Copilot CLI의 Rubber Duck: AI 코드 리뷰

# GitHub Copilot CLI의 Rubber Duck: 두 번째 AI 모델의 코드 리뷰

GitHub Copilot CLI에 Rubber Duck이라는 실험적 기능이 새롭게 추가되었습니다. 이 도구는 계획과 코드를 분석하기 위해 두 번째 AI 모델을 연결해 주 모델의 오류를 최소화합니다. 주 에이전트가 Claude Sonnet을 사용하면 리뷰는 GPT-5.4 수준 모델이 맡습니다. 이를 통해 실행 전에 아키텍처 결함, 논리적 버그, 파일 간 충돌 등을 미리 감지할 수 있습니다.

테스트 결과 Claude Sonnet + Rubber Duck 조합은 복잡한 작업에서 Claude Opus와의 효율성 격차를 74.7% 좁혔습니다. 긴 액션 체인을 가진 멀티파일 프로젝트에서는 정확도가 3.8–4.8% 향상되었습니다. Rubber Duck은 주요 지점에서 자동으로 작동합니다: 계획 단계 후, 복잡한 구현 후, 또는 테스트 전에. 명령어를 통해 수동 활성화도 가능합니다.

Rubber Duck 작동 시기와 방법

이 도구는 모든 단계를 검사하지 않고 핵심 개발 단계에 집중합니다:

• 계획: 아키텍처와 액션 순서 확인.
• 구현: 로직, 루프, 잠재적 데이터 덮어쓰기 분석.
• 테스트 전 검증: 숨겨진 버그 감지, 예를 들어 조기 스케줄러 종료 같은 문제.

Rubber Duck이 잡아낸 오류 예시: 루프 안 코드가 데이터를 조용히 덮어써 무결성을 깨뜨리는 경우. 이 기능은 9월에 공개 프리뷰로 출시된 Copilot CLI의 /experimental을 통해 사용할 수 있습니다.

개발자들은 이 듀얼 모델 구조가 터미널에서 에이전트를 다루는 중급 및 선임 전문가에게 특히 유용하다고 평가합니다. Copilot CLI는 2월 업데이트부터 MCP 설정, 리포지토리 메모리, 계획 모드를 지원합니다.

벤치마크와 실제 시나리오

복잡한 의존성을 가진 멀티파일 작업에서 테스트를 진행했습니다. 결과:

| 작업 | 기본 모델 (Claude Sonnet) | Rubber Duck 사용 시 | 개선 |

|------------------------|----------------------------|------------------------|-------------------------|

| 복잡한 체인 | ~25.3% 성공 | Opus까지 격차 74.7% | 정확도 +3.8–4.8% |

| 멀티파일 프로젝트 | 평균 효율 | 상당한 향상 | 격차 74.7% 축소 |

Rubber Duck은 전형적인 에이전트 개발 문제(상태 충돌, 암시적 레이스 컨디션, 아키텍처 불일치)를 포착합니다. 선임 개발자에게는 수동 리뷰 없이 빠른 감사 도구로 활용됩니다.

Copilot CLI와의 통합으로 워크플로우가 간소화됩니다: 터미널 명령으로 에이전트를 실행하고 Rubber Duck이 검증 레이어를 더합니다. 앞으로 이런 감사가 AI 지원 개발의 표준이 될 수 있습니다.

주요 포인트

• Rubber Duck은 두 번째 모델(예: GPT-5.4)을 사용해 Claude Sonnet을 검증하며 최고 모델과의 격차를 74.7% 좁힙니다.
• 주요 지점(계획, 구현, 테스트)에서 자동 활성화; 명령어로 수동 모드 가능.
• 아키텍처 오류, 논리적 버그, 파일 간 충돌 감지.
• Copilot CLI의 /experimental을 통해 실험적으로 이용 가능.
• 에이전트 작업, 리포지토리 메모리, MCP 설정에 적합.

— Editorial Team