Super Library Agent: Joint Generation and Maintenance of Multiple Applications Beyond the Single Codebase

Organizations often develop and maintain portfolios of related applications: independently deployable codebases that share substantial domain logic, interface patterns, or operational conventions. As LLM coding agents are increasingly used to generate and maintain such software, a naive application-by-application workflow duplicates shared logic across codebases and allows prolonged agentic maintenance to accumulate verbosity, dead code, and structural erosion. We introduce the Super Library Agent problem, where an agent sequentially generates a portfolio of N related applications while maintaining a shared Super Library of reusable cross-application components. A minimal sequential scaffold can in principle extract shared code and migrate applications to the evolving library, but in practice suffers from low extraction recall and fragile dependency migration. We address these failures with candidate-guided extraction over code chunk summaries, pre-extraction codebase consolidation, and context-aware migration using extraction traces and call-graph information. Across WebGen-Bench and PaperBench, our method preserves application functionality while significantly reducing redundancy and token footprint (verbosity, token length) over zero-shot, and avoiding the structural erosion introduced by naive library construction, with additional reductions in LOC and MDL. Our code is available at https://github.com/sbigstar0310/super-library-agent.

한 줄 요약

Super Library Agent는 다중 애플리케이션 개발 시 공유 로직을 중복하지 않고 유지보수성을 향상시키는 LLM 기반 코드 생성 방법이다.

핵심 기여도

**Super Library Agent 문제 정의**: N개의 관련 애플리케이션을 생성하면서 공유 라이브러리(Super Library)를 유지하는 문제를 정의.
**Candidate-guided extraction**: 코드 청크 요약을 기반으로 후보 추출을 통해 추출 회수(recall)를 향상.
**Context-aware migration**: 추출 트레이스와 호출 그래프 정보를 활용한 의존성 마이그레이션.
**WebGen-Bench와 PaperBench에서 기능 유지하면서 토큰 수, LOC, MDL 감소**: zero-shot 대비 토큰 수 줄이고, 구조적 퇴화 방지.

핵심 아이디어

기존 LLM 코드 생성 방식은 애플리케이션별로 독립적으로 코드를 생성하므로 공유 로직이 중복되고, 유지보수 시 코드 복잡도가 누적된다. 이에 반해 Super Library Agent는 N개의 애플리케이션을 순차적으로 생성하면서 공유 라이브러리를 동적으로 관리한다. 핵심 아이디어는 **공유 로직을 추출하고, 이를 라이브러리로 재사용하는 과정을 시스템적으로 수행**하는 것이다. 이를 위해 **candidate-guided extraction**을 도입하여 코드 청크 요약을 기반으로 후보 추출을 수행하고, **context-aware migration**을 통해 추출된 코드를 기존 애플리케이션에 안정적으로 통합한다. 이는 단순한 순차적 추출 방식보다 추출 회수와 의존성 마이그레이션의 안정성을 향상시킨다.

기술적 접근법

**Super Library Agent 문제 설정**: N개의 관련 애플리케이션을 생성하면서 공유 라이브러리를 유지.
**Candidate-guided extraction**: 코드 청크 요약을 사용한 후보 추출.
**Pre-extraction codebase consolidation**: 추출 전 코드베이스 통합을 통해 추출 품질 향상.
**Context-aware migration**: 추출 트레이스와 호출 그래프 정보를 활용한 의존성 마이그레이션.
**LLM 모델**: deepseek-v4-flash 사용, 높은 추론 노력(high reasoning effort) 적용.
**평가 프로토콜**: Zero-Shot과 비교하며, 각 애플리케이션에 별도 에이전트를 할당하지 않고, 공유 라이브러리 기반으로 공동 업데이트.

주요 결과

**WebGen-Bench와 PaperBench에서 토큰 수, LOC, MDL 감소**: 기능 유지하면서 zero-shot 대비 토큰 수 줄이고, 구조적 퇴화 방지.
**Patch Size (Added LOC) 감소**: Git diff 기반으로 애플리케이션과 라이브러리 코드에서 추가된 LOC가 감소.
**Cross-application edits 감소**: SLA-Full 적용 시 애플리케이션 간 수정이 줄어들어 유지보수성이 향상됨.

의의 및 한계

Super Library Agent는 LLM 기반 코드 생성에서 발생하는 중복 로직과 코드 퇴화 문제를 해결하는 체계적인 접근법을 제시한다. 특히, **candidate-guided extraction과 context-aware migration**을 통해 추출 회수와 의존성 관리의 안정성을 향상시켰다. 이는 대규모, 진화하는 코드베이스에서 지속 가능한 LLM 코드 생성을 가능하게 한다. 그러나 **초기 추출 단계에서의 low extraction recall**과 **복잡한 의존성 관리 시의 불안정성**은 여전히 개선이 필요한 부분이다. 또한, **다중 레포지토리 간의 라이브러리 생성** 문제는 여전히 개방된 연구 주제로 남아 있다.

실용적 활용

Super Library Agent는 **다중 애플리케이션을 개발하고 유지보수해야 하는 기업의 개발 환경**에서 유용하게 활용될 수 있다. 특히, **공유 도메인 로직이 있는 웹 애플리케이션, 데이터 처리 파이프라인, API 서버 등**에서 코드 중복을 줄이고 유지보수성을 향상시킬 수 있다. 또한, **LLM 기반 자동화 개발 도구**에 통합되어 대규모 소프트웨어 포트폴리오 관리에 기여할 수 있다.