Grovarc - AI 기반 개발자 성장 기록 서비스

아이디어

매일 코드를 짜고, 버그를 잡고, 새 기술을 배운다. 그런데 한 달 뒤에 “요즘 뭘 배웠어?”라는 질문을 받으면 막막하다.

뭘 했는지 기억이 안 남
    ↓
회고를 쓰고 싶은데 시작이 막막함
    ↓
성장하고 있는지 체감이 안 됨
    ↓
열심히 하는데 쌓이는 느낌이 없음

Grovarc의 답: 매일 작업 로그를 짧게 기록하면 AI Agent가 패턴을 분석해서 회고 초안, 성장 리포트, 학습 로드맵을 자동으로 만들어준다. 기록은 사람이, 분석은 AI가.

아키텍처

┌─────────────────────────────────────────────────────────────┐
│            apps/web (Next.js + TypeScript)                   │
│     작업 로그 입력 / 회고 대시보드 / 기술 성장 차트          │
└──────────────────────┬──────────────────────────────────────┘
                       │ REST
                       ▼
┌──────────────────────────────────────────────────────────────┐
│            apps/api (Kotlin + Spring Boot)                    │
│  사용자·로그 CRUD  │  JWT 인증  │  Kafka 이벤트 발행         │
└──────────────┬───────────────────────────────────────────────┘
               │ Kafka
               ▼
┌──────────────────────────────────────────────────────────────┐
│            apps/ai (Python + FastAPI)                         │
│                                                              │
│  LangGraph Agent  │  LLaMA 3 추론  │  RAG (pgvector)        │
│  ┌────────────┐   │  ┌───────────┐  │  ┌──────────────────┐ │
│  │패턴 분석   │──>│  │회고 초안  │  │  │유사 문제 검색    │ │
│  │기술 스택   │   │  │성장 리포트│  │  │(과거 로그 벡터화)│ │
│  │감지        │   │  │로드맵 제안│  │  └──────────────────┘ │
│  └────────────┘   │  └───────────┘  │                       │
└──────────────────────────────────────────────────────────────┘
               │
┌──────────────▼───────────────────────────────────────────────┐
│            apps/mcp (TypeScript MCP SDK)                      │
│  Claude Desktop에서 직접 호출 가능한 MCP 서버                │
│  - get_recent_logs: 최근 N일 로그 조회                       │
│  - generate_retrospective: 기간 지정 회고 생성               │
│  - search_similar_problems: 유사 문제 RAG 검색               │
└──────────────────────────────────────────────────────────────┘

infra/
├── terraform/    # AWS EKS, RDS, ElastiCache, S3 IaC
└── k8s/          # Deployment, Service, HPA 매니페스트

모노레포 구조

grovarc/
├── apps/
│   ├── web/    # Next.js 프론트엔드
│   ├── api/    # Kotlin Spring Boot 백엔드
│   ├── ai/     # Python FastAPI AI 서버
│   └── mcp/    # TypeScript MCP 서버
├── infra/
│   ├── terraform/   # AWS 인프라 코드
│   └── k8s/         # Kubernetes 매니페스트
└── docs/
    ├── PRD.md
    ├── architecture.md
    └── adr/         # 기술 결정 기록

핵심 기능 (MoSCoW)

분류	기능
Must	작업 로그 입력 (한 일 / 막혔던 것 / 해결한 것)
Must	AI 주간 회고 자동 생성 (매주 월요일)
Must	기술 성장 시각화 차트
Should	유사 패턴 검색 (RAG) — “이전에 비슷한 문제 어떻게 해결했지?”
Should	성장 코칭 Agent — 부족한 기술 분석 + 학습 로드맵 제안
Could	월간 리포트 공유 링크
Could	MCP 서버 — Cursor/Claude에서 직접 회고 데이터 조회

기술 선택 이유

Kotlin (api) JVM + Spring Boot 호환성을 유지하면서 코드를 간결하게 쓸 수 있다. 코루틴으로 AI 서버 응답 대기를 비동기 처리하기에도 자연스럽다. 익숙한 Spring 생태계를 유지하면서 새 언어를 프로덕션 수준으로 써보고 싶었다.

Python + FastAPI (ai) LangGraph, LLaMA, RAG 생태계가 모두 Python에 있다. AI 서버만 Python으로 분리하고 나머지는 Kotlin으로 유지하는 게 각 언어의 강점을 최대화한다.

LangGraph + LLaMA 3 단순 LLM 호출이 아니라 “패턴 분석 → 회고 초안 생성 → 로드맵 제안” 같은 멀티 스텝 흐름이 필요하다. LangGraph는 이 흐름을 상태 그래프로 명확하게 표현하고, 조건부 분기와 루프를 자연스럽게 다룰 수 있다.

pgvector + RAG PostgreSQL에 pgvector 익스텐션을 더해 과거 작업 로그를 벡터화해 저장한다. “이전에 비슷한 문제를 어떻게 해결했지?”라는 검색을 코사인 유사도 기반으로 처리한다. 별도 벡터 DB 없이 기존 PostgreSQL에서 벡터 검색까지 처리해 운영 복잡성을 낮춘다.

MCP SDK Claude Desktop과 직접 연결해서, 사용자가 Cursor나 Claude에게 “지난 2주 동안 내가 뭘 배웠어?” “이번 달 가장 많이 다룬 기술이 뭐야?”라고 물으면 Grovarc 데이터를 기반으로 대답하게 만든다. 서비스를 열지 않아도 AI 도구 안에서 성장 데이터와 대화할 수 있다.

Kubernetes + Terraform api, ai, mcp 각 앱을 독립 Deployment로 운영해 부하에 따라 개별 스케일 아웃이 가능하다. ai 서버는 LLM 추론 부하가 크기 때문에 별도로 스케일할 수 있어야 한다. Terraform으로 AWS EKS, RDS, ElastiCache를 코드로 관리해 환경 재현성을 확보한다.

개발 방식

Cursor Agent + Claude를 활용한 AI-assisted 개발(바이브코딩)로 진행한다. 코드를 빠르게 짜는 것보다 왜 만드는지, 무엇을 어떻게 만들지를 먼저 명확히 하는 것에 집중한다.

PRD → 아키텍처 문서 → ADR → 구현 순서를 지키고, 개발 과정은 기술 블로그에 기록한다.

비즈니스 모델

플랜	가격	내용
Free	무료	로그 입력 + 기본 회고 월 4회
Pro	월 9,900원	무제한 회고 + RAG 검색 + 성장 코칭 Agent

KPI 목표 (런칭 3개월 기준): MAU 500명, 주 3회 이상 로그 작성 유저 40%, 회고 생성 후 수정율 60%+, D7 리텐션 30%

개발 단계

Phase	내용	상태
Phase 0	PRD & 아키텍처 설계	완료
Phase 1	인프라 & 로컬 환경 세팅	진행 중
Phase 2	Kotlin API 코어 (로그 CRUD, 인증)	예정
Phase 3	LangGraph AI Agent 프로토타입	예정
Phase 4	LLaMA 3 Fine-tuning	예정
Phase 5	Next.js 프론트엔드	예정
Phase 6	MCP 서버 연동	예정
Phase 7	PM 산출물 & 블로그 정리	예정
Phase 8	QA & 런칭	예정