Gemini 4 Argon을 사용하여 Google의 오픈 소스 프레임워크인 `google/adk-python` 코드베이스를 최적화한 흥미로운 사례를 소개합니다! 이 프로젝트는 약 205,000 라인에 달하는 방대한 Python 코드를 대상으로 진행되었으며, Gemini 4 Argon이 밤새 스스로 작업을 수행하도록 설정되었습니다. 단순한 코드 작성을 넘어, Gemini 4 Argon은 `google/adk-python`의 성능 병목 현상을 찾아내고 수정하는 고난도 작업을 수행했습니다. 그 결과, in-memory session prep time을 약 40% 단축하고, package imports 속도를 21% 향상시키는 성과를 거두었습니다. 이번 포스트에서는 `.agents/skills`와 `/goal` mode를 활용하여 에이전트에게 유지보수 가이드라인을 학습시키고, 사람이 직접 개입하지 않고도 완성도 높은 Pull Request를 생성하게 만드는 워크플로우를 상세히 설명합니다. AI 에이전트가 실제 대규모 엔터프라이즈 코드베이스를 어떻게 다룰 수 있는지 궁금한 개발자분들에게 매우 유용한 정보가 될 것입니다.