이제 AI 에이전트로 비용 없이 회사를 시작할 수 있습니다. 나중에 실제 직원을 채용하세요. 정확한 설정 방법은 다음과 같습니다.

잘 알려진 스타트업의 판타지가 있습니다: 천천히 채용하고, 가볍게 유지하며(lean), 적은 인원으로 더 많은 일을 해내는 것입니다. 현실은 '가볍게 유지한다'는 것이 여전히 5명의 인원, 급여 명부, 그리고 잠들지 않는 Slack을 의미했다는 점입니다.

그것이 변하고 있습니다. AI에 대한 막연한 약속 때문이 아닙니다. 매우 구체적인 무언가 때문입니다: 각각이 깨끗한 컨텍스트(context)로 시작하여, 정의된 작업을 수행하고, 작업당 단 몇 센트의 비용으로 병렬적으로 보고하는 전문화된 에이전트(agent) 팀을 구축할 수 있는 능력 말입니다.

저는 챗봇(chatbot)에 대해 말하는 것이 아닙니다. Claude Code의 에이전트 팀(agent team) 기능에 대해 말하고 있습니다. 이것이 실제로 어떤 모습인지 보여드리겠습니다.

모든 것을 혼자서 할 때의 문제점

혼자서 무언가를 구축할 때, 모든 작업은 동일한 자원인 당신의 주의력(attention)을 두고 경쟁합니다. 인증 흐름(authentication flow)을 디버깅하는 도중에 README를 작성해야 하고, 보안 취약점을 위해 최신 diff를 감사해야 하며, 12개의 파일에 걸쳐 세션 로직이 어디에 있는지 파악해야 합니다.

순차적 실행(Sequential execution). 한 번에 하나씩. 당신이 병목 현상(bottleneck)이 됩니다.

에이전트 팀 모델은 이를 뒤집습니다. 각 에이전트는 자신만의 깨끗한 컨텍스트 창(context window), 자신만의 작업(task)을 가지며 독립적으로 실행됩니다. 당신은 작업을 설명하고 위임한 다음, 모든 것을 직접 수행하는 대신 결과물을 확인하러 돌아오면 됩니다.

에이전트란 실제로 무엇인가

Claude Code에서 에이전트는 하위 프로세스(subprocess)입니다. 에이전트는 다음과 같이 동작합니다:

• 비어 있는 컨텍스트 창과 함께 콜드 스타트(Starts cold)합니다.
• 당신이 작성한 프롬프트(prompt)를 통해 작업을 전달받습니다.
• 특정 도구 세트(파일 읽기, 명령 실행, 웹 검색, 코드 작성)에 접근할 수 있습니다.
• 부모 세션(parent session)으로 하나의 요약본을 반환합니다.

에이전트는 포그라운드(foreground, 부모가 결과를 기다림) 또는 백그라운드(background, 에이전트가 실행되는 동안 당신은 계속 작업함)에서 실행될 수 있습니다. FleetView라고 불리는 패널은 현재 세션에서 활성화된 모든 에이전트를 보여줍니다.

핵심적인 세부 사항은 이것입니다: 에이전트가 질문에 답하기 위해 40개의 파일을 검색할 때, 그 모든 노이즈(noise)—막다른 길, 부분적인 읽기, 탐색 과정—는 당신이 아닌 에이전트의 컨텍스트에 머뭅니다. 당신은 오직 신호(signal)만을 받게 됩니다.

5명의 인원 없이 운영하는 5인 규모의 회사

제가 사용하는 팀 구성은 다음과 같습니다. 이것들은 오늘 바로 ~/.claude/agents/ 디렉토리에 넣어서 사용할 수 있는 실제 에이전트 정의 파일들입니다.

플래너 (The Planner, Opus, 읽기 전용)

실질적인 무언가가 구축되기 전에, 플래너 (Planner)는 관련 코드를 읽고 현재 상태, 단계별 구현 계획, 그리고 트레이드오프 (trade-offs)를 생성합니다. 코드를 작성하지는 않습니다. 오직 생각만 합니다.

---
name: planner
description: >
...

이 에이전트는 팀에서 가장 비용이 많이 들며 가장 드물게 사용됩니다. 대규모 기능을 구현하기 전, 집중적인 Opus 계획 세션 한 번은 서둘러 시도하는 열 번의 구현 시도보다 더 가치 있습니다.

빌더 (The Builder, Sonnet, 모든 도구 액세스 권한)

빌더 (Builder)는 플래너 (Planner)가 설계한 내용을 구현합니다. 작성하기 전에 읽고, 최소한의 변경만 수행하며, 범위 확장 (scope creep)을 방지합니다.

---
name: builder
description: >
...

리뷰어 (The Reviewer, Haiku, 읽기 전용)

빌더 (Builder)가 작업을 마친 후 실행됩니다. 정확성, 보안 문제, 그리고 일관성을 감사 (audit)합니다. 읽기 전용이며 코드를 작성하지 않고 문제점을 찾아냅니다. Haiku에서 실행하면 비용을 무시할 수 있는 수준으로 유지할 수 있습니다.

---
name: reviewer
description: >
...

스카우트 (The Scout, Haiku, 검색 전용)

순수 데이터 검색 전용입니다. 분석은 하지 않습니다. 파일 목록을 나열하고, 설정을 읽고, 함수 시그니처 (function signatures)를 추출하며, 심볼 (symbol)이 존재하는지 확인합니다. 팀에서 가장 저렴하며 가장 빈번하게 사용되는 에이전트입니다.

---
name: scout
description: >
...

라이터 (The Writer, Sonnet, 콘텐츠 중심)

문서화, 튜토리얼, README 파일, 블로그 게시물 등을 담당합니다. 코드베이스와 기존 문서를 읽어 톤 (tone)을 맞춘 뒤, 완성된 산문을 생성합니다.

---
name: writer
description: >
...

실제 업무 일과가 이루어지는 방식

다음은 제가 이번 주에 새로운 기능을 시작하기 위해 보낸 실제 요청 사항입니다.

새로운 내보내기 (export) 기능을 구현하기 전에, 다음 작업들을 병렬로 실행하세요:

1. 스카우트 (Scout) 에이전트 — src/export/ 하위의 모든 파일과
...

두 개의 Haiku 에이전트가 동시에 실행됩니다. 저는 계속 작업을 이어갑니다. 2분 후, Planner (기획자)가 필요한 컨텍스트 (context)를 확보하여 계획을 생성합니다. Builder (구축자)가 이를 구현합니다. Reviewer (검토자)가 차이점 (diff)을 감사합니다. 제가 컨텍스트 스위칭 (context-switching)을 하며 2시간 동안 해야 했을 작업의 총 실제 소요 시간 (wall-clock time)은 약 15분의 집중적인 주의 (active attention)뿐입니다.

비용 계산 (The cost math)

대규모 코드베이스를 스캔하기 위해 5개의 Haiku Scout 에이전트를 실행하는 비용은, 하나의 Sonnet 에이전트에게 동일한 작업을 순차적으로 요청하는 비용과 거의 비슷하며, 작업은 병렬로 완료됩니다. 중간 규모의 기능을 위한 전체 Planner-Builder-Reviewer 사이클은 코드베이스 크기에 따라 약 $0.05에서 $0.20 정도 소요됩니다.

모델 선택 규칙은 간단합니다:

• 데이터 검색 (Data retrieval), 파일 목록 나열 (file listing), 패턴 매칭 (pattern matching) → Haiku
• 코드 작성 (Code writing), 중간 수준의 추론 (moderate reasoning) → Sonnet
• 아키텍처 결정 (Architecture decisions), 복잡한 디버깅 (complex debugging), 보안 검토 (security review) → Opus

작업이 진정으로 Opus 수준의 추론을 필요로 할 때만 Opus 요금을 지불하게 됩니다. 그 외의 모든 것은 더 저렴하게 실행됩니다.

CLAUDE.md에 팀을 문서화하세요

프로젝트의 루트 (root) 디렉토리에 다음 내용을 넣어 모든 세션이 누가 사용 가능한지, 언제 그들을 사용해야 하는지 알 수 있도록 하세요:

## 팀 구성원 (The crew)

| 에이전트 (Agent) | 모델 (Model) | 용도 (Use for) |
| :--- | :--- | :--- |
...

Claude Code는 세션 시작 시 이를 읽습니다. 에이전트들은 프로젝트의 제도적 지식 (institutional knowledge)의 일부가 되어, 프로젝트를 여는 누구에게나 제공됩니다.

아무도 대놓고 말하지 않는 사실

회사는 본질적으로 가치를 창출하는 역할 (roles)들의 집합입니다. 앞서 생각하는 기획자 (planner), 실행하는 구축자 (builder), 실수를 잡아내는 검토자 (reviewer), 데이터를 수집하는 연구자 (researcher), 소통하는 작가 (writer).

그러한 역할에는 사람이 필요하지 않습니다. 판단력 (judgment), 도구 (tools), 그리고 이들을 연결하는 시스템이 필요할 뿐입니다.

제가 모든 것에 대해 인간의 협업이 에이전트로 대체된다는 말을 하는 것은 아닙니다. 복잡한 판단 (judgment calls), 고객 관계, 높은 이해관계와 모호함이 따르는 결정들은 여전히 사람으로부터 도움을 받습니다. 하지만 실행 계층 (execution layer) — 즉, 읽기, 쓰기, 구축, 감사 (auditing) — 에 있어서는 에이전트 팀이 이를 처리합니다. 인간은 진행 상황을 모니터링하고, 결함을 기록하며, 그에 따라 에이전트를 개선합니다.

AI 에이전트를 가끔 사용하는 도구가 아니라 실제 운영 구조 (operating structure)로 취급하는 첫 번째 솔로 파운더 (solo founders)들은 다음 세대에게 매우 생소하게 보일 것입니다. 마치 물리적인 서버실을 갖춘 2005년의 스타트업이 지금의 우리에게 생소하게 보이는 것과 마찬가지입니다.

인프라가 변화했습니다. 문제는 당신이 그것을 사용하고 있느냐 하는 것입니다.

에이전트 파일 형식, 모델 선택, FleetView, 그리고 비용 최적화 패턴을 포함하여 Claude Code의 에이전트 팀을 설정하는 기술적 심층 분석 (technical deep-dive)은 SysEmperor의 전체 튜토리얼에서 확인할 수 있습니다. AI Skills 라이브러리에는 코드 리뷰, 디버깅, 문서화 등을 위한 다운로드 가능한 Claude 스킬 프롬프트가 준비되어 있습니다.