gitai: 한 브랜치에 몰린 코딩 에이전트들의 변경을 서버가 대신 rebase해 반영하는 Git 서버 (Anthropic Scion 설계 참고)

핵심 요약

  • gitai는 Anthropic이 Redesigning source control at Anthropic 글에서 설명한 사내 버전 관리 시스템 Scion의 아이디어를, GitLab의 Git 서버인 Gitaly 위에 구현한 프로젝트입니다. Anthropic과 관계없는 개인 개발자의 비공식 구현입니다.
  • 에이전트가 브랜치에 직접 push하는 대신 서버가 변경을 브랜치 끝(tip)에 rebase한 뒤 반영하고, 모든 참조 변경을 에이전트 이름과 함께 순서가 있는 변경 기록(changeset log)에 남깁니다.
  • 개발자가 노트북 한 대에서 측정한 결과, 에이전트 50개가 한 브랜치에 변경 250개를 보낼 때 배칭을 켜면 200개, 끄면 99개가 반영됐습니다. 다만 상위 1% 지연 시간(p99)은 9.9초에서 12.7초로 늘었습니다.
  • 첫 공개 버전(v0.1.0)이라 웹 UI, 이슈, CI가 없습니다. 여러 노드 구성은 한 테스트 프로세스 안에 띄운 서버들로만 검증했고, Amazon S3, Google Cloud Storage, Azure 버킷은 테스트하지 않았습니다.

gitai 소개

코딩 에이전트가 늘면서 같은 저장소와 같은 브랜치에 짧은 변경이 몰리고 있습니다. Anthropic은 사내 모노레포(monorepo)에 병합되는 변경이 2026년 5월 하루 약 2,500건에서 9월 하루 30,000건 이상으로 늘었고, 그 사이 소스 관리가 가장 큰 개발 병목이 됐다고 밝혔습니다. Git은 모든 클론이 완전한 저장소인 분산 구조입니다. gitai 개발자는 기존 Git 호스팅이 사람이 클론해 몇 시간 작업하고 한 번 push하는 흐름에 맞춰져 있는 반면, 에이전트는 몇 개 파일만 건드리는 짧은 작업 수천 개를 같은 브랜치에 몇 초 안에 반영하려 한다고 설명합니다. 이때 전체 클론과 병합 대기열(merge queue), 클라이언트에서 이력을 훑는 작업이 병목이 됩니다. Anthropic은 이 문제를 사내 시스템 Scion으로 풀었지만 Scion은 공개하지 않았습니다. 이번에 소개하는 gitai는 그 공개된 설명을 바탕으로, 누구나 직접 실행해 볼 수 있게 만든 오픈소스 Git 서버입니다.

gitai는 Scion이 택한 방향대로 작업을 클라이언트에서 서버로 옮깁니다. 에이전트는 전체 클론 대신 필요한 경로의 파일만 받고, blame과 파일 이력 같은 질문은 서버가 한 번 계산해 저장해 둔 값으로 답합니다. 변경은 병합 대기열을 거치지 않고, 서버가 rebase한 뒤 CAS(Compare-and-Swap, 값이 예상과 같을 때만 바꾸는 원자적 갱신)로 브랜치를 옮겨 반영합니다. 같은 브랜치에 동시에 들어온 변경은 한 번의 참조 갱신으로 묶습니다. gitai는 Anthropic과 제휴하거나 승인을 받은 프로젝트가 아니며, Scion의 내부 코드가 아니라 공개된 글만 보고 만든 독립 구현입니다.

아래 그림은 gitai의 README 배너입니다. 에이전트 50개가 한 브랜치에 변경을 보내는 측정 결과(git 대 gitai, landed, gave up, conflict), 서버가 변경 순서를 정하는 과정, 변경마다 에이전트 이름이 남는 기록, 서버를 늘리는 구성을 차례로 보여줍니다. 배너의 git 줄은 일반 Git 서버가 아니라 배칭을 끈 gitai 서버로 측정한 값입니다(아래 벤치마크 절에서 설명합니다).

gitai 공식 배너, 에이전트 50개가 한 브랜치에 변경을 보내는 측정 결과와 서버 구성 애니메이션

gitai는 GitLab이 저장소 접근에 쓰는 gRPC 서버 Gitaly를 포크해 Go로 확장한 프로젝트입니다. 코드 안에서는 확장 부분을 Graft라고 부르며, 설정의 [graft] 절과 graft CLI, internal/graft 디렉터리가 모두 이 이름을 씁니다. 저장소는 디스크 위의 일반 Git 저장소로 남고, Gitaly가 원래 제공하던 RPC도 그대로 동작합니다. 개인 개발자 Federico Elia(feder-cr)가 Anthropic 글이 나온 이틀 뒤인 2026년 10월 15일에 v0.1.0으로 공개했습니다. 단계별 설계 문서(PLAN.md부터 PLAN6.md까지)는 코딩 에이전트에게 작업 패키지(WP, Work Package)를 나눠 맡기는 계약서 형식으로 쓰여 있습니다. 문서에는 Opus가 기반 작업을 마쳤다는 메모가, 커밋에는 Claude Sonnet 5.5 공동 작성자 표기가 남아 있어 프로젝트 자체도 코딩 에이전트로 개발한 것으로 보입니다.

gitai vs. Anthropic Scion

Anthropic 글과 gitai의 ARCHITECTURE.md, STORAGE.md를 대조하면 두 시스템의 차이는 다음과 같습니다:

항목 Anthropic Scion gitai
공개 여부 사내 전용. Anthropic은 Git과 크게 달라 다른 조직이 도입하기 어렵고, 모두를 만족시키려는 공개판은 쓸모가 적을 것이라고 밝힘 공개 저장소, v0.1.0
저장 형식 Git과 다른 자체 형식. 변경 단위는 바뀐 파일 목록을 담은 changeset이고 packfile이 없음 일반 Git 저장소. storage core를 켜면 changeset은 데이터베이스에, 새 객체는 pack 파일로 오브젝트 스토리지에 저장
메타데이터 저장소 Spanner 기본은 저장소별 JSON Lines 파일, storage core를 켜면 SQLite 또는 PostgreSQL
서버 노드 저장소 전체 사본이 서버를 포함해 어디에도 없음 각 노드가 로컬 Git 저장소를 캐시로 두고, 데이터베이스와 버킷에서 다시 만들 수 있음
객체 전송 클라이언트가 필요한 tree와 blob만 요청, 노드 데몬, 지역 캐시, 서버의 3계층 GetObjects, GetTree RPC로 필요한 객체만 요청, graft-cache의 daemon, cache 계층
변경 반영 서버에서 커밋, rebase, 병합. 참조 이동은 Spanner 행 하나의 CAS 서버의 UserLand가 rebase 후 CAS, 동시 요청은 배치로 묶음
체크아웃 sparse 체크아웃과 가상(virtualized) 체크아웃 sparse 작업 공간만 제공, 가상 파일시스템 없음
함께 만든 시스템 코드 리뷰 도구 Antique, 코드 검색, 접근 권한 관리(IAM, Identity and Access Management), 디렉터리 단위 권한 서버 내장 리뷰(랜딩 조건으로는 아직 미적용), git grep 기반 검색, 에이전트 토큰 정책(디렉터리 권한 없음)

위 표에서 가장 큰 차이는 gitai가 Git을 버리지 않는다는 점입니다. Scion은 packfile 없이 변경 파일 목록만 담은 changeset을 쓰고, 서버에도 저장소 전체 사본을 두지 않습니다. gitai는 storage core를 켜도 노드마다 로컬 Git 저장소를 두며, 처음 요청받은 저장소는 그 저장소의 pack 파일을 모두 내려받아 만듭니다. Anthropic은 글 끝에서 Scion이 일반적인 용도의 Git 대체재가 아니라고 밝혔습니다. 그리고 다른 개발자들이 Git 모델을 벗어나지 않고 Scion의 성공한 부분을 Git에 적용할 수 있도록 설계를 공유한다고 적었습니다. 이 기준으로 보면 gitai는 Scion을 복제했다기보다 Anthropic이 말한 그 방향에 더 가까운 구현입니다. gitai도 README에서는 자신을 Scion 설계의 오픈소스 버전이라고 소개하지만, LIMITATIONS.md에서는 Scion 구현이 아니라 Anthropic 글의 아이디어를 채택한 것이라고 밝히고 있습니다.

아래 그림은 Anthropic 글에 실린 Scion의 체크아웃 구조입니다. 클라이언트(Clients)는 브랜치와 이력 같은 제어 요청을 scion-server로 보내고(Control plane), 파일 내용은 노드마다 있는 scion-daemon과 지역별 scion-cache를 거쳐 받습니다(Object plane). gitai의 graft-cache daemon 계층과 cache 계층이 이 구조를 따르고, Scion의 주기적 스냅샷(Periodic snapshot)처럼 새 데몬을 미리 채우는 graft-cache snapshot 시드 파일도 제공합니다. Anthropic은 Scion 도입 뒤 인프라의 CPU와 메모리 규모가 기존 Git 미러보다 200배 작아지고 CI 체크아웃이 분 단위에서 초 단위로 줄었다고 밝혔습니다. gitai 문서에는 이에 대응하는 체크아웃 속도 비교가 없고, 공개된 측정은 변경 반영과 storage core에 한정됩니다.

같은 문제를 다룬 다른 시도도 있습니다. Cursor는 에이전트 스웜(swarm)의 커밋이 초당 약 1,000개에 이르자, 이를 감당하려고 버전 관리 시스템을 직접 만들었다고 밝혔습니다(:pytorch::kr: Cursor의 에이전트 스웜과 새로운 모델 경제학: '품질은 같아도 비용은 8배까지 차이날 수 있다'). Anthropic 글이 많은 기법의 원조로 꼽은 Meta Sapling의 서버 Mononoke는 소스가 공개되어 있지만, Meta는 아직 외부 사용을 지원하지 않는다고 밝히고 있습니다. 반면 Gas Town과 Emdash 같은 도구는 기존 Git 위에서 에이전트 작업을 워크트리로 나누거나 병합 대기열로 조율합니다. gitai는 이 둘 사이에서 Git 저장소 형식은 유지하고 Git 서버의 동작을 바꾸는 쪽입니다.

gitai를 사용하면 좋을 사용자

코딩 에이전트 수십 개가 한 저장소의 같은 브랜치에 변경을 보내면서 push 충돌과 재시도, 병합 대기열 대기를 겪는 플랫폼 팀이라면, gitai로 서버 쪽 반영과 에이전트별 토큰 정책, 변경 기록을 한 번에 실험해 볼 수 있습니다. 빌드에 Go 1.26과 Gitaly 빌드 도구(C 툴체인, Meson, Ninja)가 필요하므로, 이 환경을 직접 다루고 자체 서버에 실험용 저장소를 띄울 수 있는 팀이 대상입니다. 반면 gitai에는 웹 UI, 이슈, 머지 리퀘스트, CI가 없으므로 GitHub이나 GitLab을 대신할 저장소 호스팅을 찾는 팀에는 맞지 않습니다. 운영 중인 저장소를 옮기려는 팀에게는 gitai가 아직 적절한 선택지가 아닙니다. 첫 릴리스라 인터페이스가 1.0 전까지 바뀔 수 있고, pack 파일 가비지 컬렉션(Garbage Collection) 같은 운영 기능이 빠져 있기 때문입니다.

gitai의 서버 구성

gitai README에 실린 전체 구조는 다음과 같습니다:

        agents, CI jobs, sparse workspaces          graft CLI / Go SDK
                            |
                            v   gRPC
        +-------------------------------------------------+
        |  graft-cache (optional daemon and cache tiers)  |
        +------------------------+------------------------+
                                 v
   +---------------------------------------------------------------+
   |  gitai server (any number of nodes)                           |
   |  land - objects - changesets - derived data - search - review |
   |  write path: changeset + compare-and-swap per reference       |
   +-----------+--------------------------------+------------------+
               |                                |
               v                                v
   +-----------------------+       +-----------------------------+
   |  SQLite / PostgreSQL  |       |  object storage             |
   |  changeset WAL, refs, |       |  content-addressed packs    |
   |  changelog, reviews   |       |  (file, S3, GCS, Azure)     |
   +-----------------------+       +-----------------------------+
               \                              /
                local Git repositories = caches any node can rebuild

에이전트와 CI 작업은 graft CLI나 Go SDK로 gRPC 요청을 보냅니다. 선택 구성 요소인 graft-cache는 노드마다 하나씩 두는 daemon 계층과 지역 단위 cache 계층으로 나뉩니다. 객체는 내용으로 주소가 정해지는(content-addressed) 불변 데이터라 캐시를 무효화할 필요가 없고, 캐시는 저장하는 모든 객체의 ID를 다시 계산해 내용이 맞는지 검증합니다. 아래쪽의 데이터베이스와 오브젝트 스토리지는 storage core를 켰을 때만 쓰며, 기본 설정에서는 각 노드의 Git 저장소와 그 안의 파일이 상태를 담습니다.

gitai의 변경 반영(land) 흐름

ARCHITECTURE.md에 정리된 반영 순서는 다음과 같습니다:

  1. graft commit이 변경을 임시 브랜치 refs/heads/graft/<user>/<random>에 커밋합니다.
  2. 서버가 UserLand 요청을 받아 대상 브랜치의 tip을 읽습니다. tip이 그 커밋의 조상이면 fast-forward로, 이미 포함된 커밋이면 already_landed로 처리하고, 둘 다 아니면 tip 위로 rebase합니다.
  3. 훅과 접근 정책을 검사한 뒤 브랜치를 tip에서 새 커밋으로 CAS 갱신합니다. 그사이 다른 변경이 먼저 반영돼 경쟁에서 지면 2단계부터 다시 시도하며, 기본 최대 시도 횟수는 20회입니다.
  4. 변경 기록에 land 작업과 행위자(actor)를 남기고 임시 브랜치를 지웁니다.

에이전트가 많아지면 3단계의 CAS 경쟁이 병목이 됩니다. gitai는 이를 배칭(batching)으로 줄입니다. 서버는 브랜치마다 요청 대기열(lane)을 둡니다. 첫 요청 뒤 10ms가 지나거나 요청이 50개 모이면 배치를 만들어 한 번의 참조 갱신으로 반영합니다(기본값). 대기열 하나는 한 번에 배치 하나만 실행하므로, 대기열이 꽉 차면 요청은 앞선 배치가 끝나기를 기다립니다.

rebase 중 충돌이 나면 서버는 충돌 파일 목록을 담아 merge_conflict 오류를 돌려줍니다. 운영자가 리졸버(resolver)를 설정하고 클라이언트가 resolve_conflicts를 요청한 경우에만 서버가 충돌을 직접 해소합니다. 기본 리졸버 graft-resolve는 trivial, union, rerere 같은 결정적 전략을 제공하고, 선택 사항인 llm 전략은 Anthropic, OpenAI 호환 엔드포인트 또는 임의의 명령을 호출합니다. gitai 서버 자체는 언어 모델을 호출하지 않으며, AI가 해소한 커밋에는 Graft-Resolved-By 트레일러(trailer)가 추가됩니다. llm 전략을 쓰면 충돌 파일의 세 버전이 모델 제공자에게 그대로 전송되므로, 비밀 값이 든 파일 경로는 paths_deny로 제외해야 합니다.

gitai의 변경 기록과 파생 데이터

서버가 받아들인 모든 참조 갱신은 1부터 빈틈없이 이어지는 번호와 함께 변경 기록(changeset log)에 쌓입니다. 각 항목에는 참조 이름, 이전과 새 객체 ID, 작업 종류(land, revert 등), 행위자, 시각이 들어가고, 클라이언트는 graft log로 목록을 보거나 graft watch로 새 항목을 실시간으로 따라갈 수 있습니다. 행위자는 요청에 담긴 사용자 이름이 아니라 토큰의 에이전트 이름이므로, 에이전트가 다른 에이전트를 사칭해 기록을 남길 수 없습니다.

blame과 파일 이력 같은 무거운 질문의 답은 파생 데이터(derived data)로 저장합니다. 값은 커밋 ID를 키로 하는 불변 데이터라 한 번 계산하면 다시 무효화할 일이 없습니다. 기본 설정(eager = false)에서는 처음 읽을 때 계산하므로, 긴 이력의 파일에 처음 Blame을 요청하면 그 이력을 한 번 다 훑습니다.

gitai의 storage core

storage core는 저장소 상태를 강한 일관성의 데이터베이스와 오브젝트 스토리지에 두어, 각 노드의 Git 저장소를 언제든 다시 만들 수 있는 캐시로 만드는 기능입니다. 기본값은 꺼져 있고(off), 운영 중인 서버 옆에서 쓰기를 데이터베이스에 따라 기록만 하는 shadow 모드와, 데이터베이스가 기준이 되는 authoritative 모드가 있습니다. authoritative 모드에서는 새 객체를 pack 파일로 먼저 업로드한 뒤 참조별 CAS로 changeset을 커밋하고, 각 노드는 요청을 처리하기 전에 로컬 저장소를 데이터베이스의 최신 상태까지 따라잡습니다. 데이터베이스는 SQLite 또는 PostgreSQL을, 버킷은 file://, s3://, gs://, azblob:// URL을 받습니다. 여러 호스트에 노드를 두려면 PostgreSQL과 공유 버킷이 필요합니다.

개발자는 STORAGE.md에 storage core의 한계도 적어 두었습니다. 노드가 상태를 갖지 않는 것은 아니어서, 각 노드는 여전히 로컬 Git 저장소에서 git을 실행하고 처음 요청받은 저장소의 pack 파일을 모두 내려받습니다. pack 파일은 지워지지 않고, 처음부터 다시 만드는 노드는 changeset 1번부터 모두 재생합니다. authoritative 모드는 reftable 형식 저장소만 지원하고, Gitaly의 고가용성 프록시인 Praefect와 함께 쓸 수 없습니다.

gitai의 에이전트용 부가 도구

서버 밖에서 공개 SDK로 동작하는 도구와 서버에 들어간 서비스는 다음과 같습니다:

  • graft-verify: 반영이 끝난 브랜치 tip에서 테스트 명령을 실행합니다. 실패하면 한 번 더 실행해 불안정한(flaky) 테스트인지 확인하고, revert를 켠 경우 이분 탐색(bisect)으로 원인 커밋을 찾아 Graft-Auto-Revert 트레일러를 단 revert 커밋을 만듭니다. 테스트 명령을 호스트에서 격리하는 일은 운영자의 몫입니다.

  • graft-superfan: 변경 기록을 읽어 결정적 규칙으로 분류하고, 컴포넌트 담당자에게 요약을 Slack이나 웹훅으로 보내는 모니터링 에이전트입니다. Anthropic의 superfan은 Claude Tag로 각 컴포넌트의 텔레메트리와 로그를 지켜보지만, gitai의 superfan은 변경 기록만 봅니다.

  • 코드 리뷰(ReviewService): 바뀐 파일을 코드, 주석, 문서, 테스트, 생성 파일, 설정으로 분류하고, 분류마다 필요한 승인 수를 다르게 둡니다. 주석만 고친 변경은 로직 변경보다 적은 승인으로 끝낼 수 있습니다. 다만 현재 단계(phase 5a)에서는 랜딩할 때 리뷰 승인 여부를 검사하지 않습니다.

  • 코드 검색(SearchService): 서버에서 지정한 커밋에 git grep을 실행해 결과를 스트리밍합니다. 별도 인덱스를 만들지 않으며, 에이전트가 저장소를 클론하지 않고도 코드를 찾을 수 있게 하는 기능입니다.

  • 에이전트 보안: 에이전트마다 토큰을 따로 두고, 에이전트가 부를 수 있는 RPC를 허용 목록으로 제한하며, [[graft.policy]] 규칙으로 어떤 에이전트가 어떤 브랜치를 갱신할 수 있는지 정합니다. 저장소를 지우거나 서버 훅을 설치하는 관리용 RPC는 에이전트 토큰으로 호출할 수 없습니다. 디렉터리 단위 쓰기 권한은 아직 없습니다.

gitai 벤치마크

아래 수치는 개발자 Federico Elia가 직접 측정해 BENCH.md에 공개한 값입니다. 측정 환경은 Intel Core Ultra 7 255H 노트북의 WSL2이고, 측정 중에 다른 빌드와 테스트가 함께 실행돼 부하 평균이 8에서 38 사이였습니다. 개발자도 수치에 잡음이 있으니 기기 정보와 함께 인용하고 비교 전에 다시 측정하라고 적어 두었습니다. 에이전트마다 변경 5개를 한 브랜치에 반영하고, 변경의 20%는 같은 파일을 고쳐 일부러 충돌하게 만든 조건입니다:

조건 반영 / 전체 반영 1건당 시도 분당 반영 p50 지연 p99 지연 실행 시간
에이전트 20, 배칭 끔 62 / 100 11.39 212.4 1.5초 10.0초 17.5초
에이전트 20, 배칭 켬 78 / 100 1.00 411.9 2.0초 2.8초 11.4초
에이전트 50, 배칭 끔 99 / 250 27.94 212.0 2.1초 9.9초 28.0초
에이전트 50, 배칭 켬 200 / 250 1.00 250.9 9.0초 12.7초 47.8초
에이전트 100, 배칭 끔 115 / 500 56.94 126.6 4.1초 13.4초 54.5초
에이전트 100, 배칭 켬 392 / 500 1.00 257.6 17.3초 23.3초 91.3초

배칭을 켜면 반영된 모든 변경이 한 번의 시도로 반영됐고, 실패한 변경은 일부러 만든 충돌뿐이었습니다. 배칭을 끄면 브랜치 tip이 계속 움직여 변경 16개, 101개, 277개가 20회 시도 끝에 포기했습니다. 반면 지연 시간은 에이전트 50개와 100개에서 배칭을 켠 쪽이 더 길었습니다. 대기열 하나가 배치를 하나씩 순서대로 처리하고, 배치 안에서도 변경을 하나씩 반영하는 데 약 100ms씩 들기 때문입니다. 개발자가 세운 단계 4a의 통과 기준(배칭을 켰을 때 p99가 껐을 때보다 길지 않을 것)은 에이전트 50개와 100개에서 충족되지 않았고, 개발자도 이를 실패로 기록했습니다. 배칭을 끈 쪽의 p99는 반영에 성공한 변경만 세므로, 에이전트 100개 조건에서는 500개 중 115개만 반영된 값입니다.

README 배너의 문구("Same time, same work. With gitai, twice as many changes get done.")도 이 표의 에이전트 50개 행에서 나왔습니다. 배너의 git 줄은 배칭을 끈 gitai 서버이며, 이 서버도 서버 쪽 rebase와 20회 재시도를 수행하므로 일반 Git 서버에 push하는 상황과는 다릅니다. 같은 측정에서 배칭을 켠 실행은 47.8초, 끈 실행은 28.0초가 걸려, 분당 반영 수로 비교하면 250.9건 대 212.0건입니다.

storage core의 비용도 따로 측정되어 있습니다. 동시에 쓰는 클라이언트(writer) 50개가 각각 변경 5개를 반영할 때 storage core를 끈 서버는 분당 373.4건을, SQLite와 PostgreSQL을 쓴 authoritative 모드는 각각 308.9건, 319.8건을 반영해 꺼진 서버의 83~86% 수준이었습니다. 부하가 덜했던 이전 측정에서는 반영 1건(약 300ms)마다 SQLite에서 약 140ms, PostgreSQL에서 약 240ms가 더 들었습니다.

gitai 설치와 사용

저장소 이름은 git-ai, 프로젝트 이름은 gitai, 코드 안 확장 이름과 CLI 이름은 Graft(graft)이므로, 아래 명령에서는 저장소 이름 git-ai와 CLI 이름 graft를 그대로 씁니다. AI가 작성한 코드를 추적하는 Git 확장 Git AI와는 이름만 비슷한 별개 프로젝트입니다.

빌드하려면 Linux 또는 macOS에 Go 1.26, C 툴체인, Meson, Ninja가 있어야 합니다. make build는 Git 소스를 받아 함께 컴파일합니다. 저장소를 받아 빌드하고 예제를 실행하는 명령은 다음과 같습니다:

git clone https://github.com/feder-cr/git-ai.git
cd git-ai
make build                         # server, CLI and tools into _build/bin
examples/graft/quickstart.sh       # a server, a cache daemon, two agents and a land, in a temporary directory
./_build/bin/graft                 # the CLI and its commands

quickstart.sh는 임시 디렉터리 하나에 독립 실행(standalone) 모드 서버, graft-cache 데몬, 권한이 다른 에이전트 두 개(planner, builder)를 실행하고, 변경 반영과 정책 거부까지 차례로 시험합니다. 서버를 직접 실행하려면 examples/graft/config.toml을 고친 뒤 _build/bin/gitaly serve config.toml로 실행합니다. 에이전트 작업 공간에서 쓰는 명령은 다음과 같습니다(QUICKSTART.md에서 발췌, planner 에이전트 토큰 기준):

export GRAFT_ADDRESS=unix:/var/lib/graft/run/cache.sock
export GRAFT_STORAGE=default
export GRAFT_TOKEN="$(cat /etc/graft/tokens/planner)"
export GRAFT_USER=planner
export GRAFT_AUTHOR="planner <planner@example.com>"

graft clone "$GRAFT_ADDRESS" demo.git ./demo --branch main
cd ./demo
printf 'hello graft\n' > README.md
graft commit -m "Add README" --land main

graft log                  # changeset log: sequence, reference, OIDs, operation, actor, time
graft blame README.md      # who last changed each line
graft history README.md    # commits that changed the file
graft watch               # follow new changesets until interrupted
graft sparse docs/ src/api/

graft는 서버 중심의 sparse 작업 공간이라 git을 대체하지 않습니다. 작업 공간 안에서 git log처럼 전체 객체 그래프가 필요한 명령을 쓰려면 일반 Git 클론이 따로 있어야 하고, graft clone은 브랜치가 하나도 없는 빈 저장소를 클론하지 못합니다. CLI와 SDK로는 아직 저장소를 만들 수 없어, 예제는 서버의 저장소 경로에 bare 저장소를 만들고 첫 커밋을 push해 둡니다. storage core를 쓰려면 설정에 [graft.storage] 절을 추가해 shadow 모드로 시작하고, 저장소를 가져온(import) 뒤 authoritative로 바꿉니다(STORAGE.md).

통제하지 않는 프로그램에 에이전트 토큰을 넘기려면, 먼저 LIMITATIONS.md의 보안 한계 절을 읽어야 합니다. 독립 실행 모드에서는 [[graft.policy]]가 참조 갱신을 막는 유일한 권한 검사이므로, 서버 설정 파일을 고칠 수 있는 사람은 누가 어디에 쓸 수 있는지도 바꿀 수 있습니다. 공유 토큰(auth.token)은 어떤 사용자로도 행동할 수 있는 관리자 자격 증명입니다.

gitai의 라이선스

gitai는 MIT 라이선스로 공개되어 있어 개인 및 상업적 목적으로 자유롭게 사용할 수 있습니다. 원본 Gitaly에서 MIT가 아닌 ee/ 디렉터리는 저장소에 들어 있지 않습니다.

단, make build는 GitLab이 관리하는 Git 소스를 컴파일해 gitaly 바이너리에 함께 넣는데, Git은 GPL-2.0으로 배포됩니다. 빌드한 바이너리를 외부에 배포하려면 Git의 라이선스 조건도 함께 확인해야 합니다.

:books: gitai 아키텍처 문서

:memo: Anthropic의 Scion 소개 글 (Redesigning source control at Anthropic)

:github: gitai 프로젝트 GitHub 저장소

더 읽어보기




이 글은 GPT 모델로 정리한 초안을 바탕으로 한 것으로, 원문의 내용 또는 의도와 다르게 정리된 내용이 있을 수 있습니다. 관심있는 내용이시라면 원문도 함께 참고해주세요! 읽으시면서 어색하거나 잘못된 내용을 발견하시면 댓글로 알려주시기를 부탁드립니다. :hugs:

:pytorch:파이토치 한국 사용자 모임:south_korea:은 이런 글들을 한국어로 정리해 나누고 있습니다. 회원으로 가입하시면 주요 글들을 이메일:love_letter:로 보내드리고, 텔레그램(Telegram)과 Slack/Discord/Teams/Dooray/GoogleChat 등으로도 새 글 알림을 받으실 수 있습니다. :smiley:

:wrapped_gift: 아래:down_right_arrow:쪽에 좋아요:+1:를 눌러주시면 다음 글을 정리하는 데 힘이 됩니다~ :star_struck: