SPOQ: 멀티 에이전트 소프트웨어 엔지니어링을 위한 전문가 오케스트레이션 큐잉

멀티 에이전트 (Multi-agent) AI 시스템은 소프트웨어 엔지니어링 작업을 자동화하는 데 유망한 가능성을 보여주지만, 기존 방식들은 조정 오버헤드 (coordination overhead), 품질 관리 격차, 그리고 제한된 인간 감독 문제로 어려움을 겪고 있습니다. 우리는 세 가지 혁신을 결합한 방법론인 SPOQ (Specialist Orchestrated Queuing)를 소개합니다: (1) 작업 의존성 그래프 (task dependency graphs)로부터 병렬 실행 웨이브 (parallel execution waves)를 계산하는 웨이브 기반 위상 디스패치 (wave-based topological dispatch); (2) 재작업 사이클을 줄이기 위해 실행 전(계획 검증, planning validation)과 실행 후(코드 검증, code validation)에 품질 지표를 적용하는 이중 검증 게이트 (dual validation gates); (3) 인간 전문가가 분해 과정에 참여하고 실행 중에 자문을 구할 수 있는 Human-as-an-Agent (HaaA) 통합입니다. SPOQ는 비용-품질 트레이드오프 (cost-quality tradeoffs)를 최적화하기 위해 3단계 에이전트 계층 구조 (Opus 워커, Sonnet 리뷰어, Haiku 조사관)를 사용합니다. 우리는 네 가지 실험을 통해 SPOQ를 평가합니다. 실험 1: 웨이브 디스패치는 임계 경로 하한선 (critical-path lower bound)에 근접하며 (비율 1.03--1.11, 최대 14.3배 가속), 2슬롯 로컬 백엔드에서 안정적인 1.4배 가속을 제공합니다. 실험 2: SPOQ는 계획 커버리지 (planning coverage)를 93.0에서 99.75로 개선하고, 순환 계획 (cyclic plans)을 제거하며, 병렬성 (parallelism)을 31.0에서 75.25로 높입니다. 실험 3: 이중 검증은 작업당 결함을 0.34에서 0.20으로 줄이고 테스트 통과율을 91.25%에서 99.75%로 높입니다. 실험 4: 인간 리뷰는 작업당 잔류 결함을 0.47에서 0.03으로 줄입니다. 결과는 로컬에 호스팅된 오픈 웨이트 모델 (open-weights model, Qwen3.6-35B-A3B)에서도 재현되어, 성능 향상이 특정 모델이 아닌 오케스트레이션 (orchestration)에 기인함을 검증했습니다. 17개 저장소, 8,589개 커밋, 1,822개 작업, 13,866개 테스트 (99.87% 통과율)에 걸친 종단적 연구 (longitudinal study)를 통해 생태학적 검증 (ecological validation)을 제공합니다.