Featured image of post [AI] X.com 웹앱 재구축: 서버 3개를 1개로, 5명과 AI 에이전트 6개월

[AI] X.com 웹앱 재구축: 서버 3개를 1개로, 5명과 AI 에이전트 6개월

X(구 트위터)가 엔지니어 5명과 AI 코딩 에이전트로 웹앱을 6개월 만에 다시 만든 사례를 정리한다. 스트리밍 SSR 전환, 보고된 성능 수치, AGENTS.md·스킬·린트 가드레일, 단계적 트래픽 이전과 해석상의 한계를 다룬다.

대형 서비스의 웹 프런트엔드를 처음부터 다시 만드는 일은 보통 “절대 하지 말아야 할 재작성"의 대표 사례로 꼽힌다. 그런데 X(구 트위터)가 엔지니어링 블로그에서, 엔지니어 5명과 AI 코딩 에이전트로 웹 앱을 약 6개월 만에 다시 만들고 서버 3개를 하나로 합쳤다고 밝혔다. 이 글은 그 보고를 정리하고, 어떤 부분이 기술적으로 의미 있고 어떤 부분은 검증되지 않았는지 구분해 읽어 본다.

아래 수치와 서술은 모두 X의 자체 보고이며 독립 검증은 없다. 원문(X Engineering 블로그의 “Rebuilding the global town square from scratch”)은 이 글을 쓰는 시점에 자동 접근이 차단되어 직접 열어 보지 못했고, 이를 요약한 GeekNews 토픽을 통해 내용을 확인했다. 그래서 원문 표현과 세부 조건은 달라질 수 있다.


무엇이 바뀌었나

기존 구조는 사용자용 웹 앱(rweb), 검색 크롤러·링크 프리뷰용 SSR 서버(rweb SSR), 별도의 Jetfuel SSR까지 서버 3개로 나뉘어 있었다고 한다. 세 시스템이 같은 화면을 각자 다른 방식으로 만들어 내니, 기능 하나를 바꿀 때마다 여러 곳을 맞춰야 했을 것이다(이 부분은 글쓴이의 추정이다). 새 앱은 이를 스트리밍 서버 사이드 렌더링(Streaming SSR) 앱 하나로 합쳤다.

클라이언트 렌더링에서 스트리밍 SSR로

CSR(Client-Side Rendering, 클라이언트 사이드 렌더링) 에서는 브라우저가 빈 HTML 껍데기와 JavaScript 번들을 받고, 번들을 실행한 뒤에야 GraphQL로 데이터를 요청한다. 네트워크 왕복이 직렬로 쌓이므로 느린 회선에서 첫 콘텐츠까지 걸리는 시간이 크게 늘어난다. 로그아웃 사용자나 검색 크롤러처럼 첫 화면이 곧 전부인 트래픽에서 특히 불리하다.

스트리밍 SSR은 서버가 HTML을 조각 단위로 흘려보내 첫 응답부터 실제 콘텐츠를 담는다. 서버가 이미 가져온 데이터는 브라우저가 다시 요청하지 않고 재사용하도록 직렬화해 함께 보낸다. React에서는 renderToPipeableStream 같은 스트리밍 서버 API가 이 방식의 기반이다.

sequenceDiagram
    participant B as 브라우저
    participant S as 서버
    participant G as GraphQL 백엔드
    Note over B,G: 기존 CSR
    B->>S: 페이지 요청
    S-->>B: HTML 껍데기와 JS 번들
    B->>B: JS 실행
    B->>G: 데이터 요청
    G-->>B: 응답 후 렌더링
    Note over B,G: 스트리밍 SSR
    B->>S: 페이지 요청
    S->>G: 서버에서 데이터 요청
    G-->>S: 응답
    S-->>B: 실제 콘텐츠 HTML 스트림과 재사용 데이터

보고된 스택은 Vite, 스트리밍 SSR을 지원하는 React, Fastify, Relay(GraphQL), TypeScript, Tailwind CSS다. 링크 프리뷰 이미지를 만드는 서비스는 JavaScript에서 Rust로 다시 썼다고 한다. 크롤러에게 내보내는 HTML은 Googlebot이 읽는 용량 한도인 2MB 아래로 줄였다고 하는데, 이 한도는 Google의 Googlebot 문서에 명시된 개념이다.

보고된 수치

지표이전이후
느린 네트워크에서 로그인 프로필의 첫 게시물까지약 23.9초약 2.7초
압축 JavaScript 다운로드(페이지별)약 4.1–4.8MB약 1.3–2.3MB
프로필·게시물 로딩(랩 벤치마크)기준8–13배 빨라짐

23.9초에서 2.7초는 약 8.9배 개선이다. 다만 “느린 네트워크"가 어떤 대역폭·지연 설정인지, 측정 횟수와 기기 조건은 확인하지 못했다. 번들이 절반 이상 줄었다는 점은 SSR 전환 자체보다 코드 정리와 분할의 효과가 섞여 있을 가능성이 크다(해석).

AI 에이전트를 어떻게 운영했나

보고에 따르면 역할 분담은 분명하다. 엔지니어가 아키텍처와 요구사항을 정하고 모든 변경을 검토했으며, 에이전트는 기존 동작 이식, 페이지 변환, 테스트 작성, CI 실패 수정을 맡았다. 생성 코드의 품질을 지키는 장치는 세 가지였다.

  • AGENTS.md 규칙 파일로 프로젝트 관례를 에이전트에게 고정한다.
  • 25개 이상의 재사용 스킬로 반복 작업의 절차를 묶는다.
  • 커스텀 린트 규칙으로 AI가 자주 만드는 패턴을 자동으로 거부한다.

여기서 눈여겨볼 점은 세 번째다. 사람 리뷰만으로는 에이전트가 쏟아 내는 변경량을 감당하기 어렵기 때문에, “AI 특유의 나쁜 패턴"을 기계가 먼저 걸러 내도록 린트를 만든 것이다. 이는 No AI Slop 선언문이 강조한 직접 검토와 가드레일 원칙을 대규모로 실행한 사례로도 읽힌다(해석).

위험을 줄인 이전 전략

재작성이 실패하는 전형적인 이유는 한 번에 갈아타려는 데 있다. 이들은 기존 서버를 동작 기준(오라클) 으로 삼고, 두 시스템을 병렬로 운영하며, 트래픽을 단계적으로 옮겼다.

flowchart LR
    crawler["검색 크롤러"] --> loggedOut["로그아웃 사용자 전체"]
    loggedOut --> loggedIn["로그인 사용자 국가별"]
    loggedIn --> retire["rweb 폐기 예정"]

크롤러는 결과가 눈에 띄게 깨져도 사용자 불만으로 이어지지 않으므로 가장 먼저 옮기기에 안전하다. 로그아웃 트래픽은 이미 전부 새 앱으로 넘어갔고, 로그인 사용자는 국가별로 이전 중이다. 기능 스위치로 즉시 기존 앱으로 되돌릴 수 있게 했고, 로그인 이전이 끝나면 rweb을 없앨 계획이다. 이 전략은 AI가 없어도 통하는 고전적인 스트랭글러(strangler) 방식의 변형이며, 에이전트가 만든 코드의 불확실성을 되돌릴 수 있는 구조로 흡수한다는 점에서 AI 시대에 더 중요해진다.

어떻게 읽어야 하나: 한계와 적용 판단

  • 반사실 비교가 없다. 5명 6개월이 에이전트 덕분인지, 원래 가능했던 규모인지 알 수 없다. 기존 코드가 이미 명세 역할을 하고 있었다는 점이 에이전트의 성과를 키웠을 수 있다.
  • 자체 보고다. 수치 측정 조건과 품질 지표(버그 건수, 접근성, 회귀)는 공개되지 않았다. 아직 이전이 끝나지 않았으므로 최종 평가는 이르다.
  • 전제 조건이 중요하다. 동작을 비교할 기존 시스템, 단계 이전을 가능하게 하는 라우팅, 되돌리기 스위치가 있었기에 가능한 방식이다. 이런 기반이 없는 팀이 같은 속도를 기대하면 위험하다.

실무에 가져갈 만한 것은 속도 숫자가 아니라 운영 방식이다. 규칙 파일과 스킬로 맥락을 고정하고, 린트로 반복 실수를 자동화하며, 기존 시스템을 오라클로 두고 트래픽을 조금씩 옮기는 것. 이 세 가지는 에이전트를 쓰는 어떤 마이그레이션에도 적용해 볼 수 있다.

정리

항목내용
규모엔지니어 5명, 약 6개월
구조서버 3개를 스트리밍 SSR 앱 1개로 통합
가드레일AGENTS.md, 스킬 25개 이상, 커스텀 린트
이전 방식크롤러, 로그아웃, 로그인(국가별) 순, 병렬 운영과 즉시 롤백
주의모든 수치는 X 자체 보고, 독립 검증 없음

참고 및 출처