Qodo builds context into AI code review with Codex

🖼️ 인포그래픽

🖼️ 4컷 인포그래픽

💡 한 줄 요약

Qodo는 Codex에 조직 지식과 독립적인 코드 검토를 연결해 저장소 간 오류를 찾아내고, 개발자가 미해결 쟁점에 판단을 집중하는 소프트웨어 개발 방식을 추진한다.

📌 핵심 요약

• Qodo는 GPT‑6 Astra를 비롯한 OpenAI 모델로 엔지니어링 지식을 수집하고 코드를 검토하며 소프트웨어 품질을 살핀다. Codex 플러그인은 조직 규칙과 코드베이스 지식을 제공하며, Itamar Friedman은 1만 개 이상의 저장소를 포함할 수 있는 고객 환경에서 저장소 간 의존성과 P0 버그를 파악하도록 돕는다고 설명한다.
• Codex는 코드 작성 전에 Qodo를 통해 관련 규칙과 풀 리퀘스트 이력·패턴을 조회하고, 변경 후에는 같은 세션에서 독립적인 검토 결과를 받을 수 있다. 개발자들이 이 연결을 자동화하고 있으며, 에이전트 간 이견이 남은 사안만 사람이 검토하게 하는 방식은 Itamar Friedman이 제시한 구상이다.
• Qodo의 AI Developer Relations Lead인 Nnenna Ndukwe는 GPT‑6 Astra의 Extra High와 Ultra 설정을 개발 자동화와 지식 업무에 활용한다. Codex 예약 실행으로 주간 성과와 개선 방향을 정리하고, 소셜 플랫폼의 에이전트 기반 엔지니어링 논의를 조사하며, 자신의 코드 변경을 분석해 에이전트 스킬 생성·개선을 제안받는다.
• Itamar Friedman은 Decisions API로 개발 단계마다 적용할 규칙과 에이전트 스킬을 선택할 기회를 보고 있다. 200개 규칙 중 확인할 항목을 먼저 고른 뒤 언어 모델이 관련 규칙을 추론하게 하면 선택 속도와 비용, 검토 품질을 개선할 수 있다는 예시를 제시한다.
• Qodo는 조직 지식, 코딩 에이전트, 독립적인 검토, 인간의 전문성을 결합한다. Itamar Friedman은 이를 고객이 직접 구성하고 소유하며 운영 환경에서 소프트웨어가 어떻게 바뀌는지 이해하는 소프트웨어 팩토리의 기반으로 설명한다.

🧩 주요 포인트

1. 조직 지식과 저장소 간 의존성 연결 → 개별 코드 변경의 정확성을 넘어 전체 소프트웨어에 미칠 영향을 검토하는 범위로 확장.
2. 코딩과 독립 검토의 역할 분리 → 생성한 코드를 별도로 비판하고, 사람은 해결되지 않은 쟁점과 판단 근거를 살피는 역할로 이동하는 구상.
3. Decisions API의 규칙 선별과 언어 모델의 추론 결합 → 모든 선택을 언어 모델에 맡기지 않으면서 속도·비용·검토 품질 개선을 모색.

🧠 상세 정리

1. 조직 지식을 연결해 저장소 간 P0 버그를 검토

Qodo는 코딩 에이전트가 자신이 변경하는 코드를 이해하도록 조직 지식을 제공하는 코드 검토·소프트웨어 품질 도구를 만들며, 공동창업자 겸 CEO Itamar Friedman은 이를 ‘코딩 에이전트의 가장 좋은 친구’라고 부른다. GPT‑6 Astra를 비롯한 OpenAI 모델을 지식 수집과 코드 검토, 품질 모니터링에 사용하며, 최첨단 추론 능력과 빠른 속도를 모두 원한다고 설명한다. 고객 환경은 1만 개 이상의 저장소에 걸칠 수 있어, 개별 변경이 자체적으로 올바르게 보여도 하위 서비스를 망가뜨릴 수 있다는 것이 문제의식이다. Codex 마켓플레이스의 Qodo 플러그인은 Agentic Toolbox를 통해 코드베이스 지식과 조직 규칙, 독립적인 검토에 접근하게 한다. Itamar는 서로 다른 Git 제공자의 저장소나 Kafka로 연결된 서비스의 의존성까지 연결해 Codex가 소프트웨어 전체를 살피고 P0 버그를 놓치지 않도록 돕는다고 말한다.

2. 코드 작성 전 맥락 조회와 작성 후 검토의 연결

Codex는 코드를 작성하기 전에 Qodo 플러그인으로 관련 코드베이스 규칙과 풀 리퀘스트 이력·패턴을 조회할 수 있다. 변경이 끝나면 Qodo가 이를 검토하고, 개발자가 풀 리퀘스트를 열기 전에 같은 세션의 Codex에 발견 사항을 직접 돌려준다. Qodo의 AI Developer Relations Lead인 Nnenna Ndukwe는 개발자들이 Codex의 GPT‑6 모델로 기능을 구현하고 기술 부채를 해결하면서 이러한 흐름을 활용하는 모습을 보고 있다고 설명한다. 이들은 Codex의 코드 작성과 Qodo의 독립적인 검토 사이의 인계를 자동화하고 있다. 여기서 소개하는 현재의 활용은 코드 작성과 검토를 연결하는 작업 흐름이며, 에이전트들이 모든 이견을 자율적으로 해결한다는 성과까지 제시하지는 않는다.

3. 에이전트 간 비판과 인간 판단을 통한 신뢰

Itamar Friedman은 코딩 에이전트와 검토 에이전트를 ‘음과 양’에 비유하며, 한쪽은 코드를 만들고 다른 쪽은 그 코드를 비판한다고 설명한다. 각 역할에는 별도의 설정과 맥락이 필요하고, 역할마다 여러 에이전트가 관여할 수도 있다는 관점이다. 그가 제시하는 미래 구상에서는 에이전트들이 검토 결과를 논의하고, 서로 받아들이지 못한 사안만 인간의 검토 대상으로 올린다. 개발자는 계획자이자 검토자로서 미해결 문제와 함께 에이전트의 논의, 관련 맥락, 과거 개발자의 결정까지 살펴볼 수 있게 된다. Itamar는 이런 방식으로 신뢰를 만들 수 있다고 보고, Nnenna는 인간 전문성의 장점을 활용하면 전체 과정의 효율도 높아질 수 있다고 평가한다.

4. Qodo 내부에서의 Codex 일상 활용

Nnenna Ndukwe는 Qodo 내부에서 자신의 개발 자동화 흐름과 지식 업무에 GPT‑6 Astra의 Extra High 및 Ultra 추론 노력 설정을 활용하고 있다. 그는 AI와 자동화의 결합을 높이 평가하며, Codex가 자신이 한 주 동안 이룬 일과 앞으로 집중하거나 개선할 부분을 보고하도록 예약한다. 소셜 플랫폼에서 에이전트 기반 엔지니어링에 관한 대화를 조사하고 개발자 대상 콘텐츠 아이디어를 제안받는 데에도 사용한다. 자신의 코드 변경에 대해서는 Codex가 작업을 분석하고 새로 만들거나 다듬을 에이전트 스킬을 제안하도록 예약한다. 이 사례는 Codex 활용이 코드 작성과 검토뿐 아니라 업무 회고, 주제 조사, 스킬 개선 제안으로도 이어지고 있음을 보여준다.

5. Decisions API로 적용할 규칙을 먼저 선택

Itamar Friedman은 OpenAI가 최근 출시한 Decisions API를 개발 단계별로 어떤 규칙과 에이전트 스킬을 적용할지 선택하는 데 활용할 기회로 본다. 모든 결정을 언어 모델에 의존하기보다, 적용 대상의 선택과 선택된 규칙에 대한 추론을 나누려는 접근이다. 그가 든 예시는 200개 규칙 가운데 확인해야 할 항목을 Decisions API가 먼저 고르고, 이후 언어 모델이 관련 규칙을 추론하는 방식이다. 그는 이를 통해 선택을 더 빠르고 저렴하게 하면서 검토 품질도 높일 수 있다고 설명하고, 과정의 신뢰를 강화할 큰 기회라고 평가한다. 다만 원문은 이 활용을 가능성과 예시로 제시하며, 실제 도입에 따른 속도나 비용 절감의 측정 결과는 제공하지 않는다.

6. 고객이 구성하고 소유하는 소프트웨어 팩토리

Nnenna Ndukwe는 Qodo의 접근을 인공지능의 장점과 전통적인 소프트웨어 엔지니어링·스크립팅의 장점을 결합하는 방식으로 설명한다. 조직의 지식이 코딩 에이전트를 안내하고 독립적인 검토가 결과를 확인하며, 남은 질문은 인간의 전문성으로 해결한다는 구조다. Itamar Friedman은 이 구조를 고객이 직접 조립하고 소유할 수 있는 소프트웨어 팩토리의 기반으로 본다. 그 시스템은 코딩 에이전트와 검토 에이전트를 연결하면서 운영 환경에서 소프트웨어가 어떻게 바뀌는지도 이해하는 것을 지향한다. Qodo가 OpenAI와 함께 제시하는 미래는 회사에 축적된 경험을 코딩 에이전트의 작업에 더 많이 반영하고, 개발자가 판단이 필요한 지점에 집중하도록 하는 것이다.

🧾 핵심 주장 / 시사점

• Qodo가 제시하는 검토의 핵심은 개별 코드의 타당성뿐 아니라 조직 지식과 저장소 간 의존성을 함께 살피는 데 있다.
• 현재 관찰된 코드 작성·검토 인계 자동화와, 에이전트가 이견을 논의해 미해결 사안만 사람에게 전달한다는 미래 구상은 구분해서 이해할 필요가 있다.
• Decisions API 구상은 규칙 선택과 언어 모델의 추론을 나누는 접근이며, 속도·비용·품질 개선은 아직 측정 성과가 아닌 기대 효과로 제시된다.

✅ 액션 아이템

• Codex의 코드 작성 전 조직 규칙과 풀 리퀘스트 이력 조회, 변경 후 Qodo의 독립적인 검토를 연결하는 흐름의 활용 검토.
• 저장소 간 의존성과 P0 버그 검토에 필요한 조직 지식의 범위 확인.
• Decisions API로 200개 규칙 중 적용 항목을 선별하는 방식의 속도·비용·검토 품질 개선 가능성 평가.

❓ 열린 질문

• Qodo는 1만 개 이상의 저장소를 포함할 수 있는 환경에서 저장소 간 의존성과 P0 버그를 얼마나 정확하게 파악하는가?
• 에이전트 간 이견이 남은 사안만 사람이 검토하는 구상은 현재의 Codex와 Qodo 간 검토 자동화에서 어느 수준까지 구현되어 있는가?
• Decisions API가 200개 규칙 중 적용 항목을 먼저 선택하면 속도·비용·검토 품질은 실제로 얼마나 개선되는가?