- 자연어 지시로 CAPL 코드 생성·테스트·오류 수정 자동 실행…깃허브 코파일럿·클로드 연동

 

벡터코리아가 차량 네트워크 개발·테스트 환경 ‘CANoe’에 AI 에이전트와 모델 컨텍스트 프로토콜(MCP)을 적용했다. 자연어로 요구사항을 입력하면 AI가 작업 순서를 세운 뒤 CAPL 테스트 코드를 작성해 CANoe에서 시험하는 방식이다. 오류 분석과 코드 수정, 재시험까지 AI가 이어가면서 수시간에서 며칠씩 걸리던 작업은 수분으로 줄어든다.

 

자연어 요구사항을 테스트 코드로 전환

차량 소프트웨어 테스트는 요구사항 분석과 조건 설정, 코드 작성, 결과 확인을 차례로 거친다. 오류가 나오면 원인을 찾아 코드를 고친 뒤 같은 시험을 다시 돌려야 한다. CANoe AI 패키지는 흩어져 있던 단계를 자연어 프롬프트 하나로 묶었다.

 

AI 에이전트가 요구사항 정의서에 맞춰 CAPL 코드를 만들면 CANoe가 실시간 테스트에 들어간다. 오류를 찾으면 코드를 고쳐 같은 시험을 다시 돌리고, 동기화된 CANoe 화면에 작업 단계와 결과를 순서대로 남긴다. 엔지니어의 역할은 진행 내역 검토와 최종 승인이다.

 

MCP로 외부 LLM 연결, 기존 개발 환경 유지

CANoe 20 SP2에 탑재된 MCP 서버는 외부 거대언어모델(LLM)과 CANoe의 설정·시뮬레이션·테스트 기능을 연결한다. 사용자는 깃허브 코파일럿과 클로드, 자체 LLM 가운데 업무에 필요한 모델을 선택하면 된다. 기존 개발 환경을 바꾸지 않고 AI 에이전트를 운용하는 방식이다.

 

벡터는 에이전트와 스킬, MCP 도구를 묶은 오픈 AI 레이어(Open AI Layer)를 제공한다. 사용자 고유의 도메인 지식과 컴포넌트를 더해 업무별 에이전트로 확장하는 방식이다. 자연어 명령의 처리 범위는 설정 조회·변경과 시뮬레이션 제어, 테스트 케이스 생성, 통신 분석부터 CAPL·C#·파이썬 코드 작성·수정까지다.

 

벡터-RAG가 검증 문서 찾아 답변·코드 생성

범용 LLM은 차량 통신 규격이나 CANoe 기능을 잘못 해석해 부정확한 답변과 코드를 낼 수 있다. 벡터-RAG는 벡터의 문서와 기술 자료를 먼저 검색한 뒤 AI의 답변과 코드 생성에 반영함으로써 언어모델의 환각을 줄인다. 검증 자료는 초보 사용자에게 기능과 설정 방법을 안내하는 한편, 숙련된 엔지니어에게는 여러 작업을 잇는 자동화의 근거로 쓰인다. 사용자가 자율 실행 수준을 정하면 CANoe 화면이 각 단계와 결과를 실시간으로 보여준다.  벡터는 CANoe 20 SP2 이상과 사용자 자체 LLM 환경에서 작동하는 CANoe AI 패키지를 공식 웹사이트에서 무료로 배포한다.

 

#벡터 #벡터코리아 #CANoe #CANoeAI패키지 #AI에이전트 #MCP #모델컨텍스트프로토콜 #벡터RAG #검색증강생성 #CAPL #자동차소프트웨어 #차량네트워크 #테스트자동화