방법론 · 05

Agent Teams

멀티 에이전트 오케스트레이션 — Claude Code Agent Teams, OpenAI Swarm, LangGraph, AutoGen, Magentic-One.

2024년 후반부터 “여러 에이전트를 협업시키는 방법” 에 대한 라이브러리가 폭발적으로 늘었습니다. 모두 같은 추상화를 다른 이름으로 부르고 있다는 점이 흥미롭습니다 — 좁은 역할, 도구 제한, 병렬 fan-out, 그리고 결과 통합. 어떤 라이브러리가 어떤 강점을 가졌는지 한 번 정리해 드리겠습니다.

주요 라이브러리 비교

• Claude Code Agent Teams — Anthropic 의 실험 기능. CLAUDE_CODE_EXPERIMENTAL_AGENT_TEAMS=1 환경변수로 활성화합니다. 서브에이전트 정의(.claude/agents/)를 그대로 사용하면서 “팀” 으로 묶을 수 있습니다.
• OpenAI Swarm — 2024년 10월 공개된 OpenAI 의 실험 라이브러리입니다. routine 과 handoff 라는 두 개의 1급 개념으로 멀티 에이전트를 모델링합니다. 후속으로 OpenAI Agents SDK 가 발표됐습니다.
• LangGraph — LangChain 진영의 그래프 기반 멀티 에이전트 프레임워크. 노드 = 에이전트, 엣지 = 상태 전이입니다. 에이전트 사이의 데이터 흐름을 그래프로 모델링하고 싶을 때 강합니다.
• CrewAI — 역할 기반 오케스트레이션. 메모리·계획·도구 사용이 빌트인이고, 작은 코드로 에이전트 “팀” 을 정의할 수 있습니다.
• Microsoft AutoGen — 멀티 에이전트 대화 기반 시스템. 에이전트들이 서로 메시지를 주고받으며 합의에 이르는 방식이 인상적입니다.
• Microsoft Magentic-One — 일반 목적 멀티 에이전트 베이스라인. 코어 “Orchestrator” 가 전문 worker 들을 조정합니다.

이 사이트는 어떤 방식을 썼나요

이 사이트를 만들면서 저희는 “Claude Code 의 Agent 도구 + 일반 general-purpose 서브에이전트 병렬 디스패치” 를 가장 많이 사용했습니다. 그 이유는 단순합니다 — 작업을 시작하는 시점에 “어떤 일을 어느 에이전트가 맡을지” 가 명확했고, 서브에이전트들 사이에 복잡한 메시지 교환이 필요 없었기 때문입니다. Ralph loop 처럼 작업 큐가 git/파일 시스템에 영속화되어 있다면, 각 에이전트는 자기 일만 끝내고 결과를 파일로 남기면 그만입니다.

다른 방법론 글도 있습니다 → Karpathy 방법론 · Ralph Loop · Eval-Driven Development · Context Engineering · Self-Improving Systems · AutoResearch 심층 분석