L4 — diff가 사라지고 대화가 주도: 매번 diff를 검토하지 않고, 에이전트 행동을 관찰하며 방향 제시에 집중
[IDE 시대]
L3 — YOLO 모드: 에이전트가 IDE에서 자유롭게 실행, 신뢰 상승
L2 — IDE 내 에이전트, 권한 수동 승인: 모든 파일 변경을 직접 허가, 완전 수동 제어
L1 — AI 없음: 전통적인 개발 워크플로우
Steve Yegge가 정리한 AI 도구 활용 8단계 프레임워크 기준으로, 대부분의 개발자는 레벨 3~4에 머물러 있음
오케스트레이션 계층은 레벨 6부터 시작하며, 레벨 5까지 올라온 역량과는 근본적으로 다른 스킬셋을 요구
이 내용은 레벨 5~8을 다룸
단일 에이전트의 한계
컨텍스트 과부하: 단일 에이전트는 보유 가능한 정보량이 제한되며, 대규모 코드베이스는 단일 컨텍스트 윈도우를 압도함
전문화 부재: 데이터 레이어, API, UI, 테스트를 모두 처리하는 에이전트는 제너럴리스트에 불과하며, 데이터 레이어만 전담하는 에이전트가 훨씬 우수한 DB 코드 작성
조율 부재: 헬퍼 에이전트를 추가해도 서로 소통·태스크 공유·의존성 해결이 불가능하며, 조율 프리미티브 없이 에이전트를 늘릴수록 관리 난이도가 높아짐
서브에이전트는 처음 두 문제를, 에이전트 팀은 세 가지 문제 모두를 해결
멀티 에이전트의 이유
병렬성 (3배 처리량): 프론트엔드·백엔드·테스트 에이전트가 동시에 작업
전문화 (집중된 컨텍스트): 각 에이전트는 자신이 담당하는 파일만 인식; db.js만 아는 에이전트가 전체 코드베이스를 다루는 에이전트보다 더 나은 DB 코드 작성
격리 (안전한 실행): Git 워크트리가 각 에이전트에게 독립적인 작업 디렉터리 제공, 병합 충돌 없음
복합 학습: AGENTS.md 파일이 세션 간 패턴과 주의사항을 축적하여 매 세션이 다음 세션을 개선
집중된 에이전트 3개가 3배 오래 작업하는 제너럴리스트 에이전트 1개보다 일관되게 높은 성과
패턴 1: 서브에이전트 — 집중된 위임
Task 도구를 사용해 부모 오케스트레이터에서 전문화된 자식 에이전트를 생성; 가장 단순한 멀티 에이전트 패턴으로 먼저 시도해볼 것
구체적 예시: Claude Code에 "Express와 SQLite로 북마크 매니저 Link Shelf를 구축하라"는 프롬프트를 주면, 부모 오케스트레이터가 세 서브에이전트 브리프로 분해
데이터 레이어 서브에이전트: db.js 구축 후 DATA.md 보고서 작성
비즈니스 로직 서브에이전트: validation.js 구축 후 LOGIC.md 보고서 작성
API 라우트 서브에이전트: DATA.md와 LOGIC.md를 읽은 후 server.js 구축
처음 두 서브에이전트는 독립적으로 병렬 실행, 세 번째는 두 보고서 완료 후 시작; 부모가 의존성 그래프를 수동 관리
서브에이전트의 한계: 부모가 의존성 그래프를 수동 관리해야 하며, 에이전트 간 피어 메시징·공유 태스크 리스트 없음; 파일 범위 관리가 느슨하면 충돌 발생 가능
총 약 22만 토큰으로 비용 중립적 수준
계층적 서브에이전트 (팀의 팀)
오케스트레이터가 6개 서브에이전트를 직접 생성하는 대신, 피처 리드 2명을 생성하고 각 피처 리드가 자체적으로 전문가 2~3명을 생성하는 구조
부모 오케스트레이터는 두 에이전트만 관리하여 컨텍스트를 깔끔하게 유지; 피처 리드 A는 "검색 기능 구축"이라는 브리프를 받아 자체적으로 분해
실제 엔지니어링 조직의 운영 방식과 동일한 원리: VP가 개별 엔지니어에게 직접 태스크를 배정하지 않고 테크 리드를 통해 전달
패턴 2: 에이전트 팀 — 진정한 병렬 실행
Claude Code의 실험적 기능으로, export CLAUDE_CODE_EXPERIMENTAL_AGENT_TEAMS=1 명령으로 활성화
아키텍처 3계층:
팀 리드(Team Lead): 작업 분해, 태스크 리스트 생성, 결과 종합
공유 태스크 리스트: 상태(pending, in_progress, completed, blocked)·의존성 추적·파일 잠금
팀원(Teammates): 각자 독립적인 Claude Code 인스턴스, 자체 컨텍스트 윈도우 보유, tmux 분할 패널에서 실행
팀원은 공유 리스트에서 태스크를 자율 선택하며, 피어 투 피어 메시징으로 직접 소통(리드를 거치지 않음)
한 팀원이 태스크 완료 후 완료 표시를 하면, 이에 의존하던 블로킹된 태스크가 자동으로 잠금 해제
Ctrl+T로 태스크 리스트의 시각적 오버레이 토글 가능
에이전트 팀 핵심 메커니즘
공유 태스크 리스트: 백엔드 팀원이 검색 API를 완료로 표시하면, 블로킹된 테스트 작성 태스크가 자동으로 pending 상태로 전환; 파일 잠금으로 동시 편집 방지
피어 메시징: 백엔드 에이전트가 프론트엔드 에이전트에게 API 계약을 직접 전달 — "GET /search?q= returns [{id,title,url}]"; 리드가 조율 병목이 되는 것을 방지
팀원이 유휴 상태가 되면 리드에게 자동 알림
에이전트 팀 핵심 권장 사항
3~5명의 팀원이 최적점; 토큰 비용은 팀 규모에 비례해 선형 증가
플랜 승인: 팀원이 구현 전 플랜을 작성하면 리드가 검토·승인 또는 거부; 코드가 존재하기 전에 아키텍처 문제를 발견하는 것이 훨씬 저렴함
집중된 팀원 3명이 산만한 팀원 5명보다 일관되게 우수한 성과
에이전트 팀 신뢰성 팁
루프 가드레일 + 반성 단계: 모든 팀원에게 MAX_ITERATIONS=8 상한선 설정; 각 재시도 전 "무엇이 실패했나? 어떤 구체적 변경이 수정을 가져올까? 같은 접근 방식을 반복하고 있나?"라는 반성 프롬프트 강제 → 교착 에이전트 발생 대폭 감소
전담 @reviewer 팀원: Claude Opus 4.6(읽기 전용)을 reviewer로 지정, lint·테스트·보안 스캔 도구만 사용, 매 TaskCompleted 이벤트에 자동 트리거; 빌더 3~4명당 reviewer 1명 비율; 리드는 항상 검토 완료된 코드만 수신
패턴 3: 규모에서의 오케스트레이션
5개, 10개, 20개 이상의 에이전트를 여러 레포와 피처에 걸쳐 관리할 때는 전용 오케스트레이션 도구가 필요
Tier 1 — 인프로세스 서브에이전트·팀: Claude Code 서브에이전트·에이전트 팀; 단일 터미널 세션, 추가 도구 불필요; 여기서 시작
Tier 2 — 로컬 오케스트레이터: 독립된 워크트리에서 여러 에이전트 실행, 대시보드·diff 리뷰·병합 제어 유지; 알려진 코드베이스에서 3~10개 에이전트에 최적; Conductor, Vibe Kanban, Gastown, OpenClaw + Antfarm, Claude Squad, Antigravity, Cursor Background Agents
Tier 3 — 클라우드 비동기 에이전트: 태스크 배정 후 노트북을 닫고 PR을 기다리는 방식; 클라우드 VM에서 실행; Claude Code Web, GitHub Copilot Coding Agent, Jules by Google, Codex Web by OpenAI
2026년 대부분의 개발자는 세 계층 모두 사용: Tier 1(인터랙티브 작업), Tier 2(병렬 스프린트), Tier 3(야간 백로그 처리)
도구 스포트라이트
Conductor by Melty Labs
Mac에서 멀티 에이전트 오케스트레이션을 시작하는 가장 빠른 방법; 각각 독립된 git 워크트리에서 여러 Claude Code·Codex 에이전트를 병렬 실행
시각적 대시보드와 diff 우선 리뷰 UI 제공; API 비용만 부담(무료); macOS 전용(Apple Silicon·Intel)
동일 레포에서 3~8개 피처를 병렬 작업하며 시각적 감독이 필요한 경우에 최적
Claude Code Web
claude.ai/code에서 접근; 완전 브라우저 기반, 터미널 불필요; GitHub 레포 연결 후 태스크 설명 입력 → Anthropic 관리 클라우드 VM에서 실행
중간 스티어링, 자동 PR 생성, iOS 앱 접근 지원
팀(터미널)은 에이전트와 함께 작업하는 방식, 웹(브라우저)은 위임하고 자리를 비우는 방식
모든 GitHub 이슈를 @copilot에 배정하거나 Agents 패널에서 시작 → GitHub Actions 환경에서 드래프트 PR 생성
태그 전에 자체 리뷰 루프 실행; Claude Code·Codex 등 서드파티 에이전트도 동일 패널에서 접근 가능; Slack, Jira, Linear, Azure Boards에서 트리거 가능
Jules by Google
Google의 비동기 클라우드 코딩 에이전트, Gemini 기반; GitHub 레포 연결 → 태스크 설명 → Jules가 플랜 생성 → 승인 후 클라우드 VM에서 실행 → 전체 추론 과정과 터미널 로그가 포함된 PR 반환
오디오 체인지로그, 중간 태스크 중단, GitHub 이슈를 직접 파이핑하는 Jules Tools CLI 제공
레포의 AGENTS.md를 추가 설정 없이 자동으로 읽음
OpenAI Codex Web
각 태스크가 GitHub 레포가 사전 로드된 독립된 샌드박스 컨테이너에서 실행
Web, CLI(오픈소스), macOS 앱, IDE 익스텐션, GitHub 통합을 ChatGPT 계정으로 연결하는 서피스 에코시스템 보유
검증 가능한 증거(Verifiable Evidence) 기능: 모든 태스크에 대해 터미널 로그와 테스트 출력의 인용을 반환하여 실행 내역 감사 가능
Cursor Cloud Agents + Glass
웹, 데스크톱 앱, Slack, Linear, GitHub, API, PWA(cursor.com/agents 설치)에서 에이전트 시작 가능
Glass: Cursor의 새 인터페이스로, 에이전트 관리를 기본 화면으로, 기존 에디터는 필요 시 접근하는 보조 도구로 전환
전체 생태계 전반에서 컨트롤 플레인이 주요 경험이 되고 에디터가 그 아래 하나의 악기가 되는 패턴을 반영
Vibe Kanban
"둠스크롤링 갭"(에이전트 작업 중 2~5분의 공백) 해결; 태스크 카드 생성 후 "In Progress"로 드래그하면 각자의 워크트리·브랜치 생성
보드 내에서 diff 리뷰 및 실행 중 에이전트에 피드백 전송 가능; Claude Code, Codex, Gemini CLI, Amp, Cursor Agent CLI 등 지원; 크로스 플랫폼(Mac, Windows, Linux), 무료, BYOK
규모 확장을 위한 팁
멀티 모델 라우팅
모든 태스크에 가장 비싼 모델이 필요하지 않음; MODEL_ROUTING.md 파일을 생성하여 역할별 라우팅:
플랜·아키텍처 → 저렴한 Gemini/Claude/OpenAI 모델
구현 → Sonnet, Opus 또는 Codex
리뷰 → 전용 보안 모델
워크트리 라이프사이클 스크립트
세 가지 셸 앨리어스로 반복 작업 자동화:
agent-spin <feature>: 워크트리 + 브랜치 생성 + 에이전트 시작
agent-merge <feature>: 리베이스 + 리뷰 + PR 생성
agent-clean: 완료된 워크트리 제거
약 12줄의 bash; Conductor가 이를 시각적으로 처리
인간이 작성한 AGENTS.md만 허용
ETH Zurich Gloaguen et al.의 연구에서 LLM이 생성한 AGENTS.md 파일은 이점이 없으며 평균 ~3% 성공률 저하, 추론 비용 20% 이상 증가를 유발함을 확인
개발자가 작성한 컨텍스트 파일은 ~4% 성능 향상 제공
에이전트가 AGENTS.md에 직접 쓰는 것을 절대 허용하지 말 것; 리드가 모든 줄을 승인해야 함
명확한 섹션으로 간결하게 유지: STYLE, GOTCHAS, ARCH_DECISIONS, TEST_STRATEGY
품질 게이트: 신뢰하되 검증하라
세 가지 품질 게이트
플랜 승인: 팀원이 코딩 시작 전 플랜 작성 → 리드가 검토·승인 또는 거부 → 구현; 나쁜 플랜을 수정하는 비용이 나쁜 코드를 수정하는 비용보다 훨씬 저렴
훅(Hooks): 라이프사이클 이벤트의 자동화된 체크; TeammateIdle 훅은 에이전트가 작업을 중단하기 전 모든 테스트 통과 여부 확인; TaskCompleted 훅은 완료 표시 전 lint·테스트 실행; 훅이 실패하면 에이전트는 통과할 때까지 계속 작업
AGENTS.md를 통한 복합 학습: 발견된 패턴·주의사항·스타일 선호를 포착; 모든 에이전트가 세션 시작 시 읽고 매 세션마다 추가됨
병목은 검증으로 이동
에이전트가 인상적인 출력을 놀라운 속도로 생성할 수 있음; 그 출력이 정확한지 확신하는 것이 어려운 부분
변경 전 통과하는 테스트가 변경으로 인한 회귀를 잡아낼 것을 보장하지 않음
에이전트는 기술적으로 유효하지만 중요한 케이스를 놓치는 테스트를 작성할 수 있음
컨텍스트 윈도우 한계로 인해 대규모 코드베이스에서 작업하는 에이전트는 현재 뷰 밖의 중요한 제약을 놓칠 수 있음
단일 개발자에게는 성가신 엣지 케이스인 불안정한 환경이, 40개 에이전트가 동시에 같은 불안정한 테스트를 마주칠 때는 시스템적 블로커가 됨
검증 인프라가 생성 역량을 따라잡을 때까지 인간 리뷰는 선택적 부가 비용이 아닌 안전 시스템
Ralph Loop와 자기 개선 에이전트
Ralph Loop 패턴
Geoffrey Huntley와 Ryan Carson이 대중화; "잠자는 동안 배송"의 배후 패턴; Carson의 독립 도구 ralph(snarktank/ralph)가 핵심 루프를 구현하며, Antfarm 프로젝트는 OpenClaw 위에 멀티 에이전트 오케스트레이션을 추가
5단계 사이클: Pick(tasks.json에서 다음 태스크 선택) → Implement(변경 수행) → Validate(테스트·타입·lint 실행) → Commit(체크 통과 시 커밋 및 태스크 상태 업데이트) → Reset(에이전트 컨텍스트 초기화 후 다음 태스크로)
핵심 인사이트: 각 반복마다 리셋함으로써 혼동 누적 방지; 작고 범위가 명확한 태스크는 하나의 거대한 프롬프트보다 환각이 적고 더 깔끔한 코드 생성
안전 장치: 자동 재시도를 위해 오류를 피드백으로 전달하되, 3회 이상 교착 상태 시 종료 및 재배정; 항상 피처 브랜치에서 작업; 반복·시간·토큰 상한선 설정; 에이전트가 PR 생성 → 병합 전 인간 리뷰
컨텍스트 리셋 간 4가지 메모리 채널 유지: git 커밋 히스토리, 진행 로그, 태스크 상태 파일(tasks.json), 장기 의미 기억으로서의 AGENTS.md
에이전트를 시간이 지날수록 더 스마트하게
REFLECTION.md를 통한 자기 반성: 매 태스크 후 "무엇이 놀라웠나, AGENTS.md에 추가할 패턴 하나, 프롬프트 개선 하나"를 작성하도록 강제; 리드가 검토하고 승인된 학습 내용을 병합
토큰 예산과 종료 기준: 에이전트별 상한선 설정(예: 프론트엔드 18만 토큰, 백엔드 28만 토큰); 예산의 85%에서 자동 일시정지 및 리드 알림; 동일 오류에서 3회 이상 교착 시 종료하고 새 에이전트에 재배정
Beads / 영구 메모리: Gastown의 "beads" 패턴 — 전체 출처를 가진 모든 결정과 결과의 불변·git 기반 기록; 에이전트가 태스크 그래프와 SQL 주소 가능한 데이터 플레인을 통해 과거 beads 조회; 단순 벡터 기반 RAG가 아닌 구조화된 쿼리 가능한 제도적 기억
이 모든 것을 작동시키는 규율
인간의 병목은 버그가 아니라 피처였음
인간 속도로 코드를 작성할 때는 일찍 고통을 느낌; 테스트 실패, 코드 리뷰 지적, 중복 발견 — 고통이 즉각적이어서 진행하면서 수정
오케스트레이션된 에이전트 군단에서는 자연스러운 병목이 없음; 작은 실수(코드 냄새, 중복, 불필요한 추상화)가 따라잡을 수 없는 속도로 복합 증폭됨
루프에서 빠져나온 상태이므로 아키텍처가 새 기능을 허용하지 않게 될 때까지 고통을 느끼지 못함
모든 품질 게이트(플랜 승인, 훅, 토큰 예산, 인간 리뷰) 가 존재하는 이유: 없으면 에이전트 코딩으로 스스로를 막다른 골목에 몰아넣게 됨
태스크를 위임하되 판단은 보유할 것
에이전트에게 맡겨야 하는 것: 명확한 합격/불합격 기준이 있는 범위가 명확한 태스크, 보일러플레이트, 마이그레이션, 테스트 스캐폴딩, 직접 시도할 시간이 없는 접근법 탐색
직접 보유해야 하는 것: 아키텍처와 API 설계(에이전트는 훈련 데이터에서 많은 나쁜 아키텍처를 학습해 엔터프라이즈 패턴을 스타트업에 그대로 적용할 수 있음), 만들지 않을 것을 결정하는 일(No라고 말하는 것은 에이전트에게 없는 기능), 전체 시스템 컨텍스트로 에이전트 출력 리뷰
자신의 시스템에 대한 이해를 잃으면 수정·확장·오작동 감지 능력을 잃음
스펙이 레버리지
50개 에이전트를 병렬로 오케스트레이션할 때, 모호한 사고는 단순히 속도를 늦추는 것이 아니라 수십 개의 병렬 실행 전체에 증폭됨
평범한 출력과 탁월한 출력의 차이는 거의 전적으로 스펙의 품질에 달려 있음
모호한 스펙은 전체 플릿에 오류를 증폭; 명확한 아키텍처·통합 경계·엣지 케이스·불변 조건이 있는 정밀한 스펙은 전체에 걸쳐 정밀한 구현으로 증폭
코드를 타이핑하는 기계적 작업은 자동화되는 중; 시스템을 이해하는 인지적 작업은 자율적 작업자 전체 플릿에 걸쳐 증폭됨
팩토리 모델
더 이상 단순히 코드를 작성하는 것이 아닌, 소프트웨어를 만드는 팩토리를 구축하는 단계
6단계 생산 라인: Plan(수용 기준이 있는 스펙 작성) → Spawn(팀 생성 및 에이전트 배정) → Monitor(5~10분마다 진행 상황 확인·블로커 해결, 호버링 금지) → Verify(테스트 실행·코드 리뷰; 검증이 병목) → Integrate(브랜치 병합·충돌 해결) → Retro(새 패턴으로 AGENTS.md 업데이트; 복합 학습)
실용적 팁:
WIP 한도 설정: 의미 있게 리뷰할 수 있는 것보다 많은 에이전트 실행 금지; 3~5개가 최적점
종료 기준 정의: 동일 오류에서 3회 이상 교착 시 중단 및 재배정
비동기 체크인: 5~10분마다 진행 상황 확인; 에이전트가 자율적으로 작업하게 할 것
파일 하나에 오너 하나: 두 에이전트가 동일 파일을 편집하지 않도록; 충돌은 속도를 죽임
오늘 시작할 5가지 패턴
서브에이전트로 분해: Task 도구로 특정 브리프와 파일 소유권이 있는 집중된 자식 에이전트 생성; 설정 불필요; 오늘 시작
에이전트 팀으로 병렬성: CLAUDE_CODE_EXPERIMENTAL_AGENT_TEAMS=1 활성화; 리드 + 팀원 3명 생성; 공유 태스크 리스트로 조율
Git 워크트리로 격리: 각 에이전트에 자체 워크트리 제공; 병합 충돌 없음; Conductor가 자동 처리
신뢰를 위한 품질 게이트: 위험한 변경에 플랜 승인 요구; 태스크 완료 시 테스트를 실행하는 훅 추가; 검증 없이 에이전트 출력 신뢰 금지
AGENTS.md로 복합 학습: 패턴·주의사항·스타일 선호 문서화; 매 세션이 읽고 업데이트; 지식이 복합 증폭됨
21 hours ago
4
![[단독] '알파고 아버지' 10년 만에 방한…이세돌과 다시 만난다](https://img.hankyung.com/photo/202603/AA.43666527.1.jpg)
![[만화 그리는 의사들]〈398〉질염에 질 유산균이 진짜 효과 있나요?](https://dimg.donga.com/wps/NEWS/IMAGE/2026/03/12/133510649.4.jpg)
!['하시4' 유지원, 군대 가지만 3주 훈련 후 민간인 복귀 "공중보건의사로 국방의 의무" [전문]](https://image.starnewskorea.com/cdn-cgi/image/f=auto,w=1200,h=1679,fit=cover,q=high,sharpen=2/21/2026/03/2026031811115911727_1.jpg)
English (US) · 