만약 여러분이 Claude Code, Codex 또는 이와 유사한 AI 코딩 에이전트(AI coding agents)를 사용해 왔다면, 아마 다음과 같은 불편함을 느끼셨을 것입니다. 프롬프트(prompt)를 붙여넣고, 실행 과정을 지켜보고, 출력을 일일이 확인하며, 다음 프롬프트에 무언가를 복사해 넣는 과정을 반복하는 것입니다. 작동은 하지만, 이는 확장성이 떨어지며(doesn't scale) 팀과 함께 일하는 느낌을 전혀 주지 않습니다. Multica는 이를 해결하고자 하는 오픈 소스(open-source) 프로젝트입니다. 핵심 아이디어는 간단합니다. AI 에이전트를 인간 팀원과 대하는 방식 그대로 대하는 것입니다. 이슈(issue)를 할당하고, 업데이트 게시를 지켜보며, 차단 요소(blocker)를 보고하게 하고, 시간이 지남에 따라 기술을 축적(compound)하게 만드세요.

Multica가 실제로 하는 일
핵심적으로, Multica는 여러분의 코딩 에이전트가 팀의 워크플로(workflow) 내부에서 거주할 수 있는 공간을 제공합니다. 챗봇(chatbot)을 고립된 상태로 운영하는 대신, 동료에게 GitHub 이슈를 할당하는 것과 동일한 방식으로 에이전트에게 작업을 할당합니다. 에이전트는 작업을 가져와 런타임(runtime)(로컬 머신 또는 클라우드 인스턴스)에서 실행하고, 진행 상황을 실시간으로 스트리밍하며, 명확한 설명이 필요하거나 난관에 부딪혔을 때 댓글을 게시합니다.

몇 가지 눈에 띄는 특징은 다음과 같습니다:

작업 생명주기 관리(Task lifecycle management): 작업은 대기(enqueue), 점유(claim), 시작(start), 완료(complete) 또는 실패(fail) 상태를 거칩니다. 단순히 명령어를 실행하고 결과가 나오길 기다리는 것이 아니라, 각 작업이 어디에 있는지 가시성(visibility)을 확보할 수 있습니다.

재사용 가능한 기술(Reusable skills): 에이전트가 배포 스크립트(deployment script), 마이그레이션 패턴(migration pattern), 코드 리뷰 체크리스트(code review checklist) 등 무언가를 잘 해결하면, 그 솔루션은 팀 전체가 가져다 쓸 수 있는 재사용 가능한 기술이 됩니다. 기술은 시간이 지남에 따라 축적되며, 이것이 슬로건에서 말하는 '복리(compound)'의 의미입니다.

멀티 에이전트, 멀티 워크스페이스(Multi-agent, multi-workspace): 서로 다른 런타임에서 실행되는 여러 에이전트를 가질 수 있으며, 이들은 워크스페이스(workspace) 단위로 조직됩니다. 각 워크스페이스는 고유한 이슈, 에이전트 및 설정을 가진 독립된 환경으로 격리됩니다.

벤더 중립성(Vendor-neutral): Multica는 Claude Code, Codex, OpenCode, OpenClaw, Hermes, Gemini, Pi, 그리고 Cursor Agent와 함께 작동합니다. 특정 제공업체에 종속되지 않습니다.

아키텍처를 쉽게 설명하자면

스택은 매우 직관적입니다:

┌──────────────┐ ┌──────────────┐ ┌──────────────────┐
│ Next.js │────>│ Go Backend │────>│ PostgreSQL │
│ Frontend │<────│ (Chi + WS) │<────│ (pgvector) │
└──────────────┘ └──────┬───────┘ └──────────────────┘
│ ┌──────┴───────┐
│ │ Agent Daemon │ runs on your machine
└──────────────┘

• Frontend: App Router를 사용하는 Next.js 16
• Backend: Chi 라우터, 타입 안전(type-safe) 쿼리를 위한 sqlc, 그리고 실시간 스트리밍을 위한 gorilla/websocket을 사용하는 Go
• Database: pgvector(기술 임베딩 및 유사도 검색용)를 사용하는 PostgreSQL 17
• Agent runtime: 사용자의 PATH에 있는 모든 에이전트 CLI를 자동으로 감지하는 로컬 데몬 (local daemon)

데몬(daemon)이 핵심 요소입니다. 데몬은 실제 에이전트 CLI가 존재하는 사용자의 로컬 머신과 Multica 서버(클라우드 또는 셀프 호스팅)를 연결하는 가교 역할을 합니다. 에이전트에 작업이 할당되면, 서버는 이를 적절한 데몬으로 라우팅하고, 데몬은 CLI 프로세스를 생성하여 WebSocket을 통해 출력을 다시 스트리밍합니다.

시작하기

설치는 한 줄로 끝납니다:

macOS / Linux:
brew install multica-ai/tap/multica

또는 Homebrew 없이:

curl -fsSL https://raw.githubusercontent.com/multica-ai/multica/main/scripts/install.sh | bash

Windows:
irm https://raw.githubusercontent.com/multica-ai/multica/main/scripts/install.ps1 | iex

그 다음 모든 것을 연결합니다:
multica setup # 한 번의 명령으로 인증 및 데몬 시작

그 후 웹 앱을 열고 Settings → Runtimes로 이동하면 사용자의 머신이 목록에 표시되는 것을 확인할 수 있습니다. 거기에서 에이전트를 생성하고(제공업체 및 런타임 선택), 이제 작업을 할당할 준비가 되었습니다.

CLI 인터페이스는 최소한으로 구성되어 있습니다:

명령어	기능
multica setup	원샷(One-shot): 구성, 인증, 데몬(daemon) 시작
multica daemon start	로컬 런타임(runtime)을 수동으로 시작
multica daemon status	실행 중인 항목 확인
multica issue list	워크스페이스의 이슈(issue) 목록 표시
multica issue create	새로운 이슈 생성
multica update	최신 버전으로 업데이트

전체 시스템(서버 포함)을 셀프 호스팅(self-host)하고 싶다면, 설치 스크립트에 --with-server를 추가하세요:
curl -fsSL https://raw.githubusercontent.com/multica-ai/multica/main/scripts/install.sh | bash -s -- --with-server multica setup self-host

이 명령은 GHCR에서 공식 Docker 이미지를 가져옵니다. Docker가 필요합니다. 전체 셀프 호스팅 가이드는 저장소의 SELF_HOSTING.md에 있습니다.

기여자(Contributors)를 위한 안내

개발 환경 설정은 단일 명령어로 가능합니다: make dev
이 명령은 환경을 자동 감지하고, .env 파일을 설정하며, 의존성(dependencies)을 설치하고, 데이터베이스 마이그레이션(DB migrations)을 실행한 뒤 모든 서비스를 시작합니다.

사전 요구 사항: Node.js v20+, pnpm v10.28+, Go v1.26+, 그리고 Docker가 필요합니다.
코드베이스는 약 53%의 TypeScript와 43%의 Go로 구성되어 있습니다. 프론트엔드(frontend)와 백엔드(backend)가 명확하게 분리되어 있어, 한쪽을 건드리지 않고도 다른 쪽을 쉽게 작업할 수 있습니다.

Multica vs 에이전트 CLI만 단독 사용하기

다음은 Multica를 사용하는 것과 Claude나 Codex를 직접 실행하는 것의 차이를 솔직하게 비교한 내용입니다:

얻을 수 있는 것:

• 팀 전체가 에이전트가 무엇을 작업하고 있는지 볼 수 있는 공유 보드
• 긴 CLI 실행이 끝날 때까지 기다리는 대신 실시간 스트리밍(streaming)되는 진행 상황
• 개별 프롬프트(prompt)에 머물지 않고 팀의 지식을 축적하는 기술 라이브러리(skills library)
• 멀티 에이전트 라우팅(Multi-agent routing) — 서로 다른 작업을 서로 다른 머신의 서로 다른 에이전트에게 할당 가능
• 감사 추적(Audit trail): 누가, 언제, 무엇을 할당했는지, 그리고 어떤 일이 일어났는지 기록

감수해야 할 점:

• 데몬 프로세스(daemon process) 실행 (또는 셀프 호스팅 시 전체 서버 실행)
• PostgreSQL 데이터베이스
• 웹 앱(web app) 및 작업 보드 운영에 따른 오버헤드(overhead)

가끔 에이전트 작업을 수행하는 1인 개발자라면 CLI만으로도 충분할 수 있습니다.

만약 여러분이 여러 프로젝트에 걸쳐 다수의 에이전트 (agents)를 조율하려는 팀 — 설령 작은 규모일지라도 — 에 속해 있다면, Multica는 실질적인 공백을 메워줍니다.

시도해 볼 가치가 있을까요? 그것은 여러분이 AI 에이전트 (AI agents)를 어느 단계까지 활용하고 있는지에 달려 있습니다. 만약 여전히 실험 단계이며 단일 작업에 대해 에이전트를 수동으로 실행하고 있다면, Multica는 현재 여러분에게 필요한 것보다 더 많은 인프라 (infrastructure)일 수 있습니다. 우선 에이전트 CLI (agent CLI)를 직접 사용해 보며 무엇이 문제인지 확인해 보세요. 만약 그 단계를 넘어 조율의 고통을 느끼기 시작했다면 — 즉, 서로 다른 머신 (machines)에서 에이전트가 실행되고, 팀원들이 무엇이 자동화되었는지 모르며, 동일한 솔루션이 서로 다른 프롬프트 (prompts)에서 재발명되고 있다면 — 그것이 바로 Multica가 설계된 목적이자 해결하고자 하는 공백입니다.

이 소프트웨어는 초기 단계 (이 글 작성 시점 기준 v0.2.x)이므로 다소 거친 부분이 있을 수 있습니다. 하지만 핵심 루프(core loop) — 할당(assign), 실행(execute), 보고(report), 재사용(reuse) — 는 작동하고 있으며, 이 프로젝트의 추진력은 실재합니다.

링크: GitHub: https://github.com/multica-ai/multica