AI 에이전트로 GitHub 이슈 자동 생성하기

GitHub 이슈 작성은 당신의 일 중 최악의 부분

버그가 무엇인지 이미 알고 있습니다. 한 탭에는 크래시 리포트가 열려 있고, 다른 탭에는 코드베이스가 있으며, 세 번째 탭에는 GitHub 이슈 양식이 열려 있습니다. 이제 스택 트레이스에서 보는 내용을 누군가 — 또는 어떤 에이전트 — 가 실제로 구현할 수 있는 구조화된 이슈로 변환해야 합니다.

좋은 날에는 이 작업에 30분이 걸립니다. 모든 크래시, 모든 기능 요청, 백로그의 모든 테스트 커버리지 격차에 대해 이 시간을 곱하면, 작업을 설명하는 데 더 많은 시간을 쓰게 됩니다. 크래시 분석, 소스 코드, 이슈 트래커 간의 컨텍스트 전환은 집중력을 파괴합니다. 수정 자체는 10분이 걸릴 수 있지만, 이를 이슈로 만드는 데는 세 배의 시간이 소요됩니다.

더 나은 방법이 있습니다. AI 에이전트가 크래시 데이터를 읽고, 안전한 샌드박스에서 리포를 클론하고, 근본 원인을 분석한 다음, 자동 코딩을 위해 형식화된 이슈를 생성하게 하세요. 파일 경로, 테스트 요구 사항 및 올바른 브랜치 타겟이 포함됩니다.

실제 작동 방식

한 개발자는 Google Play Console의 크래시 리포트를 붙여넣었습니다 — 여러 버전에서 6%의 프로덕션 사용자에게 영향을 미치는 UrlUtils.isUrl의 ANR — 그리고 에이전트는 두 분도 안 되어 세 개의 형식화된 자동 코드 이슈를 생성했습니다. 각 이슈에는 영향을 받는 파일 경로, 스택 트레이스, 테스트 요구 사항 및 올바른 브랜치 타겟이 포함되었습니다. 이슈는 [AUTO-CODE] 접두사와 auto-code 레이블을 사용하여 구현 준비가 된 작업을 모니터링하는 AI 코딩 에이전트가 쉽게 가져갈 수 있도록 설계되었습니다.

탭 간 복사-붙여넣기가 필요 없습니다. 올바른 소스 파일을 찾기 위해 스택을 수동으로 추적할 필요도 없습니다. 에이전트는 E2B 샌드박스 내에서 리포를 클론하고, 크래시 서명을 코드베이스와 일치시킨 다음, 코딩 에이전트 — 또는 인간 개발자 — 가 즉시 구현을 시작할 수 있을 만큼의 컨텍스트로 이슈를 작성했습니다.

또 다른 개발자는 테스트 커버리지에 대해 같은 워크플로를 사용했습니다. 그들은 에이전트에게 백엔드 코드베이스를 분석하고 80% 단위 테스트 커버리지를 요청하는 이슈를 생성하도록 요청했습니다. 에이전트는 기존 테스트 파일을 읽고, 격차를 식별한 다음, 테스트가 필요한 모든 모듈을 나열하는 이슈를 생성했습니다. 여기에는 특정 함수 시그니처와 커버해야 할 엣지 케이스가 포함되었습니다.

스스로 관리되는 예약 파이프라인

진정한 힘은 예약 기능을 추가할 때 나타납니다. 다른 사용자는 자동 코딩 이슈가 완료되었는지 확인하는 반복 일정을 설정했습니다. 매주 에이전트는 이슈 상태를 확인하고, 병합된 PR을 검증하며, 백로그에서 다음 배치의 이슈를 생성했습니다. [AUTO-CODE] Fix: UrlUtils.isUrl ANR 이슈가 닫히면, 에이전트는 대기열의 다음 크래시에 대한 후속 이슈를 자동으로 생성했습니다.

이렇게 하면 백로그가 파이프라인으로 변합니다. 작업을 한 번 정의하면 됩니다. 에이전트가 진행 상황을 모니터링하고 후속 작업을 생성하며 대기열을 유지합니다. 당신은 검토하고 승인하기만 하면 됩니다. 개발 주기는 백그라운드에서 진행되며, 당신은 실제로 인간이 필요한 아키텍처 결정 및 제품 작업에 집중할 수 있습니다.

리포 접근을 위한 샌드박스 보안의 중요성

AI 에이전트에게 GitHub 리포지토리에 접근할 수 있도록 하는 것은 신뢰의 결정입니다. 에이전트는 당신의 PAT 토큰이나 SSH 키가 필요합니다. 그것은 당신의 개인 코드를 클론합니다. 소스 파일, 구성 및 잠재적으로 비밀을 읽습니다.

OpenClaw와 같은 로컬 AI 에이전트의 경우, 그 접근은 전체 시스템 권한으로 당신의 기계에서 실행됩니다. 당신의 자격 증명은 ~/.clawdbot에 일반 텍스트로 저장됩니다. Snyk 연구원들은 ClawHub 마켓플레이스에서 341개 이상의 악성 스킬을 발견했습니다, 그 중 335개는 macOS 스틸러 맬웨어를 설치합니다. GitHub 자격 증명과 로컬 코드베이스에 접근할 수 있는 로컬 에이전트를 실행하는 경우, 단 하나의 악성 스킬이 두 가지 모두를 유출할 수 있습니다.

LikeClaw는 다른 접근 방식을 취합니다. 당신의 리포는 E2B 샌드박스 내에서 클론됩니다 — 이 작업을 위해 생성되고 완료되면 파괴되는 격리된 클라우드 컨테이너입니다. 당신의 PAT 토큰은 저장 시 암호화되고 런타임에 주입됩니다. 샌드박스는 당신의 로컬 파일 시스템, 다른 자격 증명 또는 네트워크에 접근할 수 없습니다. 컨테이너 내에서 문제가 발생하면, 폭발 반경은 제로입니다. 컨테이너는 지워지고 당신의 기계는 영향을 받지 않습니다.

이것은 이론적인 우려가 아닙니다. Kaspersky, Cisco, Wiz 및 Bitsight는 모두 로컬 AI 에이전트 보안 위험에 대한 경고를 발표했습니다. GitHub 워크플로를 자동화할 때, 당신은 에이전트에게 코드베이스의 열쇠를 넘기는 것입니다. 이러한 키는 샌드박스 실행, 암호화된 저장소 및 검증된 스킬을 받을 자격이 있습니다 — 당신의 노트북에 일반 텍스트 구성 파일이 아니라요.

자동 코드 이슈 형식

에이전트가 생성한 이슈는 자동 구현을 위해 설계된 구조화된 형식을 따릅니다:

• 제목: [AUTO-CODE] Fix: <description> — 이 접두사를 감시하는 CI/CD 파이프라인을 트리거합니다
• 레이블: auto-code, bug 또는 enhancement — 라우팅 및 필터링에 사용됩니다
• 본문: 근본 원인 분석, 영향을 받는 파일 경로, 함수 시그니처, 제안된 구현 접근 방식, 테스트 요구 사항 및 타겟 브랜치
• 담당자: CODEOWNERS 또는 당신의 구성에 따라 자동 할당됩니다

이 형식은 레이블이 있는 이슈를 모니터링하는 모든 CI/CD 파이프라인과 함께 작동합니다. Claude GitHub Action, Copilot Workspace 또는 기타 자동 코딩 도구를 사용하고 있다면, 이슈는 인간 번역 없이 쉽게 가져가고 구현할 준비가 되어 있습니다.

다양한 작업을 위한 다중 모델 유연성

모든 GitHub 자동화 작업이 동일한 AI 모델이 필요한 것은 아닙니다. 명확한 크래시 리포트에서 빠른 이슈 생성을 위해 DeepSeek와 같은 비용 효율적인 모델이 잘 작동할 수 있습니다. 테스트 커버리지 감사를 위한 깊은 코드베이스 분석은 Claude의 추론 능력의 이점을 누립니다. LikeClaw는 단일 인터페이스를 통해 100개 이상의 모델에 대한 접근을 제공합니다 — Claude, GPT-4, Gemini, DeepSeek 등.

하나의 플랫폼, 모든 모델, 크레딧 기반 가격 책정. 필요할 때마다 크레딧 팩을 구매하세요 — 구독 없음, 놀라운 청구서 없음.

워크플로에서의 위치

GitHub 자동화는 더 큰 개발자 도구 키트의 한 부분입니다. 격리된 환경에서 코드를 실행하고 테스트해야 한다면, 샌드박스 코드 실행 사용 사례를 확인하세요. 더 깊은 리포 분석 — 아키텍처 매핑, 의존성 감사 및 보안 스캔 — 에 대해서는 코드베이스 분석 워크플로가 그 영역을 다룹니다. 그리고 백로그가 아닌 크래시 데이터에서 시작하는 경우, 크래시 디버깅 워크플로는 스택 트레이스에서 근본 원인으로, 그리고 수정으로 가는 방법을 보여줍니다.

공통된 주제는 샌드박스 실행입니다. 당신의 코드, 자격 증명 및 데이터는 격리된 컨테이너 내에 유지됩니다. 에이전트가 작업을 수행합니다. 당신의 기계는 깨끗하게 유지됩니다. 당신의 GitHub 리포는 필요한 이슈를 받습니다 — 형식화되고, 레이블이 붙여지며, 배송 준비가 완료됩니다.