이 영상의 주제
이 영상은 우버(Uber)의 수석 엔지니어가 출연하여 대규모 조직에서 AI 네이티브 개발 환경을 구축하기 위해 도입한 사내 개발자 시스템과 플랫폼 인프라를 다룹니다. 우버가 AI 도입 이전부터 구축해 온 M3DB, 미켈란젤로, 케이던스, DevPod 등의 검증된 인프라 위에 모델 게이트웨이, MCP 게이트웨이, AI Guard, Minion, Slate 등 AI 기반 시스템을 어떻게 통합하고 확장했는지 설명합니다. 대상 시청자 수준은 중급에서 고급 개발자이며, 대규모 기술 기업이 AI 에이전트를 프로덕션 환경에 안정적으로 도입하고 개발자 생산성을 극대화하기 위해 어떤 인프라와 사고방식이 필요한지 인사이트를 얻을 수 있습니다.
다루는 기술 스택 / 키워드
- Model Gateway
- MCP (Model Context Protocol) Gateway
- AI Guard
- Michelangelo (Machine Learning Platform)
- DevPod (Cloud Developer Environment)
- Slate (End-to-End Testing & Staging Environment)
- Minion (Background Coding Agent)
- Capri (Capture & Replay System)
- Context Graph
- Shepherd & Fox (Code Migration & Maintenance Automation)
타임스탬프별 핵심 포인트
| 시간 | 내용 | |—|—| | 00:00 | 우버의 생성형 AI 도입 배경 및 사내 개발자 시스템 소개 | | 05:30 | 우버의 초기 아키텍처(RT API)와 마이크로서비스 확장 과정 | | 15:00 | 클라우드 개발 환경(DevPod)과 AI 네이티브 개발의 연계 | | 23:00 | 벤더 중립적 모델 게이트웨이 및 AI Guard 구축 | | 35:00 | 서비스 IDL을 활용한 MCP 게이트웨이 자동화 | | 45:00 | 소프트웨어 엔지니어링 지식을 연결하는 ‘컨텍스트 그래프’ | | 58:00 | 백그라운드 코딩 에이전트 ‘Minion’과 자가 치유 CI | | 01:10:00 | 멀티 서비스 테스트를 위한 ‘Slate’와 이벤트 캡처·재생 ‘Capri’ | | 01:25:00 | 코드베이스 자가 개선 시스템 ‘Fox’와 고객 지원 디버거 ‘Wisdom’ | | 01:35:00 | AI 시대의 소프트웨어 엔지니어링 사고 방식과 컨텍스트 엔지니어링 |
기본 정보
| 항목 | 내용 | |—|—| | 채널 | The Pragmatic Engineer | | 카테고리 | 프로그래밍 | | 게시일 | 2026-10-14 | | 영상 길이 | 1:34:18 | | 처리 엔진 | gemini-3.5-flash-lite+transcript | | 원본 영상 | YouTube에서 보기 |