AI 에이전트 개발을 둘러싼 Git 인프라와 모델 변화
GitHub는 Git 저장소의 쓰기 구조와 Azure 이전을 설명했습니다.
Google은 Gemini 4 Argon의 제공 범위와 코드 최적화 사례를 발표했습니다.
두 발표에는 개발 작업의 처리 방식과 남은 제약이 담겼습니다.
저장소 이전과 모델 제공 범위
GitHub의 저장소 이전과 Google의 모델 제공은 에이전트 개발 환경의 서로 다른 부분에 관한 변화입니다.
GitHub는 자사 Git 저장소의 99.99999%가 자체 데이터센터와 Azure 두 곳에 함께 존재하게 됐다고 밝혔습니다.
Google은 Gemini 4 Argon을 개발자와 기업에 AI Studio와 Gemini 플랫폼의 API로 제공합니다. Google Antigravity에서는 Google AI Ultra 구독자에게, Gemini 앱과 검색의 AI Mode에서는 Google AI Ultra 또는 Pro 구독자에게 제공한다고 밝혔습니다.
참조별 쓰기와 코드 최적화
GitHub는 저장소 쓰기의 병목을 줄이는 구조를, Google은 코드 자체를 최적화한 사례를 설명했습니다.
GitHub는 쿼럼 범위를 저장소 전체에서 개별 참조로 바꾸고 있습니다. 같은 참조를 두고 경합하는 쓰기는 서로 기다리지만, 다른 참조에 대한 쓰기는 동시에 진행할 수 있습니다.
Google에 따르면 Argon이 찾아낸 Agent Development Kit 최적화는 긴 세션의 메모리 내 세션 준비 시간을 40% 줄이고 콜드 임포트 속도를 21% 높였습니다.
객체 스토리지와 읽기 복제본
GitHub는 객체 스토리지를 쿼럼의 가상 복제본으로 활용하는 방식을 설명했습니다.
이 가상 복제본을 나타내는 컴퓨팅 노드는 들어오는 쓰기를 객체 스토리지로 전달하며 읽기는 처리하지 않습니다. 쓰기는 객체 스토리지에 내구성 있게 저장된 뒤에만 승인됩니다.
가상 읽기 복제본은 처음에는 객체 스토리지와 백그라운드에서 동기화하므로 일부 읽기 작업에 적합합니다. GitHub는 모든 종류의 읽기를 처리하려면 동기화를 읽기 처리 과정에 포함하고 변경된 참조 상태와 데이터만 가져와야 한다고 설명했습니다.
추가 확장과 벤치마크의 범위
GitHub의 쓰기 확장에는 쿼럼이 제한 요인으로 남아 있습니다.
GitHub는 개별 참조 단위 모델로 쓰기 처리량을 늘린 뒤에도 쿼럼이 추가 확장을 제한한다고 밝혔습니다. 한편 Google은 모델이 지름길을 피할 유인이 없는 코딩 벤치마크에서 Gemini 4 Argon의 지름길 시도 비율이 2%로 떨어졌다고 밝혔습니다.
