GitLab 코드 제안(Code Suggestions)으로 개발자의 생산성을 향상하는 방법

실습 컨텐츠(제작중)
설정방법
Gitlab Code Suggestion을 사용하기 위해서는 두가지 설정이 필요합니다~!
1. 최상위 Group 설정
-
최상위 Group에서
Settings > General로 들어갑니다. -
Permissions and group features섹션에서 Expand를 눌러서 열어줍니다.
-
아래 쪽에
Code Suggestions beta섹션의 체크박스에 check를 합니다.
-
그리고 섹션 최하단에
Save changes버튼을 눌러서 설정값을 저장합니다.
2. 사용자 설정
-
왼쪽 사이드바에서 아바타를 클릭하고
Preferences를 들어갑니다.
-
아래 쪽에
Code Suggestions beta섹션의 체크박스에 check를 합니다.
-
그리고 최하단에
Save changes버튼을 눌러서 설정값을 저장합니다. -
설정확인 링크에서
user_is_allowed의 값이true이면 정상 적용이 된 것입니다.
* 더 자세한 설정 방법은 이 링크를 확인하세요.
새 프로젝트 만들기
1. GitLab에서 새로운 프로젝트 만들기.
-
Code Suggestions가 허용된 Group에서New project → Create blank project진입합니다. -
별다른 설정 없이 Project name만 설정하여 프로젝트를 만듭니다.
저는 계산기를 만들 것이라서 “Calculator”로 프로젝트를 만들었습니다.

2. 로컬에 프로젝트를 Clone하기.
-
프로젝트를 로컬에 Clone합니다.
-
Clone한 프로젝트로 폴더로 이동하고 vscode를 실행합니다.
-
이번 실습에서는 vite를 사용하여 app를 만들기 위해 vite환경을 설치합니다.
shellnpm create vite@latest .
-
vite 설치에 대한 commit를 하고 GitLab 레파지토리에 push합니다.
GitLab 웹IDE에서 계산기 컴포넌트 만들어보기
1. GitLab 웹IDE 실행 및 셋팅
-
프로젝트에서
Edit > Web IDE눌러서 웹 IDE를 실행합니다.
-
IDE하단에 status 바를 확인합니다. 만약 GitLab아이콘에 작대기(
/)표시가 되어있다면
-
하단의 톱니바퀴 아이콘을 눌러서
Settings클릭합니다.
-
설정 검색에서
gitlab으로 검색을 하고Enable code completion (Beta)에 check합니다.
-
설정이 완료되면 하단의 status바에서 GitLab아이콘에서 작대기가 사라지고 Code Suggestions 기능을 사용할 수 있게 됩니다.

2. 계산기 컴포넌트 만들기
이 블로그는 AI/ML을 구축하고 DevSecOps 플랫폼에 통합하기 위한 GitLab의 여정에 대한 지속적인 시리즈 중 최신 게시물입니다. 첫 번째 블로그 게시물은 여기에서 확인할 수 있습니다. 시리즈 전반에 걸쳐 제품, 엔지니어링, UX 팀의 블로그를 통해 GitLab에 AI/ML을 어떻게 도입하고 있는지 소개할 예정입니다.
빠르게 변화하는 소프트웨어 개발 세계에서 시간은 귀중한 자원입니다. 개발자는 워크플로우의 생산성과 효율성을 개선하기 위해 끊임없이 노력합니다. 일상적인 개발자 경험을 혁신할 수 있는 대규모 언어 모델(LLM) 기반 기술인 코드 제안을 소개합니다. 다음과 같은 코드 제안의 새로운 사용 사례를 자세히 살펴보세요:
- 작업 간소화
- 신규 개발자의 언어 탐색 지원
- 숙련된 개발자의 잦은 웹 검색 필요성 제거
이 모든 사례는 코드 제안이 어떻게 일상적인 개발자 경험을 가속화할 수 있는지 보여주는 예시입니다. 이러한 사용 사례의 구체적인 예를 살펴보겠습니다.
패키지 import
코드 제안을 통해 개발자는 Python 패키지 import와 같은 일상적인 작업을 빠르게 완료할 수 있습니다.

함수 완성하기
코드 제안은 개발자가 함수를 완성하고 해당 함수를 사용하여 코드를 작성하는 데 도움이 될 수 있습니다. 아래 예에서는 이름과 성을 정의한 다음 전체 이름을 정의하고 있습니다. 이제 한 단계 더 나아가 정의된 함수를 사용자 양식에서 사용할 수 있습니다.

boilerplate 입력
개발자는 코드 제안을 사용하여 mySQL 데이터베이스 연결과 같은 boilerplate 코드를 추천할 수 있습니다.

데이터 프레임 구축
데이터 조작은 구조화된 데이터로 작업하는 개발자에게 기본적인 작업입니다. 코드 제안은 데이터 프레임 작업에 대한 지능적인 권장 사항을 제공하는 프로세스를 간소화할 수 있습니다. 코드 제안은 개발자가 문서를 검색하거나 시행착오를 겪으며 실험하는 데 드는 시간과 노력을 절약하는 데 도움이 될 수 있습니다.

단위 테스트 생성
코드 제안 기능을 통해 개발자는 지원되는 프로그래밍 언어에 대한 단위 테스트를 빠르게 작성할 수 있습니다.
지금 코드 제안 사용해 보기
코드 제안 기능은 현재 베타 버전으로 모든 사용자가 GitLab.com에서 무료로 사용할 수 있습니다. 팀은 개발하는 동안 코드를 제안하는 생성형 AI의 도움으로 효율성을 높일 수 있습니다. 제안의 품질을 개선하기 위해 매주 기본 AI 모델을 개선하고 있습니다. AI는 비결정적이기 때문에 매주 동일한 제안을 받지 못할 수도 있다는 점을 기억하세요. 또한 AI로 생성된 코드를 사용할 때마다 코드 품질 및 보안 스캔을 통해 자동으로 분석해야 하며, 이 두 가지 기능은 GitLab 플랫폼에서 기본적으로 제공됩니다.
지원 언어가 초기 6개 언어에서 현재 13개 언어로 확장되었습니다: C/C++, C#, Go, Java, JavaScript, Python, PHP, Ruby, Rust, Scala, Kotlin, TypeScript.
이러한 개선 사항과 향후 계획에 대해 자세히 알아보세요.
이러한 AI 기반 기능을 사용해보고 싶으신가요? 대기자 명단에 등록하여 아이디어를 공유하세요.
"데브섹옵스에서의 AI/ML" 시리즈를 계속 읽어보세요.
고지 사항: 이 블로그에는 향후 출시될 제품, 기능 및 기능에 대한 정보가 포함되어 있습니다. 이 블로그 게시물의 정보는 정보 제공 목적으로만 제공된다는 점에 유의하시기 바랍니다. 구매 또는 계획 수립의 목적으로 이 정보에 의존하지 마세요. 모든 프로젝트와 마찬가지로 이 블로그 및 링크된 페이지에 언급된 항목은 변경되거나 지연될 수 있습니다. 제품, 특징 또는 기능의 개발, 출시 및 시기는 GitLab의 단독 재량에 따라 결정됩니다.
GitLab 코드 제안(Code Suggestions)으로 개발자의 생산성을 향상하는 방법
빠르게 변화하는 소프트웨어 개발 세계에서 시간은 귀중한 자원입니다. 개발자는 워크플로의 생산성과 효율성을 개선하기 위해 끊임없이 노력합니다. 이 글에서는 일상적인 개발자 경험을 혁신하는 대규모 언어 모델(LLM) 기반 기술인 ‘코드 제안’을 소개합니다.
다음은 코드 제안의 사용 사례입니다:
- 작업 간소화
- 신규 개발자의 언어 탐색 지원
- 숙련된 개발자의 잦은 웹 검색 필요성 제거
이 모든 사례는 코드 제안이 어떻게 일상적인 개발자 경험을 향상하는지 보여주는 예시입니다. 이러한 사용 사례의 구체적인 예를 살펴보겠습니다.
패키지 import
코드 제안으로 개발자는 패키지 import와 같은 일상적인 작업을 빠르게 완료할 수 있습니다.

함수 자동 완성하기
코드 제안은 개발자가 함수를 완성하고 해당 함수를 사용하여 코드를 작성하는 데 도움이 될 수 있습니다. 아래 예에서는 first_name과 last_name을 정의한 다음 full_name이라는 함수를 정의하고 있습니다. 그러면 정의된 함수에서 예상되는 추천 코드를 보여주고, 이를 사용할 수 있습니다.

Boilerplate 입력
개발자는 코드 제안을 사용하여 MySQL 데이터베이스 연결과 같은 Boilerplate 코드를 추천받을 수 있습니다.

데이터 프레임 구축
데이터 조작은 구조화된 데이터로 작업하는 개발자에게 기본적인 작업입니다. 코드 제안을 사용하면 데이터 프레임 작업의 지능형 추천을 제공하는 프로세스를 간소화할 수 있습니다. 코드 제안은 개발자가 문서를 검색하거나 시행착오를 겪으며 실험하는 시간과 노력을 절약하는 데 도움이 될 수 있습니다.

단위 테스트 생성
코드 제안을 사용해 개발자는 지원되는 프로그래밍 언어의 단위 테스트를 빠르게 작성할 수 있습니다.

지금 코드 제안 사용해 보기
코드 제안은 현재 베타 버전으로 모든 사용자가 GitLab.com에서 무료로 사용할 수 있습니다. 팀은 개발하는 동안, 코드를 제안하는 생성형 AI의 도움으로 효율성을 높일 수 있습니다. 제안의 품질을 개선하기 위해 매주 기본 AI 모델을 개선하고 있습니다. AI는 비결정적이기 때문에 매주 동일한 제안을 받지 못할 수도 있습니다. 또한 AI로 생성된 코드를 사용할 때마다 코드 품질 및 보안 스캔으로 이를 자동 분석해야 합니다. 이 두 가지 기능은 GitLab 플랫폼에서 기본적으로 제공됩니다.
지원 언어가 초기 6개 언어에서 현재 13개 언어로 확장되었습니다: C/C++, C#, Go, Java, JavaScript, Python, PHP, Ruby, Rust, Scala, Kotlin, TypeScript.
이러한 개선 사항과 향후 계획을 더 자세히 알아볼 수 있습니다.
이 블로그에는 향후 출시될 제품, 특징, 기능 정보가 포함되어 있습니다. 이 블로그 게시물의 목적은 오직 ‘정보 제공’임을 유의하세요. 구매 또는 계획 수립을 목적으로 이 정보에 의존하지 마세요. 모든 프로젝트와 마찬가지로 이 블로그 및 링크된 페이지에 언급된 사항은 변경되거나 지연될 수 있습니다. 제품, 특징 또는 기능의 개발, 출시 및 시기는 GitLab의 단독 재량에 따라 결정됩니다.
본 포스트는 영문 포스트를 우리말로 번역하고 요약 및 내용을 추가한 글입니다.
관련 태그
이 글이 도움이 되셨나요?
인포그랩 전문가가 맞춤 상담을 도와드립니다.
관련 글

인사이트 콘텐츠 저작권 보호 기능 개발, 적용 후기
인포그랩에서는 콘텐츠 저작권 보호를 위해 저작권 고지, 콘텐츠 하단에 저작권 보호 콜아웃 설정, 마우스 우클릭 및 콘텐츠 복사 방지 기능을 추가했습니다. 이 글은 개발 과정에서 고민한 문제와 해결 방향, 최종 결과물을 정리했습니다.

ChatGPT 잠재력을 활용해 DevOps 워크플로 개선하기
ChatGPT를 사용하여 DevOps 워크플로를 개선하는 방법에 대해 설명합니다. ChatGPT를 사용하여 코드 생성, 문서화, 코드 검토 및 이해, 오류 감지 및 해결, PoC, 리팩토링을 수행할 수 있습니다. 그러나, 범용 AI는 제한된 도메인 지식을 가지고 있으므로 전문화된 작업에는 도메인별 AI 모델이 더 적합할 수 있습니다. 또한, 보안 및 개인 정보 보호 문제가 발생할 수 있으므로 인간의 감독과 전문 지식이 필요합니다.