하나의 AI 에이전트는 유용합니다. 하지만 여섯 개의 에이전트가 함께 작동하는 것은 차원이 다른 이야기입니다.

저는 지난 3개월 동안 여러 개의 Claude 에이전트가 복잡한 작업을 조정하는 시스템을 구축하는 데 시간을 보냈습니다. 하나는 조사를 하고, 하나는 글을 쓰고, 하나는 검토하며, 하나는 게시합니다. 이들은 서로 작업을 전달합니다.

이것은 공상 과학 소설이 아닙니다. 제 노트북에서 실제로 돌아가고 있습니다. 그 방법을 소개합니다.

왜 여러 개의 에이전트인가?

단일 에이전트의 문제점: 컨텍스트 (Context) 제한.

Claude에는 컨텍스트 윈도우 (Context window)가 있습니다. 10,000줄의 코드베이스에 지침과 대화 기록까지 한꺼번에 쏟아부으면 상황이 모호해집니다. 에이전트는 20분 전에 당신이 말한 내용을 잊어버립니다.

여러 개의 에이전트는 이를 다르게 해결합니다:

에이전트 1 (Researcher, 조사관): 정보 탐색에 대한 깊은 전문성. 작고 집중된 컨텍스트.

에이전트 2 (Writer, 작가): Researcher로부터 요약본을 받습니다. 콘텐츠를 작성합니다. 연구 컨텍스트를 모두 유지할 필요가 없습니다.

에이전트 3 (Editor, 편집자): Writer로부터 초안을 받습니다. 원래의 연구 컨텍스트가 방해하지 않는 상태에서 편집합니다.

각 에이전트는 한 가지 일에 날카롭게 특화되어 있습니다. 이들은 전체 컨텍스트가 아닌 요약본을 전달합니다.

나의 6개 에이전트 설정

에이전트 1: Researcher (조사관)

역할: 어떤 주제에 대해서든 정보 찾기

컨텍스트: 웹 검색 도구, 문서, 과거 연구 메모리

출력: 출처가 포함된 500단어 분량의 브리프 (Brief)

에이전트 2: Content Writer (콘텐츠 작가)

역할: 기사, 이메일, 포스트 작성

컨텍스트: 나의 글쓰기 스타일 예시, 브랜드 가이드라인

입력: Researcher로부터 받은 브리프

출력: 초안 콘텐츠

에이전트 3: Editor (편집자)

역할: 문법 수정, 흐름 개선, AI스러운 표현 (AI-isms) 제거

컨텍스트: 휴머나이저 (Humanizer) 가이드라인, 스타일 규칙

입력: Writer로부터 받은 초안

출력: 다듬어진 콘텐츠

에이전트 4: Publisher (발행인)

역할: 플랫폼에 콘텐츠 게시

컨텍스트: API 키, 플랫폼 포맷팅 규칙

입력: Editor로부터 받은 최종 콘텐츠

출력: 링크가 포함된 라이브 포스트

에이전트 5: Monitor (모니터)

역할: 응답이 필요한 이벤트 감시

컨텍스트: 이메일 수신함, 소셜 언급, 에러 로그

출력: 알림 및 다른 에이전트에 대한 작업 할당

에이전트 6: Coordinator (조정자)

작업 (Job): 에이전트 간 작업 라우팅 (Route tasks)

컨텍스트 (Context): 현재 큐 (Current queue), 에이전트 역량 (Agent capabilities)

출력 (Output): 작업 할당 (Task assignments)

이들이 대화하는 방식

단순한 메시지 전달 (Message passing) 방식입니다. 에이전트가 작업을 완료하면 → 공유 파일에 기록하고 → 다음 에이전트가 이를 가져갑니다.

# coordinator.py (simplified)

def route_task(task):
...

각 에이전트는 특정 지침이 담긴 고유의 CLAUDE.md 파일을 가지고 있습니다. 조정자 (Coordinator)는 어떤 에이전트가 무엇을 처리하는지 알고 있습니다.

실제 사례: 블로그 포스트 파이프라인 (Blog Post Pipeline)

입력 (Input): "레스토랑을 위한 Telegram 봇에 관한 블로그 포스트를 작성해줘"

리서처 (Researcher, 5분):

• 레스토랑 Telegram 봇 사례 검색
• 효과적인 기능 탐색
• 3가지 사례 연구가 포함된 브리프 (Brief) 작성

라이터 (Writer, 3분):

• 브리프 수신
• 1,200단어 분량의 기사 작성
• 실질적인 예시 포함

에디터 (Editor, 2분):

• AI가 쓴 것 같은 문구 제거
• 흐름 문제 수정
• 개성(Personality) 추가

퍼블리셔 (Publisher, 1분):

• Medium 형식에 맞게 포맷팅
• 초안으로 게시
• 최종 검토를 위해 나에게 알림

총 소요 시간: 11분. 기사가 검토 준비를 마칩니다. 나는 5분 동안 읽고, 약간의 수정을 거친 뒤, 게시 버튼을 누릅니다.

어려운 부분들

1. 컨텍스트 인계 (Context Handoff)

에이전트들이 모든 것을 공유할 수는 없습니다. 라이터 (Writer)에게는 가공되지 않은 검색 결과가 아니라 요약본만 필요합니다.

나는 각 에이전트가 무엇을 출력할지 튜닝하는 데 몇 주를 보냈습니다. 컨텍스트가 너무 적으면 다음 에이전트가 갈피를 못 잡고, 너무 많으면 다시 단일 에이전트 (Single-agent) 문제로 돌아가게 됩니다.

2. 에러 처리 (Error Handling)

라이터 (Writer)가 형편없는 결과물을 내놓으면 어떻게 될까요? 에디터 (Editor)가 이를 표시합니다. 조정자 (Coordinator)는 피드백과 함께 이를 다시 라이터에게 라우팅합니다.

루프 (Loops)가 발생할 수 있습니다. 나는 재시도 횟수를 3회로 제한하고, 그 이후에는 사람이 검토하도록 표시합니다.

3. 일관성 유지 (Maintaining Consistency)

6개의 에이전트는 서로 일관되지 않은 스타일을 가질 수 있습니다. 조정자 (Coordinator)는 브랜드 보이스 (Brand voice), 현재 프로젝트, 최근 결정 사항에 대한 공유 컨텍스트를 유지합니다.

이 공유 컨텍스트는 약 500 토큰 정도로 작으며, 모든 에이전트가 이를 볼 수 있습니다.

비용 (Cost)

API를 직접 사용하는 경우 6개의 에이전트를 실행하는 것은 저렴하지 않습니다.

나의 설정:

• 메인 에이전트를 위한 Claude Pro 구독: 월 $20
• 자동화된 에이전트를 위한 API 호출 비용: 월 약 $50 (사용량에 따라 변동)

월 30개 이상의 기사를 생산하는 콘텐츠 운영의 경우, 이 계산은 타당합니다. 이 정도 규모를 인간 작가가 수행한다면 $1,500 이상의 비용이 들 것입니다.

향후 방향 (Where This Is Going)

현재 저는 게시하기 전에 모든 내용을 검토합니다. 에이전트들은 훌륭하지만 결코 완벽하지는 않습니다.

다음 단계: 나의 편집으로부터 학습하는 에이전트입니다. 제가 무언가를 수정하면, 에이전트가 에디터(Editor)의 규칙을 업데이트합니다.

궁극적으로는: 진정으로 자율적인 콘텐츠 운영입니다. 인간은 매일이 아닌 매주 검토를 수행하게 됩니다.

우리는 아직 그 단계에 도달하지 못했습니다. 하지만 대부분의 사람들이 깨닫는 것보다 훨씬 더 가까이 와 있습니다.

시작하기 (Get Started)

6개의 에이전트가 모두 필요하지는 않습니다. 다음 두 개로 시작하세요:

1. 리서치 에이전트 (Research agent, 정보 탐색)
2. 라이터 에이전트 (Writer agent, 정보를 사용하여 콘텐츠 생성)

병목 현상이 발견될 때마다 더 추가하세요.

조율(Coordination)은 어렵지 않습니다. 단순한 파일 기반 메시징(file-based messaging)으로도 충분히 작동합니다. 화려한 프레임워크는 선택 사항입니다.

저는 모든 CLAUDE.md 파일, 코디네이터 로직(coordinator logic), 에러 처리(error handling), 그리고 확장 팁을 포함한 전체 아키텍처를 AI Automation Blueprint 2026에서 다룹니다. 전체 시스템 가격은 $29입니다.