude Code Agent Teams의 활용

Agent Teams는 문제 해결을 위한 발판을 제공하는 중요한 도구로 작용했습니다. 리드 에이전트와 독립된 워커 에이전트 간의 협력을 통해 BE와 FE 두 코드베이스를 동시에 구축하는 것이 가능해졌습니다. 리드 에이전트는 기존 코드 패턴을 분석하고 API 계약을 정의한 뒤, 병렬로 워커 에이전트를 실행하는 구조로 작업을 진행했습니다. 이 과정에서 필수적으로 진행된 단계는 두 코드베이스의 패턴 분석과 API 계약 정의입니다. 리드 에이전트는 BE와 FE의 구조를 연구하여 기존 코드 스타일에 맞는 API 계약을 수립했습니다. 이러한 Contract-First 접근 방식은 두 코드베이스가 서로 독립적이며 언제든지 호환될 수 있도록 보장하는 역할을 하였습니다. 그 후, 사용자 검토를 거쳐 BE와 FE 워커가 동시에 작업을 시작했습니다. 이는 작업 효율성을 극대화하고, 기존 스프린트의 조정 없이도 신속하게 구축할 수 있는 방법으로 효과를 발휘했습니다.

결과 및 향후 발전 방향

설 연휴 동안 진행된 프로젝트의 결과로는 약 반나절 만에 실시간 모니터링 대시보드를 완성하게 되었습니다. 이 대시보드는 총 27개 파일과 약 2,800줄의 코드로 구성되며, 매장 데이터의 정합성을 실시간으로 확인할 수 있는 기능을 갖추었습니다. 이러한 시스템을 통해 매장 방문자가 문제가 발생하기 전에 잠재적인 이슈를 사전에 탐지하고 해결할 수 있게 되었습니다. 향후에는 Agent Teams의 활용 범위를 더욱 넓혀, 다양한 운영 이슈를 효율적으로 해결해 나갈 계획입니다. AI 코딩 에이전트를 통해 더 많은 반복 작업을 자동화하고, 팀의 생산성을 높인 경험을 바탕으로 데이터 정합성과 관련된 다양한 도전 과제를 해결할 것입니다. AI 도구를 적재적소에 활용하여, 개발 시간이 단축되고 시스템 안정성이 향상되는 방향으로 나아가겠습니다.

무신사 O4O 엔지니어링 팀은 온라인과 오프라인 간의 통합 경험을 제공하는 데 기여하며, 이러한 경험이 다른 팀과 조직에도 유용한 참고가 되길 바랍니다.

이 블로그의 인기 게시물

매크로 코딩으로 시니어 성장의 벽 넘기

궁극적으로 시니어 개발자로서의 성장을 위한 ‘벽’은 매크로 코딩을 통해 극복할 수 있습니다. 이 글에서는 마이크로 코딩을 넘어서 매크로 코딩으로의 관점을 확장하는 것이 왜 중요한지를 살펴보며, 어떻게 시니어 엔지니어로서의 성장에 도움이 되는지 이야기하고자 합니다. 이를 통해 독자들이 매크로 코딩의 중요성을 이해하고 적용하도록 유도하는 것이 목표입니다. 1. 매크로 관점으로 나아가기 시니어 개발자로 성장하기 위해선 매크로 관점을 가지고 문제를 바라보는 것이 매우 중요합니다. 많은 엔지니어들이 자신이 작성한 코드의 품질이나 로직에만 집중하며 성장을 고민합니다. 하지만 매크로 관점에서는 코드가 전체 시스템과 비즈니스에 미치는 영향을 이해하고 고려하는 것이 필수적입니다. 예를 들어, 우리가 개발하는 기능이 특정 비즈니스 KPI에 어떤 기여를 하는지를 생각해볼 필요가 있습니다. 이는 단순히 제대로 작동하는 기능을 만드는 것을 넘어서, 기능이 비즈니스 목표에 부합하는지, 혹은 더 나은 대안은 없는지를 스스로 질문하게 만듭니다. 매크로 관점은 개발자에게 비즈니스 문제를 기술적으로 해결할 수 있는 기회를 제공합니다. 단순히 코드의 세부 사항에만 집중하는 것이 아니라, 팀원이나 이해관계자와의 소통 능력을 향상시키고, 그들의 필요를 이해하여 해결책을 제시하는 능력을 키워주는 것입니다. 결국 이러한 매크로 관점은 시니어 엔지니어로서의 가치를 높이게 되고, 연봉 협상에서도 직접적인 영향을 미치게 됩니다. 매크로 관점의 사고를 통해 조직 내에서의 역할과 영향력을 확대하며, 더 높은 성과를 창출하는 데 기여할 수 있습니다. 이처럼 매크로 관점으로 나아가는 것은 한 단계 더 성장하는 데 필수적입니다. 2. 문제 해결의 흐름을 이해하라 또 다른 중요한 요소는 문제 해결의 흐름을 이해하는 것입니다. 전통적인 방식에 얽매여 ‘어떻게’ 문제를 해결할지를 생각하기보다는 ‘왜’ 이 문제를 해결해야 하는지를 먼저 검토하는 접근이 필요합니다. 매크로 코딩에서는 비즈니스 문제를 해...
자세한 내용 보기

무신사머니 결제 시스템 연동의 안정성 및 혁신

```html 29CM Purchase & Post Purchase 팀이 무신사머니 결제 시스템 연동을 통해 고객의 결제 경험을 혁신적으로 개선할 예정입니다. 무신사머니는 선불결제 방식으로, 이를 통해 결제 전환율을 높이고 고객 유치를 극대화할 수 있습니다. 본 글에서는 무신사머니 결제 시스템의 안정성과 혁신에 대해 자세히 살펴보겠습니다. 안정성을 기반으로 한 무신사머니 결제 시스템 무신사머니 결제 시스템의 구조는 여러 요소를 고려하여 설계되었습니다. 고객이 주문서를 작성할 때 필요한 정보는 여러 데이터 소스에서 수집되며, 이를 통해 무신사머니의 가입 여부, 잔액, 첫 결제 여부 등의 정보를 제공합니다. 이러한 정보를 통해 고객은 무신사머니를 hassle-free하게 사용할 수 있게 되며, 우리는 장애 발생 시에도 안정적인 결제 경험을 보장하기 위해 점진적 기능 저하(Graceful Degradation) 를 채택했습니다. 이 체계적인 접근을 통해 결제 과정에서 필수 정보가 누락되더라도 주문 처리가 가능하도록 기능을 최적화했습니다. 또한 비즈니스 연속성을 높이기 위해 필수 정보와 선택 정보를 구분하여, 필수 정보가 누락될 경우 무신사머니 결제수단 자체를 비활성화하고, 선택 정보는 최대한 지원하는 형태로 시스템을 운영합니다. 결과적으로 필요한 데이터가 완비되지 않더라도 고객의 결제가 안정적으로 진행되고, 사용자 경험이 향상되는 효과를 얻었습니다. 이런 안정성 확보는 문제 해결을 용이하게 만들어 줍니다. 예를 들어, 필요한 정보가 조회되지 않을 경우에도 적절한 폴백 전략을 통해 사용자가 헷갈리는 일이 없도록 다양한 UI 정책을 마련했습니다. 이러한 안정성이 결제 시스템의 성공에 있어 핵심 요소로 작용하고 있으며, 고객의 신뢰를 얻는 데 큰 주효하고 있습니다. 혁신적 개선으로 고객 경험 향상 무신사머니 결제 시스템의 도입은 단순히 결제 수단을 늘리는 데 그치지 않습니다. 우리는 고객을 유치하고 리텐션을 높이기 위한 전략적 기능을 통합하...
자세한 내용 보기

AI와 사람의 협업을 위한 VLMOps 어드민 구축기

AI 기술이 급속도로 발전하면서 다양한 산업 분야에 자동화가 도입되고 있습니다. 특히 무신사에서는 AI를 활용해 상품 데이터를 효율적으로 분류하고 속성을 추출하여 서비스 품질을 높이고자 노력하고 있습니다. 이 글에서는 Human-in-the-loop 방식으로 기능을 향상시키기 위해 구축한 VLMOps 어드민에 대해 자세히 소개합니다. AI와 사람의 협업으로 강화된 모델 관리 무신사의 VLMOps 어드민은 AI와 사람의 협업을 한층 더 강화하기 위한 필수 시스템으로 자리매김하고 있습니다. 이 어드민은 모델 및 프롬프트 관리 과정을 웹 UI 형태로 제공하여, 데이터 오퍼레이션팀이 엔지니어와의 특별한 커뮤니케이션 없이도 최적의 실험을 진행할 수 있도록 합니다. 이렇게 축적된 의료 데이터를 통해 AI 추론의 결과를 개선하는 과정이 자동화되어 업무 효율성과 데이터 품질이 현저히 향상되었습니다. 특히, VLMOps 어드민은 OpenAI와 Google 등 외부 API와도 원활하게 연동되어 다양한 실험이 가능하다는 장점이 있습니다. 이를 통해 데이터 오퍼레이션팀은 엔지니어의 도움 없이도 원하는 프롬프트와 모델을 자유롭게 선택하여 실험할 수 있습니다. 결과적으로, 반복적인 요청과 대기 시간 없이 빠르게 모델 실험을 수행하고, 데이터 품질을 지속적으로 개선할 수 있는 환경이 조성되었습니다. 이러한 변화는 무신사가 AI 기반의 데이터 자동화와 품질 관리에 대한 새로운 접근 방식을 도입하도록 만들어 주었으며, 결과적으로 더 나은 고객 경험을 제공하기 위한 중요한 발판이 되고 있습니다. 신속하게 이루어지는 모델 추론과 검증 VLMOps 어드민은 모델 추론 과정에서도 AI와 사람의 협업을 극대화할 수 있는 기능을 표현합니다. 자동 생성되는 초안 라벨을 통해 데이터 오퍼레이션팀은 더욱 신속하게 결과를 분석하고 검증할 수 있습니다. 이렇게 생성된 추론 결과는 여러 번의 클릭만으로 즉시 처리되며, 다양한 조합의 모델과 프롬프트를 비교할 수 있는 체계가 마련되어 있습니다. 이러한 ...
자세한 내용 보기