여러 AI 에이전트가 조사·코딩·검증처럼 역할을 나눠 한 팀처럼 하나의 작업을 처리하는 시스템이다. 에이전트 하나로는 컨텍스트가 모자라는 여러 단계가 얽힌 복잡한 작업을 나눠서 동시에 처리할 때 쓰고, 단순한 작업이라면 에이전트 하나로 충분하다.
| 구분 | 단일 에이전트 | 멀티 에이전트 |
|---|---|---|
| 일하는 방식 | 혼자 모든 단계를 처리 | 역할별로 나눠 병렬 처리 |
| 컨텍스트 | 하나를 모두가 나눠 씀 | 에이전트마다 따로 가짐 |
| 이럴 때 쓴다 | 단순하고 짧은 작업 | 여러 단계가 얽힌 복잡한 작업 |
.claude/agents/ 폴더에 에이전트 역할을 마크다운으로 적어 두면, Claude가 작업 내용에 맞는 에이전트를 알아서 골라 부른다. Agent Teams 기능을 쓰면 리드 에이전트가 팀원 에이전트를 여러 개 띄운다. 팀원들은 각자 따로 컨텍스트를 쓰면서 동시에 일하고, 서로 메시지도 주고받는다.
에이전트마다 다른 도구를 쥐여 줄 때 효과가 가장 크다. 한 에이전트는 MCP로 GitHub 이슈를 읽고, 다른 하나는 DB 스키마를 조회하고, 마지막 에이전트가 둘의 결과를 모아 코드를 짜는 식이다.
일을 어떻게 나누고 넘길지에 따라 고르면 된다. 처음이라면 감독자 패턴이 가장 무난하다.
| 패턴 | 방식 | 이럴 때 쓴다 |
|---|---|---|
| 감독자 | 메인 에이전트가 일을 나눠 주고 결과를 모은다 | 가장 흔한 기본형 |
| 파이프라인 | 정리 → 구현 → 테스트 순서로 넘긴다 | 단계가 정해진 작업 |
| 스웜 | 감독자 없이 각자 일을 가져가고 서로 넘긴다 | 일감이 많고 유동적일 때 |
직접 구축할 때는 얼마나 세밀하게 제어하고 싶은지, 얼마나 빨리 시작하고 싶은지를 보고 고른다.
| 프레임워크 | 특징 | 잘 맞는 경우 |
|---|---|---|
| LangGraph | 워크플로를 그래프로 설계, 코드가 많다 | 조건 분기·병렬 실행을 세밀하게 제어할 때 |
| CrewAI | 리서처·라이터 같은 역할만 정하면 된다, MCP·A2A 지원 | 빠르게 시작할 때 |
| AutoGen | 에이전트끼리 대화하는 구조 | 토론·협의가 필요한 작업 |
에이전트가 4개를 넘으면 서로 소통하는 비용이 실제 작업보다 커질 수 있다. 회의가 너무 많아서 일이 안 되는 회사와 같다. 실제 서비스에 붙이면 보안상 공격받을 수 있는 지점이 늘고 관리도 복잡해진다. 그래서 에이전트에게 결과물을 제출할 권한은 주되 최종 반영(머지) 권한은 주지 않는 식으로, 마지막 검토는 사람이 하는 구조를 유지해야 한다.
가장 흔한 건 코딩 에이전트 안에서 하위 에이전트를 부르는 방식이다. 메인 에이전트의 컨텍스트는 깨끗하게 두고, 탐색·검토처럼 내용이 많이 쌓이는 일은 따로 떼어 맡긴 뒤 요약만 돌려받는다.
| 어디서 | 어떻게 쓰나 |
|---|---|
| 코딩 에이전트 | 코드베이스 탐색, 코드 리뷰, 테스트 실행을 하위 에이전트에 나눠 맡기고 메인은 구현에 집중 |
| 조사·보고서 작성 | 조사 에이전트 여러 개가 주제를 나눠 자료를 모으고, 작성 에이전트가 하나의 보고서로 정리 |
| 개발 업무 자동화 | 이슈 읽기·DB 조회·코드 작성을 역할별로 나누고, 결과는 PR로 올려 사람이 검토 후 머지 |