Hyung gyun Kim KimHG1995

김형균

Backend Engineer / AI Developer Tooling / Automation

TypeScript와 NestJS를 중심으로 백엔드 시스템을 개발하고 있습니다.
현재 AI 쪽에서는 RAG나 모델 학습보다 Coding Agent를 실제 개발 흐름에 연결하고, 그 효과를 측정하는 도구에 관심을 두고 있습니다.

프로젝트	무엇을 해결하는지
ts-graph-tools	기존 `@ttsc/graph`를 target repository에 의존성으로 설치하지 않고 Codex/Claude에서 사용할 수 있도록 구성한 외부 host 및 MCP 등록 환경
agent-bench	`@ttsc/graph`를 Coding Agent에 연결했을 때 file-only 탐색보다 실제로 도움이 되는지 반복 비교하는 Eval 도구. 실측에서 도구 호출은 줄었지만 토큰과 실행 시간은 증가해 개선 지점을 확인했습니다.
codex-quality-setup	코드 변경 범위에 맞는 typecheck, lint, test를 선택하고 완료 조건까지 검증하는 Codex 품질 자동화
PaperTrail	비동기 렌더링, 버전 관리, 멱등성, Audit Trail을 포함한 전자문서 생성 플랫폼
LogLens	ClickHouse Materialized View 기반 API 트래픽, 응답시간, 에러 분석 백엔드
NetBox Cloud Inventory	AWS와 NAVER Cloud 자산을 공통 모델로 정규화하고 관계를 탐색하는 인프라 관리 PoC
Work History	실제 업무와 사이드 프로젝트의 문제, 역할, 구현, 결과를 정리한 개발 기록

현재는 이미 존재하는 AI/개발 도구를 실제 개발 환경에 연결하고, 그 효과를 검증하는 흐름을 만들고 있습니다.

코드베이스 탐색
  ↓
MCP / Code Graph 도구 연동
  ↓
Coding Agent가 구현
  ↓
Typecheck / Lint / Test로 검증
  ↓
Agent Eval로 실제 효과 측정

직접 작업하고 있는 영역:

LLM API 자체를 만드는 것보다 기존 AI 도구를 개발 워크플로에 안전하게 연결하고, 실제로 효율이 좋아졌는지 확인하는 과정에 관심이 있습니다.

Language / Runtime

TypeScript JavaScript Node.js

Backend

NestJS Express

Database / Data

MySQL PostgreSQL Redis DynamoDB ClickHouse

Cloud / Infrastructure

AWS NAVER Cloud Platform Docker Nginx

Engineering

REST API Async Processing Observability Automation MCP

현재 공공기관 대상 교육 플랫폼의 백엔드 개발과 운영을 담당하고 있으며, 활성 사용자 150만 명 이상 규모의 서비스를 다루고 있습니다.

이전에는 에듀테크와 B2B/B2C 플랫폼에서 백엔드 개발, 관리자 시스템, 정산, 데이터 자동화, 배포와 운영 개선을 경험했습니다. 시리즈 A부터 B 투자 단계의 서비스에서 평시 약 30만 MAU, 최대 100만 MAU 규모의 운영 경험이 있습니다.

백엔드 시스템을 안정적으로 운영하고, 반복되는 개발과 운영 작업을 코드와 도구로 줄이는 방법을 고민합니다.