29TMS 구축 과정 및 AI Co-Work를 통한 Testcase Management System 개발

상용 TMS의 한계와 자체 시스템 개발 동기

• 기존 **상용 Testcase Management System(TMS)**은 느린 지원과 지속적인 버그로 인해 사용성이 저하되었습니다.
• 특히 Section 계층구조 및 Testcase Import 관련 버그가 신규 테스트케이스 등록의 걸림돌이었습니다.
• Cursor AI를 활용한 바이브 코딩을 통해 비용 효율적이고 즉각적인 대응이 가능한 맞춤형 TMS 개발을 결정했습니다.

AI 협업 과정에서의 도전과 학습

• React 개발 경험 전무 상태에서 100% 바이브 코딩으로 프로젝트를 시작했습니다.
• AI는 작업 내용 기억의 한계와 비효율적인 코드를 생성할 수 있어 정교한 프롬프트 작성의 중요성을 체감했습니다.
• 프롬프트는 요청 사항, 상세 Flow/화면 구성, 시스템 구조(DB Table, API Property) 설명 등 3단계 레벨로 진화했습니다.
• QA 직무의 경험을 활용하여 디테일한 현상 설명과 논리적 디버깅 질문을 통해 문제 해결 능력을 향상시켰습니다.

29TMS의 주요 기능 및 아키텍처

• 로그인 시스템: 관리자 승인 기반의 사용자 관리 및 Access Token을 활용한 인증을 구현했습니다.
• CSV Import: Auto mapping 기능과 Import 화면 내 폴더 생성 기능을 통해 효율적인 테스트케이스 등록을 지원합니다.
• 플랜 생성 및 실행: 원하는 폴더를 기반으로 테스트 플랜을 생성하고, 개별/벌크 테스트 결과 입력 및 메모 기능을 제공합니다.
• 아카이브 및 리포트: 완료된 플랜을 아카이브하고 PDF 다운로드(단건/벌크) 기능을 통해 결과 공유를 용이하게 합니다.
• API 및 Swagger: 거의 모든 기능을 API로 제공하며, Swagger 페이지를 통해 개발 편의성을 높이고 기존 상용 API 대비 ms 단위 응답 시간을 달성했습니다.

QE팀이 얻은 성과와 향후 전망

• 즉각적인 문제 대응 및 필요 기능 즉시 구현이 가능해져 업무 효율성이 크게 향상되었습니다.
• 상용 TMS에 지불하던 비용 절감 효과와 함께 API 응답 시간이 ms 단위로 단축되었습니다.
• Python 사용자였던 개발자가 React 및 Node.js 기반의 시스템을 구축하며 기술 스택 확장과 문제 해결 능력에 대한 자신감을 얻었습니다.
• AI 협업을 통해 언어 이해도보다 기능에 대한 정확한 이해가 더 중요함을 깨달았고, 이는 앞으로의 비효율 개선 및 자동화에 기여할 것입니다.