요즘 개발자들 사이에서 "AI가 코드 리뷰를 해준다"는 말은 더 이상 새로운 얘기가 아니다.
그 중심에는 PR-Agent, 그리고 이를 서비스로 확장한 Qodo Merge가 있다.
PR-Agent는 단순한 코드 요약 도구가 아니다.
AI가 코드 변경 내역을 이해하고, 리뷰 과정 전체를 자동화하는 시스템이다.
여기에 Qodo Merge를 통해 팀 협업 환경까지 아우르며,
개발 생산성을 한 단계 끌어올리고 있다.
이번 글에서는 개발자가 작성하는 PR에 대해
AI가 어떻게 실질적인 도움을 주는지,
PR-Agent의 구조와 기능을 중심으로 하나씩 살펴보려 한다.
PR-Agent & Qodo Merge 구조 및 주요 기능 총정리
PR-Agent란?
PR-Agent는 GitHub, GitLab, Bitbucket 등에서 Pull Request(PR)를 분석하고,
자동으로 리뷰, 설명, 개선 제안, 문서화 등을 수행하는 AI 기반 코드 리뷰 어시스턴트다.
특징으로는,
1) 누구나 오픈소스로 self-hosting 가능하고,
2) GPT, Claude, DeepSeek 등 다양한 LLM을 지원하며,
3) CLI, GitHub App, GitHub Action, Docker 등 다양한 방식으로 연동이 가능하다!
🔧 주요 Slash 명령어 기능
| 명령어 | 기능 | 비고 |
|---|---|---|
/describe | PR 요약, 제목, 타입, 레이블 생성 | 자동 PR 설명 |
/review | 코드 리뷰 (이슈, 보안, 스타일) | 피드백 핵심 |
/improve | 코드 개선 제안 | 클릭 적용 가능 (Qodo Merge) |
/ask ... | 자유 질문 응답 | 사용법, 변경 이유 등 |
/update_changelog | CHANGELOG 자동 업데이트 | 배포 준비에 필수 |
/add_docs 💎 | 변경된 함수/클래스 주석 생성 | 문서화 자동화 |
/help_docs 💎 | 저장소 문서 기반 질문 응답 | Doc 기반 AI FAQ |
/generate_labels 💎 | 사용자 정의 기준 라벨 생성 | 팀 레이블 자동화 |
/analyze 💎 | 변경된 컴포넌트 분석 | 코드 탐색 구조 |
/test 💎 | 테스트 생성 scaffold | PR 기반 유닛 테스트 |
/custom_prompt 💎 | 사용자 정의 프롬프트 기반 개선 | 팀별 룰 적용 |
/checks ci_job 💎 | CI 실패 원인 분석 | 테스트 오류 분석 |
/find_similar_component 💎 | 비슷한 코드 컴포넌트 검색 | 조직 + 오픈소스 대상 |
/implement 💎 | 리뷰 제안 기반 구현 코드 생성 | 자동 리팩터링 느낌 |
예시를 통해 어떻게 구현되는지 살펴보자!
/describe
이 describe tool은 PR 코드 변경 사항을 스캔하고 PR에 대한 설명(제목, 유형, 요약, 연습 및 레이블)을 생성하고,
모든 툴은 PR 생성 시 자동 실행되며, 필요 시 슬래시 명령어로 수동 호출도 가능하다.
사진과 같이 리뷰에 /describe를 남길 시
약 30초 후에 도구가 PR에 대한 설명을 생성한다.
/review
이 review tool은 PR 코드 변경 사항을 스캔하고, PR에 대한 피드백 목록을 생성하여 검토 과정을 지원한다. 새 PR이 생성될 때마다 자동으로 실행되거나, PR에 댓글을 남겨 수동으로 실행할 수 있다!
또한 이 tool의 주요 목적은 PR 검토자에게 review 유용한 피드백과 통찰력을 제공하는 것이다.
반면, PR 작성자는 시간을 절약하고 실행 가능한 코드 제안을 제공하는 개선 도구 의 결과에 집중하는 것을 선호할 수 있다.
사진과 같이 /review 를 PR에 남길시,
약 30초 후에 도구가 PR에 대한 검토를 생성한다.
다음과 같이 review가 됨을 알 수 있다.
/improve
이 improve tool은 PR 코드 변경 사항을 스캔하고 PR 코드 개선을 위한 의미 있는 제안을 자동으로 생성한다. 이 도구는 새 PR이 열릴 때마다 자동으로 실행되거나, PR에 댓글을 남겨 수동으로 실행할 수 있다.
⚙️ PR-Agent 작동 방식
그렇다면 PR-Agent는 실제로 어떻게 동작할까?
1) 요청 단계
사용자는 3가지 방식으로 PR-Agent를 호출한다.
(1) Gihub Public PR에서 @CodiumAi-Agent 명령어
(2) Private GitHub/GitLab/Bitbucket PR에서 설치 후 /command(명령어)
(3) 로컬에서 CLI 실행
2) Digest 단계
PR-Agent가 PR 상태를 파악하고, 변경된 코드(Hunks)를 감지 및 우선순위화를 진행한다.
향후에는 contribution.md나 guidelines.md 같은 레포지토리 규칙도 자동으로 인식한다(FUTURE 표시).
3) Planning 단계
Planning 단계에서는 토큰 한계를 고려한 압축(Token-aware compression)을 수행한다.
또한 사용자의 요청을 분석하고 필요 시 추가 질문을 던지고(/reflect나 보완질문),
여기서 효율적으로 LLM 호출을 준비한다.
4) 기능 선택 (Which function?)
사용자가 입력한 슬래시 명령어에 따라 다음과 같은 기능으로 분기한다.
/review → Reviewing tool
/describe → Auto-description tool
/improve → Code-suggestion tool
기타 다양한 기능으로 연결한다.
5) 결과 반환 (Results)
LLM 처리 결과는 PR comment, description, labels, inline suggestion 등으로 깔끔하게 반영된다.
사용 예시
1) @CodiumAI-Agent /review: PR에 대한 리뷰 코멘트 자동 생성
2) @CodiumAI-Agent /improve: 개선 제안 코멘트 생성
3) @CodiumAI-Agent /add_docs: 함수나 클래스에 주석 자동 생성
4) @CodiumAI-Agent /test ComponentName: 해당 컴포넌트 테스트 코드 자동 작성
결론
PR-Agent는 단순한 코드 리뷰 자동화를 넘어,
개발자의 반복적인 리뷰 작업을 효과적으로 덜어주는 강력한 도구다.
특히, 우리가 자주 사용하는
이슈 → 브랜치 → PR → 리뷰 → Merge 흐름 속에서
LLM이 직접 리뷰와 개선을 지원해준다는 점이 인상적이다.
이제 남은 건 실제 사용하는 것으로,
빨리 실제 프로젝트에 적용해보며, 얼마나 효율이 올라가는지 체감해봐야겠다!! 😎
