토스 로그 정의 업무를 AI 스킬로 옮긴 과정과 로그센터 CLI(lctl) 통합 배포

머릿속에 있던 로그 정의 기준을 모두의 AI 스킬로 만들기

토스 DataOps Manager들이 로그센터에서 수동으로 하던 로그 정의 업무를 AI 스킬로 옮긴 사례가 공개되었다. 개인의 머릿속에 있던 판단 기준을 스킬에 담아 팀 전체가 같은 기준으로 로그를 정의하게 됐다는 점이 핵심이다. 로그 정의 스킬은 새 로그를 만들기 전에 '앱로그 백과사전'의 표준을 확인하고, 도메인의 기존 로그 명세를 조회해 재사용 가능 여부를 먼저 살핀다. 스킬은 명세를 제안하고 실제 반영은 DOM이 확정한 뒤에만 실행된다. 로그 이름 형식처럼 기계가 판정할 수 있는 규칙은 lctl이 저장 전에 검사하고, 로그센터는 규칙에 맞지 않는 명세의 발행을 거절한다. 형식 규칙은 스킬에 고정하지 않고 실행 시마다 lctl에 조회하도록 했다. 또한 한 문서에 모여 있던 규칙과 절차를 작업별로 나누고 스킬에는 문서를 찾아가는 안내만 남겨, AI가 긴 문서에서 중요한 규칙을 놓치는 문제를 줄였다. 로그 프로덕트팀은 스킬을 lctl에 포함해 함께 배포하는 방식을 제안했다. 기사는 정의 품질을 좌우하는 것이 규칙보다 도메인의 맥락이라고 밝힌다. 이에 따라 도메인별 로그 이름과 파라미터의 의미, 그렇게 정한 이유를 지식 베이스로 축적해 스킬이 정의 전에 먼저 읽도록 하는 방향을 제시했다. 예시로 card_company와 issuer처럼 같은 정보가 다른 이름으로 정의되는 문제가 언급되었다.