Copilot 코드 리뷰 개편 정리: Adaptive effort·시크릿 탐지·리뷰 지표
3줄 요약
- Copilot 코드 리뷰에 PR마다 리뷰 깊이(Lite·Balanced·Max)를 자동으로 고르는 Adaptive가 퍼블릭 프리뷰로 추가됐습니다 [1].
- 리뷰 단계에서 노출된 시크릿(API 키, 비밀번호 같은 인증 정보)을 머지 전에 짚어 주는 기능이 생겼지만, 기본값은 꺼져 있습니다 [1][3].
- 저장소 Insights 탭에서 Copilot 리뷰 댓글이 실제로 반영됐는지 보여 주는 지표가 제공되고, Azure DevOps용 Copilot 코드 리뷰는 정식 출시됐습니다 [1][2].
무엇이 나왔나
Adaptive effort. 지금까지는 PR마다 어떤 리뷰 강도를 쓸지 사람이 설정에서 정하거나 리뷰를 요청할 때 골라야 했습니다 [1]. Adaptive는 PR의 복잡도와 위험도를 보고 Lite, Balanced, Max 중 하나를 Copilot이 직접 고르며, 리뷰 결과에 어떤 단계를 골랐는지 표시합니다 [1]. 발표에서는 문서 수정에는 Lite, 인증 로직 변경에는 Max가 어울린다는 예를 들었습니다 [1].
저장소 간 컨텍스트. 리뷰 중에 관련된 공개 저장소를 읽어, 변경 사항에 의존하는 다른 저장소의 코드나 다른 곳에 있는 문서, 커스텀 지침과 스킬 등을 참고할 수 있습니다 [1]. 현재는 공개 저장소 대상 퍼블릭 프리뷰입니다 [1].
리뷰 중 시크릿 탐지. 두 가지 방식을 함께 씁니다 [1]. 하나는 150곳이 넘는 파트너와 만든 500종 이상의 형식이 정해진 시크릿을 정규식 같은 결정적 방법으로 찾는 것이고, 다른 하나는 LLM과 GitHub의 전용 모델로 형식이 뚜렷하지 않은 시크릿을 찾는 것입니다 [1]. 공지에 따르면 이 모델은 주변 코드를 읽어 연결 문자열 속 비밀번호 같은 것도 잡아냅니다 [3].
저장소별 리뷰 성과 지표. Repository insights 페이지는 반영된 댓글, 반영된 고심각도 댓글, Copilot 리뷰 후 사람의 수정 요청이 없었던 PR, Copilot 리뷰 없이 머지된 PR이라는 네 가지 신호를 보여 줍니다 [2]. 반영률 추이와 댓글 유형 분류도 볼 수 있습니다 [2].
Azure DevOps 정식 출시. Azure Repos용 Copilot 코드 리뷰가 GA(정식 출시)됐고, 브랜치 정책으로 자동 리뷰를 걸 수 있습니다 [1].
어떻게 써먹나
- Adaptive를 기본값으로 지정합니다. 개인, 저장소, 조직, 엔터프라이즈 설정에서 기본 리뷰 강도로 고를 수 있고, 특정 PR만 바꾸려면 Reviewers 영역에서 선택하면 됩니다 [1]. 따로 바꾸지 않으면 기본값은 계속 Balanced입니다 [1].
- 최대 강도부터 점검합니다. Adaptive는 엔터프라이즈·조직·저장소에 설정된 최대 리뷰 강도를 넘지 않습니다 [1]. 최대치를 낮게 잡아 두면 위험한 변경에도 Max가 선택되지 않으니 먼저 확인해야 합니다.
- 시크릿 탐지를 켭니다. 저장소나 조직 설정에서 Copilot → Code review로 들어가 켭니다 [1]. 작성 단계에서도 확인하고 싶다면 Copilot CLI나 Copilot 앱에서 에이전트에게 security-review 전문가를 실행하게 하거나
/security-review를 직접 실행할 수 있습니다 [3]. Copilot SDK로 만든 에이전트는 변경을 돌려주기 전에 보안 리뷰를 요청하게 만들 수 있습니다 [3]. - 지표로 사각지대를 찾습니다. 저장소 Insights 탭에서 Repository insights를 열면 됩니다 [2]. 조직 단위로 모으려면 Copilot usage metrics API의 1일 저장소 리포트(repos-1-day)를 쓸 수 있습니다 [2]. 공지는 'Copilot 리뷰 없이 머지된 PR'이 많은 저장소를 찾아 도입 지원을 집중하라고 권합니다 [2].
왜 리뷰 쪽 개선이 중요한지는 최근 하버드 박사과정 연구진의 워킹 페이퍼에서도 엿볼 수 있습니다. 718개 기업을 분석한 결과, AI 코딩 에이전트 도입 후 작성 코드는 약 30% 늘었지만 완료 작업은 뚜렷하게 늘지 않았고 리뷰 통과 시간은 49% 길어졌다고 합니다 [4]. 다만 동료 심사가 끝난 논문은 아니며 [4], 요약 매체마다 표본과 수치가 다르게 소개돼 있어(예: 655개 기업, 병합 시간 56.1% 증가) 해석에 주의가 필요합니다 [5].
주의할 점
- Adaptive, 저장소 간 컨텍스트, 시크릿 탐지는 Pro, Pro+, Max, Business, Enterprise 플랜에서 쓸 수 있고 모두 퍼블릭 프리뷰라 바뀔 수 있습니다 [1].
- 시크릿 스캔은 기본적으로 꺼져 있으며, 켜기 전에는 기존 LLM 기반 탐지만 동작합니다 [3]. 변경분만 검사하고 저장소 히스토리는 뒤지지 않습니다 [3].
- 스캔은 Secret Protection AI Credit SKU로 AI 크레딧을 소모합니다 [3]. 구체적인 크레딧 단가는 자료에서 확인되지 않았습니다.
- 이번 시크릿 스캔 릴리스에는 VS Code 지원이 빠져 있습니다 [3]. SDK 연동은 모델 제공사 API 키만으로는 부족하고, 자체 OAuth 앱 토큰은 아직 지원되지 않습니다 [3].
- Repository insights는 저장소 읽기 권한이 있으면 볼 수 있지만, Copilot usage metrics 정책이 켜져 있어야 합니다 [2]. API 리포트는 엔터프라이즈·조직 소유자나 View Copilot Metrics 권한 보유자만 접근할 수 있습니다 [2].
- Azure DevOps에서는 기본 강도로 Lite나 Balanced만 지정할 수 있고, 사용량은 연결된 Azure 구독에 GitHub AI 크레딧으로 청구됩니다 [1].
정리
이번 개편은 리뷰 강도를 PR 성격에 맞추고, 시크릿 유출을 머지 전에 막고, 리뷰가 실제로 효과가 있는지 수치로 보게 하는 데 초점이 있습니다 [1][2]. 바로 해 볼 일은 세 가지입니다. 최대 리뷰 강도를 확인한 뒤 Adaptive를 기본값으로 두고, 시크릿 탐지를 명시적으로 켜고, Repository insights에서 Copilot 리뷰 없이 머지되는 저장소부터 찾아보는 것입니다. 프리뷰 기능이 많으니 크레딧 소모와 정책 변경은 꾸준히 지켜봐야 합니다.
참고 자료
- Copilot code review: Adaptive effort, secret detection, and more · GitHub Changelog, 2026-11-17
- Track Copilot code review outcomes in Repository insights · GitHub Changelog, 2026-11-17
- Secret scanning on demand for developers and agents · GitHub Changelog, 2026-11-17
- Harvard researchers find AI coding agents shifted the bottleneck to code review · Hacker News, 2026-11-17
- Harvard 연구진, AI 코딩 에이전트가 병목을 코드 리뷰로 옮겼음을 확인 · GeekNews, 2026-11-18