Anthropic 이 AI 개발 최전선에 서 있었으며, 오랫동안 사용되어 온 Git 을 폐지하고 독자적인 버전 관리 시스템 'Scion'으로 전환했다는 뉴스 (Anthropic Cancels Git And Replaces It With Scion Version Control System) 를 읽었으며, AI 주도 개발 현장에서 일어나고 있는 인프라 변화에 대해 제 나름대로 정리해 보았습니다.
완전히 예상치 못했습니다. 이제부터는 AI 에이전트를 전제로 모든 것을 설계해야 합니다.
소프트웨어 개발의 전제가 바뀐다: '2026 년의 벽'
과거의 소프트웨어 개발에서 Git은 불변의 지위를 가진 데팩트 스탠더드로 자리 잡았습니다. 2005 년 리너스 토발즈가 Linux 커널 개발을 위해 개발한 이후, 우리는 이 분산 버전 관리 시스템을 활용하며 "사람이 코드를 작성하고, 사람이 리뷰하며, 사람이 머지한다"는 사이클을 전제로 해 왔습니다.
하지만 Anthropic 이 직면한 것은 그 전제를 근본적으로 뒤집는 사태였습니다.
동사 보고서에 따르면 2026 년을 경계로 코드 변경 빈도가 폭발적으로 증가하고 있습니다. 구체적인 숫자를 살펴보면 그 규모가 한눈에 들어옵니다.
- 2026 년 5 월: 1 일당 약 2,500 건의 커밋
- 2026 년 9 월: 하루 평균 3 만 건 이상의 커밋
이 급격한 증가의 주된 원인은 인간이 아닌 AI 에이전트 (클로드) 가 코드를 생성하고 배포까지 담당하게 되었기 때문입니다. 하루에 수만 건의 병합 작업이 발생하는 환경에서는 기존 Git 구조가 성능을 따라가지 못해 저장소 이력 크기가 100GB 를 초과하는 등 운영상의 한계에 도달한 것으로 보입니다.
독립형 시스템 'Scion' 의 설계 철학
Git 의 한계를 극복하기 위해 구축된 것은 내부 전용 버전 관리 시스템 'Scion'입니다. 이는 불특정 다수가 이용할 수 있는 제품이 아니라, Anthropic 의 모노레포 (거대한 단일 리포지토리) 를 효율적으로 관리하기 위해 설계된 전용 인프라입니다.
Scion 의 가장 큰 특징은 'AI 에이전트를 통한 대량 커밋'에 특화되어 있다는 점입니다.
지연 페칭 (Lazy Fetching) 을 통한 효율화
전통적인 Git 은 리포지토리를 조작할 때 (얕은 클론을 제외하고) 기본적으로 전체 히스토리나 데이터를 로컬에 저장하려고 합니다. 그러나 AI 에이전트가 필요로 하는 것은 대개 "지금부터 수정할 특정 파일"뿐입니다.
Scion 은 지연 페칭을 채택하여 에이전트가 필요로 할 때만 필요한 부분을 인라인으로 가져오는 구조를 취하고 있습니다.
이와 같이 전체 코드베이스를 고려하지 않아도 되므로, 저장소가 아무리 커져도 개별 에이전트의 동작 속도가 저하되지 않습니다.
Git 과 Scion 비교
Scion 과 Git 의 주요 차이점을 표로 정리해 보았습니다.
Git 은 오프라인에서도 작업이 가능한 분산형 시스템이라는 점이 강점이지만, 고속 네트워크 환경에서 작동하는 AI 에이전트에게는 그 분산성보다 '거대한 중앙 데이터베이스에서 필요한 부분만 얼마나 빠르게 추출할 수 있는가'가 더 중요했을지도 모릅니다.
AI 네이티브 개발 환경으로의 전환
이번 사례에서 흥미로운 점은 단순히 '도구를 변경했다'는 이야기라기보다, AI 가 주역이 되는 개발 사이클에 맞춰 인프라를 재정의했다는 점입니다.
예를 들어, AI 에이전트가 커밋의 대부분을 차지하게 되면 인간을 위한 커밋 메시지의 정중함보다는 변경 사항의 추적 가능성이나 자동 테스트 및 자동 배포로의 전환 속도가 우선시됩니다.
또한, 레포지토리의 기록이 100GB 를 초과하는 규모가 되면 인간이 'git log'를 확인하여 전체를 파악하는 것은 현실적이지 않습니다. 이러한 정보의 정리와 검색은 AI 가 배경에서 수행한다는 전제로 시스템이 구성되었을 것입니다.
우리가 배울 수 있는 것들
Anthropic 과 같은 극단적인 사례가 곧 일반적인 개발 현장에 확산될 것이라고는 생각하지 않습니다. 하지만 우리가 매일 사용하는 Claude 나 GitHub Copilot 같은 AI 도구가 앞으로도 더욱 진화한다면, Git 운영 규칙이나 브랜치 전략을 재검토할 때가 올지도 모릅니다.
"AI 가 코드를 작성하게 하는 것"을 넘어 "AI 가 가장 효율적으로 작동할 수 있는 환경을 조성하는 것"이라는 관점은 앞으로의 플랫폼 엔지니어링에서 중요한 힌트가 될 수 있지 않을까요.
스카이온과 같은 전용 시스템을 자체 구축하는 것은 어렵지만, 기존 도구를 어떻게 'AI 친화적'으로 설정할지에 대해 고민해 보는 것도 흥미롭습니다.
참조 기사
- 안티로픽이 Git 을 폐지하고 스이온 버전 관리 시스템을 도입했습니다.
- 오픈AI의 GPT-5.3-Codex 가 안쓰리픽의 클로드 오픈 4.6 을 자신의 강점인 코딩 분야에서 이겼는가?
- 2026 년 AI 에이전트에 필수인 CLI 도구 10 가지
- 클로드와 제미니 전쟁의 진정한 승자는 기술이 아니라, 당신의 워크플로우를 누가 소유하느냐에 달려 있습니다.
- 클로드 코드 (claude-api) 를 시도해 보았습니다 (클로드 앱을 이제 3 배 더 빠르게 구축할 수 있습니다)
- 몇 달 동안 DeepSeek 과 Kimi 를 추천해 왔는데, Anthropic 이 이 글을 발표했습니다.
자세한 내용은 여기에서 확인하세요.
기술서 내용을 브라우저에서 바로 실행하며 학습할 수 있는 사이트 'Code Learning Hub'도 운영하고 있습니다. 관심 있으시면 아래 링크를 확인해 주세요.
출처: note 원문
번역: Qwen 3.5(.48) 초벌 + 교정 18청크
원문 보기 | 출처: note.com