AI 에이전트 워크플로를 통한 개발 서버 제어와 자가 치유 루프

AI가 작성한 코드를 적용한 뒤 런타임 에러를 확인하고 다시 수정 요청을 보내는 반복 작업을 줄이기 위해, Angular v22는 AI 에이전트 워크플로를 개발 서버 제어와 에이전트 스킬, AI 플랫폼 영역으로 확장했다. Angular MCP(Model Context Protocol)를 통해 빌드 결과를 검토하고 자가 치유 루프를 지원하며, Angular Agent Skills로 모델에 최신 개발 지침을 제공한다. 이제 AI 에이전트가 단순 코드 생성을 넘어 실행 결과까지 확인하고 스스로 수정한다.

`devserver.wait_for_build` 기능은 에이전트가 애플리케이션을 직접 빌드하고 출력 결과를 검토해 다음 단계를 결정하게 한다. 특히 빌드 로그에 기록된 코드 오류를 바탕으로 에이전트가 코드를 수정하는 자가 치유 루프를 구축할 수 있다. 실험적 단계인 WebMCP(Web Model Context Protocol)와 Google AI Studio, Gemini Canvas 통합은 코딩 배경이 없는 사용자도 Angular 프로젝트를 생성하고 편집하는 워크플로를 지원한다.

템플릿 내에서 에러를 캡처하고 폴백 콘텐츠를 지정하는 `@boundary` API는 2026년 3분기 개발자 프리뷰로 제공될 예정이다. 이와 함께 Webpack(@angular-devkit/build-angular builders, @ngtools/webpack) 계열 빌더 지원은 v22에서 중단(deprecated)되며, application builder의 TSGo(TypeScript Go) 지원에 집중한다.

프로덕션 수준으로 승격된 Signal Forms와 비동기 API

AI 에이전트의 효율적인 코드 작성을 뒷받침하기 위해, 프레임워크 내부의 API 구조도 더 선언적이고 안정적인 방식으로 개선되었다. 우선 Signal Forms와 Angular Aria가 프로덕션 준비 상태로 승격되었다. Signal Forms는 Reactive Forms의 장점과 signals의 반응성을 결합한 선언형 폼 API로, 강한 타입 폼과 템플릿 기반 폼의 특성을 통합했다. Angular Aria는 UI 지시자가 접근성을 처리하도록 설계된 접근성 프리미티브(Accessibility Primitives)로, 12개의 공통 UI 패턴을 제공해 접근성 표준 준수에 필요한 개발 공수를 낮췄다.

비동기 데이터 처리 방식에도 선언적 모델이 도입되어 resource와 httpResource API가 프로덕션 앱에서 사용 가능해졌다. resource는 비동기 리소스를 signal 방식으로 다루어 상태 변화에 따른 UI 업데이트를 처리하며, httpResource는 HTTP 데이터 가져오기 로직을 단순화했다. 이를 통해 비동기 리소스 처리 과정의 복잡도가 줄어들고 코드 가독성이 높아졌다.

Zoneless 기본 설정과 의존성 주입 체계의 효율화

성능 최적화를 위해 Angular v22는 zoneless(프레임워크의 상태 변경 감지 라이브러리 의존성을 제거한 상태) 기본값과 performance by default 목표를 위해 OnPush를 기본 전략으로 설정했다. 기존 기본값이었던 ChangeDetectionStrategy.Default는 ChangeDetectionStrategy.Eager로 명칭을 변경해 변경 감지 사이클의 동작 방식을 명확히 구분했다.

라우팅 제어의 보일러플레이트 코드도 줄어든다. Router가 브라우저 native Navigation API(네이티브 내비게이션 API)와 통합되어 스크롤 동작 및 페이지 전환 처리 방식이 개선되었으며, 브라우저 표준 인터페이스에 맞춰 앱 이동 제어 로직을 구성할 수 있다.

의존성 주입 체계는 @Service 데코레이터가 도입되어 기존 @Injectable({ providedIn: 'root' }) 패턴을 대체한다. 여기에 injectAsync를 추가해 서비스의 비동기 의존성 주입을 지원함으로써 코드 분할(code splitting)과 온디맨드 로딩(on-demand loading)이 가능해졌다. 모든 서비스를 초기에 로드하지 않고 필요한 시점에만 불러와 애플리케이션의 초기 구동 속도를 높인다.

AI 에이전트의 코드 생성 정확도가 향상됨에 따라 OnPush 기본값 적용 시 발생하는 초기 성능 최적화 비용은 감소한다. 개발 생산성의 핵심은 이제 AI가 빌드와 수정 루프를 직접 제어하는 능력으로 옮겨간다.