에이전틱 소프트웨어 개발 시대에 맞춰, LLM이 변경 사항별로 즉석에서 테스트를 생성해 회귀를 잡아내는 Just-in-Time Tests(JiTTests)와 Catching JiTTests 접근을 소개한다.
이 사이트 검색 
2026년 2월 11일에 DevInfra, ML 애플리케이션에 게시
작성자: Mark Harman
에이전틱(agentic) 소프트웨어 개발의 부상은 업계 전반에서 코드가 그 어느 때보다 빠르게 작성되고, 리뷰되고, 배포되도록 만들고 있습니다. 이는 또한 이처럼 빠르게 변하는 환경에 맞춰 테스트 프레임워크도 진화해야 함을 의미합니다. 개발 속도가 빨라질수록, 정기적인 업데이트와 유지보수를 요구하지 않으면서도 버그가 코드베이스에 들어오는 즉시 이를 잡아낼 수 있는 더 빠른 테스트가 필요합니다.
Just-in‑Time Tests(JiTTests)는 테스트에 대한 근본적으로 새로운 접근으로, 대규모 언어 모델(LLM)이 그때그때(on the fly) 테스트를 자동 생성해 버그를 잡아냅니다. 전통적 테스트로는 잡지 못할 수도 있는 버그까지, 코드가 프로덕션에 들어가기 직전에(just-in-time) 포착합니다.
잡아내는(Catching) JiTTest는 코드 변경으로 인해 도입되는 회귀(regression)를 찾는 데 특히 초점을 맞춥니다. 이 유형의 테스트는 수십 년에 걸친 소프트웨어 테스트 이론과 실무를 새롭게 재구성합니다. 전통적 테스트가 정적인 테스트 스위트, 수작업 작성, 지속적인 유지보수에 의존하는 반면, Catching JiTTest는 테스트 유지보수도, 테스트 코드 리뷰도 필요 없습니다. 그 결과 엔지니어는 거짓 양성(false positive)이 아니라 실제 버그에 전문성을 집중할 수 있습니다. Catching JiTTest는 테스트 신호(signal) 가치를 극대화하고 거짓 양성이 끌고 가는 부담(drag)을 최소화하는 정교한 기법을 사용해, 가장 중요한 곳—심각한 실패(serious failures)—에 테스트 신호를 집중합니다.
전통적 패러다임에서는 새로운 코드가 코드베이스에 추가될 때마다 테스트를 사람이 직접 만들고, 이를 지속적으로 실행하며, 정기적인 업데이트와 유지보수가 필요합니다. 이러한 테스트를 만드는 엔지니어는 현재 코드의 동작뿐 아니라 미래에 일어날 수 있는 모든 변경까지 고려해야 한다는 과제에 직면합니다. 미래 변경에 대한 본질적 불확실성은, 아무것도 잡지 못하는 테스트를 낳거나, 잡더라도 거짓 양성인 결과를 초래합니다. 에이전틱 개발은 코드 변경 속도를 극적으로 끌어올려 테스트 개발 부담을 가중시키고, 거짓 양성과 테스트 유지보수 비용을 한계점까지 확장해 버립니다.
개략적으로 JiTTest는 특정 코드 변경에 맞춰 맞춤 제작된(bespoke) 테스트로, 엔지니어가 테스트 코드를 읽거나 쓸 필요 없이 예기치 않은 동작 변화에 대해 단순하고 실행 가능한(actionable) 피드백을 제공합니다. LLM은 풀 리퀘스트(pull request)가 제출되는 즉시 JiTTest를 자동 생성할 수 있습니다. 그리고 JiTTest 자체가 LLM 생성물이기 때문에, 코드 변경의 그럴듯한 의도(intention)를 추론하고 그로 인해 발생할 수 있는 잠재 결함을 시뮬레이션하는 경우가 많습니다.
의도를 이해하면, Catching JiTTest는 거짓 양성의 발생을 크게 줄일 수 있습니다.
다음은 Catching JiTTest 프로세스의 핵심 단계입니다:
Catching JiTTest는 AI 기반 에이전틱 소프트웨어 개발의 세계를 위해 설계되었으며, 심각한 예기치 않은 버그에 집중함으로써 테스트를 가속합니다. 이를 통해 엔지니어는 더 이상 복잡한 테스트 코드를 작성하고, 리뷰하고, 테스트하는 데 시간을 쓰지 않아도 됩니다. Catching JiTTest는 설계상 전통적 테스트의 많은 문제를 한 번에 해결합니다:
이는 테스트 인프라에서 중요한 전환을 의미합니다. 즉, 일반적인 코드 품질(generic code quality)에서, 거짓 양성을 내지 않으면서 특정 변경에서 실제로 결함을 찾아내는지 여부로 초점이 이동합니다. 그 결과 테스트 품질 전반을 개선하는 동시에, 에이전틱 코딩의 속도를 따라갈 수 있게 됩니다.
Meta에서의 Just-in-Time Catching Test Generation
2025년 12월 22일
Python Typing Survey 2025: 타이핑 채택의 최상위 이유로 코드 품질과 유연성
2025년 10월 16일
2025년 10월 13일
OCP Summit 2025: AI를 위한 네트워킹 하드웨어의 오픈한 미래
2025년 10월 6일
OpenZL 소개: 오픈 소스 포맷 인지 압축 프레임워크
2025년 9월 29일
2025년 8월 11일
Federation Platform과 Privacy Waves: Meta가 컴플라이언스 관련 작업을 대규모로 분산하는 방법
2025년 9월 30일 #### LLM은 변이 테스트와 더 나은 컴플라이언스의 열쇠다
2025년 2월 5일 #### 소프트웨어 테스트의 혁신: LLM 기반 버그 캐처 소개
2025년 11월 21일 #### Zoomer: 지능형 디버깅과 최적화를 통해 Meta 규모에서 AI 성능을 구동하다
Engineering at Meta - X 팔로우 AI at Meta 읽기 Meta Quest Blog 읽기 Meta for Developers 읽기 Meta Bug Bounty 자세히 보기
RSS 구독Meta는 오픈 소스 기술을 통해 커뮤니티를 구축한다고 믿습니다. 인공지능, 데이터 인프라, 개발 도구, 프런트엔드, 언어, 플랫폼, 보안, 가상 현실 등에서 Meta의 최신 프로젝트를 확인해 보세요.
ANDROID
iOS
WEB
BACKEND
HARDWARE더 알아보기
Engineering at Meta는 Meta에서 대규모 기술적 과제를 어떻게 해결하는지에 관심 있는 엔지니어를 위한 기술 뉴스 리소스입니다.
© 2026 Meta
콘텐츠 개인화, 광고 맞춤/측정, 더 안전한 경험 제공을 위해 쿠키를 사용합니다. 사이트에서 클릭하거나 탐색함으로써, 쿠키를 통해 Facebook 내외부에서 정보를 수집하는 것을 허용하는 데 동의하게 됩니다. 사용 가능한 제어 옵션을 포함해 자세히 알아보기: 쿠키 정책
동의
