LinearB, 코딩 에이전트에 엔지니어링 맥락 제공하는 Agentic Studio 출시

LinearB가 엔지니어링 리더와 코딩 에이전트가 의사결정에 활용할 수 있도록 소프트웨어 제공 데이터를 맥락 정보로 전환하는 Agentic Studio를 출시했다. 11월 2일 발표된 이 플랫폼은 자연어 분석과 함께 팀이 소프트웨어를 계획하고 작성하고 검토하고 출시하는 데 사용하는 도구 전반의 엔지니어링 맥락 계층을 제공한다.

이번 출시는 AI 지원 개발이 확산되면서 커지는 문제를 반영한다. 코드가 더 많이 생성된다고 해서 조직이 유용한 소프트웨어를 더 빠르게 제공할 수 있는 것은 아니다. 검토가 밀리고, 변경 사항을 평가하기가 점점 어려워지며, 에이전트가 어떤 서비스에 취약점이 있는지 또는 특정 수정이 왜 중요한지 모른 채 작업을 시작할 수 있다.

발표에 따르면 Agentic Studio는 모든 LinearB 고객이 사용할 수 있다. 에이전트의 작업 수준을 과업에 맞추는 초기 기능을 비롯한 에이전트 스킬은 얼리 액세스 단계다.

제공 데이터를 엔지니어링 맥락으로 전환

LinearB는 소프트웨어 제공 전반의 정보를 수집해 공통 모델에 맞게 정규화한다. 회사는 Git과 프로젝트 관리 시스템에서 엔지니어의 신원을 서로 연결하고, 티켓부터 출시까지 변경 사항을 추적하며, 리더가 결과를 해석할 수 있도록 AI 기여도와 벤치마크를 추가한다고 밝혔다.

중요한 단계는 이러한 기록을 서로 연결하는 것이다. 풀 리퀘스트는 따로 보면 단순해 보여도 최근 장애가 발생했거나 재작업이 잦거나 담당 관계가 복잡한 서비스에 영향을 줄 수 있다. 변경 사항을 그 이력과 연결하면 검토자나 코딩 에이전트는 코드 저장소의 현재 상태만으로는 얻기 어려운 정보를 파악할 수 있다.

새 스튜디오에서 리더는 일상적인 언어로 질문하고, 다음 단계에 대한 제안을 받으며, AI 지원을 활용해 지표와 대시보드 및 기타 자료를 만들 수 있다. LinearB는 플랫폼에 역할 기반 접근 제어 기능이 내장되어 있어 조직이 사용자에게 제공할 맥락 정보를 설정할 수 있다고 밝혔다.

이러한 방향은 관련 정보를 선별하고 에이전트의 컨텍스트 창을 무분별하게 채우지 않는 데 중점을 둔 회사의 맥락 엔지니어링 지침과 일치한다. 이 프레임워크는 코드, 변경의 의도, 시스템 간 연결 관계, 에이전트가 접근할 수 있는 범위를 고려한다.

작업 수준을 위험도에 맞추는 얼리 액세스 스킬

첫 번째 에이전트 스킬은 코딩 과업에 어느 정도의 작업이 필요한지 판단하도록 설계됐다. LinearB에 따르면 이 스킬은 재작업 비율, 최근 서비스 장애, 담당 이력 등의 신호를 활용해 비즈니스 관련성, 복잡성, 위험도를 고려한다.

위험도가 낮은 변경 사항에는 더 적은 토큰을 사용하는 간소한 처리를 적용할 수 있고, 영향이 더 큰 변경 사항에는 더욱 면밀한 분석과 테스트를 적용할 수 있다. 엔지니어링 리더는 과업이 낮음, 중간, 높음 가운데 어느 수준의 작업으로 얼마나 자주 분류되는지 확인할 수 있다. 회사는 이 스킬이 모든 코딩 에이전트와 호환된다고 밝혔지만, 발표에는 특정 에이전트 간 비교 결과나 실제 토큰 절감량이 제시되지 않았다.

비용 절감 효과가 입증되기 전이라도 엔지니어링 측면의 발상은 유용하다. 일률적인 추론 예산은 사소한 유지보수 변경과 민감한 프로덕션 수정에 똑같이 적용된다. 과업별 맥락을 활용하면 실수의 대가가 큰 작업에 더 많은 주의를 기울이는 한편, 단순한 변경에 불필요한 작업이 투입되는 일을 줄일 수 있다.

MCP로 기존 AI 워크플로에 데이터를 연결

LinearB는 Model Context Protocol, 즉 MCP를 통해서도 엔지니어링 정보를 제공한다. MCP 제품 페이지에는 제공 지표에 대한 자연어 접근, 맞춤형 보고, 병목 현상 분석과 함께 검토 자동화 및 업무 배정과 같은 권장 사항이 소개되어 있다.

이를 통해 팀은 대시보드 사이를 오가며 수동으로 정보를 옮기는 대신 AI 클라이언트에서 엔지니어링 데이터를 조사할 수 있다. MCP는 도구와 정보에 연결하는 역할을 하고, 맥락 계층은 저장소나 팀에 관한 질문에 의미를 부여하는 제공 업무별 관계 정보를 제공한다.

새 플랫폼이 출시되는 과정에서 짚고 넘어가야 할 차이가 있다. 이번 출시 발표는 역할 기반 접근 제어와 엔터프라이즈 보호 장치를 설명하지만, LinearB의 공개 MCP FAQ에는 권한 범위에 맞춘 MCP 접근이 여전히 로드맵 항목으로 올라와 있다. 따라서 새 스튜디오의 접근 제어에 관한 설명을 모든 기존 MCP 클라이언트가 이미 모든 LinearB 권한을 상속한다는 확인으로 받아들여서는 안 된다.

AI 출력이 늘어나면 후속 단계의 병목이 드러날 수 있는 이유

LinearB의 발표는 253개 조직의 개발자 83,000명과 풀 리퀘스트 270만 건을 바탕으로 한 2026년 AI 벤치마크를 인용한다. 회사에 따르면 코딩 작업일의 최소 75%에 AI를 사용한 개발자는 1년 전보다 주당 풀 리퀘스트를 96% 더 많이 병합했다.

이 수치는 관찰된 활동을 나타낼 뿐, AI만이 변화를 일으켰다는 점을 입증하지는 않는다. 병합된 풀 리퀘스트가 늘었다고 해서 고객이 두 배의 가치를 얻었다고 볼 수도 없다. 발표 자료는 AI 지원으로 이뤄진 변경 사항의 규모가 더 컸고 에이전트가 만든 풀 리퀘스트는 검토를 기다리는 시간이 상당히 더 길었다는 조사 결과도 별도로 인용한다. 이는 코드 생성이 빨라지면 제공 프로세스의 나머지 단계로 업무가 옮겨갈 수 있음을 보여준다.

고객 사례를 보면 이러한 차이가 분명해집니다. LinearB에 따르면 Kraken은 AI와 함께 자사의 MCP 서버를 사용해 코드 리뷰 지연 원인을 조사했고, 변경 규모보다 시간대와 리뷰어의 가용성이 더 큰 영향을 미친다는 사실을 확인했습니다. Kraken은 4개월 동안 90백분위수 기준 리뷰 시간을 절반 넘게 줄인 것으로 알려졌습니다. 회사가 Kraken과 공개적으로 나눈 논의에서는 저장소 데이터와 배포 지표를 활용해 병목 현상을 찾아내는 방법을 더 자세히 살펴볼 수 있습니다.

AI 도입 측정에서 배포 개선으로

LinearB는 코드 리뷰, 병합, 거버넌스 등 후속 작업을 위한 에이전트 스킬을 추가로 제공할 계획입니다. 이는 향후 추진 방향이며, 현재 이용 가능한 스튜디오와 얼리 액세스 단계인 작업량 스킬과는 구분됩니다.

더 넓은 관점에서 보면 코딩 에이전트는 코드뿐 아니라 코드를 둘러싼 조직에 대해서도 이해해야 합니다. 무엇이 중요한지, 누가 담당하는지, 이전 변경 사항에서 어떤 문제가 발생했는지, 어떤 제약이 적용되는지를 알아야 한다는 뜻입니다. Agentic Studio는 이러한 접근 방식을 개발자 생산성 플랫폼에 도입하며, 그 가치는 궁극적으로 생성된 코드의 양이 아니라 배포된 변경 사항의 품질과 흐름으로 평가됩니다.