AgentCrew MCN: 24/7 작동하는 오픈 소스 AI 마케팅 팀

솔직히 말해봅시다. 콘텐츠 마케팅은 매우 고될 수 있습니다. 주제를 조사하고, 기술적인 기사를 작성하며, 모든 플랫폼에 맞춰 톤을 조정하고, 최대 참여를 위해 게시물을 예약하고, 성과를 추적한 다음, 이 모든 과정을 다시 반복해야 합니다. 인디 해커(indie hackers), 오픈 소스 유지 관리자(open-source maintainers), 그리고 소규모 개발 팀에게 이는 종종 번아웃을 겪거나 콘텐츠를 완전히 무시하게 되는 결과를 초래합니다.

여러분이 잠을 자는 동안 주제 조사부터 Juejin, Dev.to, Zhihu 게시까지 전체 파이프라인(pipeline)을 처리할 수 있는 AI 에이전트(agent) 팀이 있다면 어떨까요? 그것이 바로 AgentCrew MCN이 하는 일입니다. 이것은 Python으로 작성된 오픈 소스 멀티 에이전트(multi-agent) 콘텐츠 마케팅 자동화 도구로, 웹 대시보드(web dashboard), RAG(Retrieval-Augmented Generation, 검색 증강 생성) 지식 베이스, 스마트 스케줄링(smart scheduling), 그리고 프로젝트 스스로를 홍보하는 '도그푸딩(dogfooding)' 방식의 반전 요소를 갖추고 있습니다.

이 기사에서는 아키텍처(architecture)를 살펴보고, 몇 가지 명령어로 시작하는 방법을 보여드리며, 예약 게시 및 이미지 생성과 같은 고급 기능들을 시연하겠습니다.

AgentCrew MCN이란 무엇인가?

AgentCrew MCN은 콘텐츠 마케팅을 각자 고유의 역할을 가진 전문 AI 작업자 팀으로 구조화합니다. 네 가지 핵심 에이전트가 있습니다:

• Writer Agent (작성 에이전트) – 여러분의 카피라이터입니다. RAG (Retrieval-Augmented Generation) 시스템에서 관련 지식을 주입하여 기술 기사, 소셜 포스트, Twitter 스레드를 생성합니다.
• Reviewer Agent (검토 에이전트) – 여러분의 품질 보증(QA) 담당자입니다. 게시 전 안전성, 정책 준수 여부 및 기본적인 가독성 체크를 위해 콘텐츠를 스캔합니다.
• Publisher Agent (발행 에이전트) – 여러분의 운영 담당자입니다. Juejin, Zhihu, Dev.to와 같은 플랫폼에 콘텐츠를 게시하며, 각 커뮤니티에 맞춰 형식과 스타일을 조정합니다.
• Analyst Agent (분석 에이전트) – 여러분의 데이터 분석가입니다. 콘텐츠 성과를 추적하고, 최적의 게시 시간을 추천하며, 자동 스케줄링 탐지를 피하기 위해 무작위 지터(jitter)를 추가하는 것까지 포함하여 과거 결과로부터 학습합니다.

마법은 단순히 에이전트(agents)에만 있는 것이 아닙니다. 그것은 바로 기술(Skills) + 도구(Tools) 시스템에 있습니다. 각 에이전트는 저수준 도구(예: search, rag, compose, devto_api)로 구성된 고수준 기술(예: "기술 스레드 생성" 또는 "일괄 게시")을 보유하고 있습니다. v0.4부터 이 시스템은 LLM 기반(LLM-driven)으로 작동하며, 이는 에이전트가 어떤 도구를 어떤 순서로 사용할지 추론할 수 있음을 의미합니다. 즉, 경직된 워크플로(workflows)가 필요 없습니다.

퀵 스타트: 5분 만에 제로에서 게시까지

AgentCrew는 PyPI에서 사용할 수 있는 Python 패키지입니다. Python 3.10 이상 버전과 LLM 제공업체의 API 키가 필요합니다. DeepSeek, OpenAI, Anthropic, 그리고 Ollama를 지원하며, 설정 필드 하나로 간편하게 전환할 수 있습니다.

# 1. 설치
pip install agentcrew-mcn

...

끝입니다. 이제 기술 문서를 생성해 보겠습니다:

agentcrew-mcn write generate \
  --topic "Python async programming" \
  --style technical

Writer 에이전트가 주제를 조사하고(선택적으로 이전 기사들의 RAG 데이터베이스를 사용), 구조화된 글을 작성한 뒤 Markdown 형식으로 저장합니다. 게시하기 전에, 어떤 일이 일어날지 확인하기 위해 드라이 런(dry run)을 실행할 수 있습니다:

agentcrew-mcn publish post \
  --file article.md \
  --platform devto \
...

모든 것이 괜찮아 보인다면, --dry-run 플래그를 제거하여 실제로 Dev.to 계정에 게시하십시오.

설정 (Configuration)

init 명령어를 실행하면 config.yaml 파일이 생성됩니다. 최소한의 설정은 다음과 같습니다:

llm:
  provider: deepseek
  api_key: ${DEEPSEEK_API_KEY}   # .env에서 읽어옴
...

${VARIABLE} 구문은 .env 파일에서 값을 가져오므로, 설정 파일에 비밀 정보를 노출하지 않고 유지할 수 있습니다.

에이전트 오케스트라: 내부 작동 원리

중심에는 작업 배정(task dispatch), 스케줄링(scheduling), 그리고 설정(configuration)을 담당하는 **Orchestrator (오케스트레이터)**가 자리 잡고 있습니다. agentcrew-mcn write generate를 실행하면, Orchestrator는 적절한 기술(skills)을 주입하여 Writer Agent (작성 에이전트)에게 작업을 전달합니다. Writer Agent는 웹에서 최신 콘텐츠를 가져오기 위한 search 도구, 지식 베이스(knowledge base)에서 관련 문단을 검색하기 위한 rag 도구, 그리고 최종 기사를 생성하기 위한 compose 도구를 사용할 수 있습니다.

그 다음, Reviewer Agent (검토 에이전트)가 일련의 검증 규칙(validation rules, 설정 가능)을 사용하여 결과물을 확인하며, 무언가 잘못되었을 경우 자동으로 재작성(rewrite)을 트리거할 수 있습니다.

Publisher Agent (발행 에이전트)는 기사를 플랫폼별 형식으로 변환합니다. 예를 들어, Juejin 기사는 “Golden Nugget” 제목 컨벤션을 사용하며, Dev.to는 프론트 매터(front matter)를 사용합니다. 에이전트는 이러한 차이점을 처리하는 방법을 알고 있습니다.

마지막으로, Analyst Agent (분석 에이전트)가 스케줄링 로직을 실행합니다. 정해진 시간에 게시하는 대신, 추천 모델(recommendation model, 과거 데이터 기반)을 사용하고 인간의 행동을 모방하기 위해 무작위 지터(random jitter)를 추가하여, 자동화로 감지되어 차단될 가능성을 줄입니다.

여러분이 좋아할 고급 기능들

1. RAG 지식 베이스 (RAG Knowledge Base)

내장된 벡터 스토어 (ChromaDB)를 통해 과거 기사, 문서 또는 모든 텍스트 소스를 수집(ingest)할 수 있으므로, Writer Agent가 사용자의 톤(tone)과 스타일(style)에 일관된 콘텐츠를 생성할 수 있습니다.

# 이전 블로그 포스트 수집
agentcrew-mcn rag ingest \
  --file my_old_article.md \
...

검색된 컨텍스트(retrieved context)는 새로운 콘텐츠를 생성할 때 프롬프트(prompt)의 맨 앞에 자동으로 추가됩니다.

2. 예약 발행 (Scheduled Publishing)

지속적인 수동 작업 없이 소셜 미디어를 활발하게 유지하고 싶으신가요? 스케줄러를 사용해 보세요:

agentcrew-mcn schedule start \
  --topic-file topics.txt \
  --platform juejin \
...

이 명령은 파일에서 주제를 선택하여 기사를 생성 및 발행하고, 6시간마다 이 과정을 반복합니다. Analyst Agent가 해당 간격 내에서 정확한 시점을 선택하므로, 게시물이 매시간 실행되는 크론 잡(cron job)처럼 보이지 않습니다.

3. 멀티 프로바이더 LLM 및 이미지 생성 (Multi-Provider LLM and Image Generation)

단일 AI 제공업체에 종속되지 않습니다. 설정을 provider: openai로 지정하여 GPT-4로 전환할 수 있습니다. 커버 이미지를 위해 DALL‑E 3를 활성화하세요:

image_gen:
  enabled: true
  model: dall-e-3

Writer Agent가 각 기사에 대한 커버 이미지를 자동으로 생성합니다.

4. 대시보드 및 성장 추적 (Dashboard and Growth Tracking)

Streamlit 대시보드를 통해 게시 이력, 참여 지표(engagement metrics), 다음 주제에 대한 AI 생성 제안 등 실시간 분석 데이터를 확인할 수 있습니다.

agentcrew-mcn dashboard

또한, GROWTH.md 파일에 팔로워 수, 조회수 및 기타 KPI(핵심 성과 지표)를 시간에 따라 기록하므로 진행 상황을 측정할 수 있습니다.

Dogfooding: 프로젝트가 스스로를 홍보합니다

AgentCrew의 주목할 만한 특징은 dogfooding(자사 제품 사용)입니다. 이 프로젝트는 자기 자신에 관한 콘텐츠를 작성하고 게시하기 위해 스스로를 사용합니다. AgentCrew의 마케팅은 상당 부분 AgentCrew에 의해 자동화되며, 이는 개념 증명(proof-of-concept)이자 지속적인 개선을 위한 원천 역할을 합니다.

로드맵 및 커뮤니티 (Roadmap and Community)

AgentCrew는 MIT 라이선스이며 활발히 개발 중입니다. 현재 버전(v0.4)은 392개의 테스트와 **85%의 커버리지(coverage)**를 확보하고 있습니다. 향후 계획은 다음과 같습니다:

• v0.5 – 6개의 새로운 플랫폼 지원: CSDN, WeChat Official Accounts, SegmentFault, X (Twitter), Xiaohongshu, Medium.
• v1.0 – REST API, 플러그인 시스템 및 공식 커뮤니티.

Python 개발자, 콘텐츠 크리에이터, 또는 멀티 에이전트 시스템(multi-agent systems)에 관심이 있는 분이라면 기여할 수 있는 방법이 매우 많습니다. GitHub 저장소와 문서를 확인해 보세요.

시작하는 방법은 믿기지 않을 정도로 간단합니다: pip install agentcrew-mcn && agentcrew-mcn init. 이 명령어를 실행한 후 단 다섯 줄의 코드만 있으면, 잠들지도 않고, 임금 인상을 요구하지도 않으며, 당신을 번아웃시키지 않으면서도 웹 전반에 걸쳐 당신의 오픈 소스(OSS) 프로젝트나 개인 브랜드를 노출해 주는 AI 마케팅 팀을 가질 수 있습니다.

24/7 작동하는 AI 작가 팀이 있다면 무엇을 하고 싶으신가요? 댓글로 여러분의 아이디어를 들려주세요. 이 프로젝트가 유용하다고 생각된다면, GitHub의 ⭐(Star) 하나가 큰 힘이 됩니다!

python #ai #automation #opensource #devto #marketing #multiagent #llm