자연어 기반 Bounded Context & 도메인 설계 AI

1. LLM 기술을 활용한 도메인 분석

• 기존의 단순 텍스트 분석이 아닌, LLM을 활용한 심층적 도메인 컨텍스트 이해
• 도메인 전문가의 암묵지(Tacit Knowledge)를 LLM이 분석하여 명시적 지식으로 변환
• 유비쿼터스 언어(Ubiquitous Language) 도출 및 정제

2. 이벤트스토밍 기반 마이크로서비스 도출

• 도메인 이벤트 중심의 비즈니스 프로세스 분석

• 애그리게잇(Aggregate) 식별 기준:

  • 트랜잭션 일관성 경계
  • 불변식(Invariants) 보장 범위
  • 동시성 제어 단위

• 컨텍스트 맵(Context Map)을 통한 바운디드 컨텍스트 간 관계 정의:

  • Conformist
  • Anti-corruption Layer
  • Open Host Service
  • Published Language

3. 바운디드 컨텍스트 자동 분리

• 도메인 모델의 응집도(Cohesion)와 결합도(Coupling) 분석

• 전략적 설계(Strategic Design) 패턴 적용:

  • Core Domain
  • Supporting Domain
  • Generic Domain

• 컨텍스트 간 통신 패턴 설계:

  • 동기식 통신 (Request-Response)
  • 비동기식 통신 (Event-Driven)
  • 사가(Saga) 패턴 적용 구간 식별

수행 방법

MSAEZ 에 접속해 AI 생성 버튼을 클릭합니다.

이벤트스토밍 생성 버튼을 클릭하고 자연어로 유저 스토리를 작성합니다.

이벤트스토밍을 선택하면 기본적으로 테스트해 볼 수 있는 유저 시나리오가 자동으로 생성이 되지만, 직접 유저 시나리오를 작성하면 보다 정확한 요구사항을 반영할 수 있습니다.

시나리오 작성이 완료되면 Bounded Context 생성 버튼을 클릭합니다.

버튼을 누르면, 바운디드 콘텍스트를 구성할 수 있는 5가지 관점에 대한 초안이 생성됩니다.

위쪽에는 생성시킬 바운디드 콘텍스트와 각 바운디드 콘텍스트의 관계도가, 아래쪽에는 왜 이런 식으로 구성을 도출했는지에 대한 AI의 분석 내용이 표시됩니다.

Create Model 버튼을 클릭하면 이벤트스토밍 캔버스 화면으로 이동하고, 각 바운디드 콘텍스트에 할당된 요구 사항들을 먼저 세부적으로 분석하는 과정을 거친 후 어그리거트를 구성할 수 있는 옵션이 생성됩니다.

각 옵션들은 ACID 및 여러 고려 사항을 통해 생성이 되며, 마이크로서비스 아키텍처 설계의 핵심인 응집도와 결합도를 포함한 다양한 고려 사항 측면에서 장점, 단점을 분석해 표시해줍니다.

제시된 어그리거트 초안들 중 하나를 선택해 생성 버튼을 클릭하면 각 바운디드 컨텍스트 내부에 어그리거트부터 커맨드, 이벤트, 폴리시를 포함한 이벤트스토밍 모델이 자동으로 생성됩니다.

이벤트스토밍 모델 생성이 완료되면, 어그리거트 내부 설정에서 Edit Aggregate Members By Class Diagram 버튼을 클릭해 클래스 다이어그램을 확인해볼 수 있습니다.

예를 들어 도서 어그리거트를 살펴보면, 선택되어있는 옵션대로 도서 어그리거트 루트에 도서 코드로 활용되는 BookId 밸류 오브젝트와 대출 상태 및 기간 등에 대한 정보가 클래스 다이어그램 내부에 작성된 것을 확인해 보실 수 있습니다.

다음 단계로 폴리시 스티커를 선택해 어플리케이션의 테스트를 위해 각 시스템 정책에 대한 Given-When-Then 예제를 생성합니다.

Examples 버튼을 클릭하고 열리는 탭에서 예제 생성 버튼을 클릭하면 AI가 해당 정책에 대한 예제를 자동으로 생성해줍니다.

※ Given-When-Then이란? 프로그램을 만들고 기능을 테스트할 때, 테스트 케이스를 작성하는 방법 중 하나입니다. Given은 주어진 상황, When은 사용자의 행위, Then은 그로 인해서 일어나는 결과이며, Given - Aggregate / When - Command / Then - Event에 대응됩니다.

예제 생성이 완료되면 이벤트스토밍 모델을 기반으로 생성된 코드를 확인합니다.

이벤트스토밍 캔버스 상단 아이콘 중 Code 버튼에 마우스 커서를 올려 Code Preview 버튼을 클릭하면 생성된 코드 파일 전체를 조회할 수 있습니다.

각 바운디드 컨텍스트 별로 jUnit 테스트를 진행하는 단계입니다.

테스트를 진행하고자 하는 파일을 선택하고 Auto Implement 버튼을 클릭하면 AI로 구현되는 테스트 항목을 선택할 수 있습니다. 원하는 테스트를 선택하고 Start 버튼을 누르면 테스트가 자동으로 진행됩니다.

위 화면과 같이 AI가 자동으로 테스트를 진행하는 것은 물론, 해당 기능을 구현하기 위해 필요한 비즈니스 로직도 일부 작성해줍니다.

모든 오류가 수정되어 테스트를 통과하면 해당 코드를 Github 리포지토리에 push해 프로젝트로 저장합니다.

프로젝트가 저장된 본인의 GitHub URL 앞에 gitpod.io/#/ 를 붙여 GitPod에 접근하면 해당 코드를 운용할 수 있는 웹브라우저 기반 IDE로 연결됩니다.