Claude Code 하나로 AI 에이전트 팀을 구축하는 방법
"Claude Code 하나로 10개 AI 팀을 만들었다."라는 글을 산책하면서 봤습니다. 내용이 흥미로왔는데 아 다시 검색을 하려니 찾을 수가 없네요. (링크드인아니면 페이스북인데 글 링크 아시는 분 제보 부탁드려요) 여하튼 이 글의 내용을 모티브로 내용을 정리해 보았습니다. CEO 전략기획실부터 마케팅, 콘텐츠, 비주얼, 이커머스, 재무까지 10개 팀, 92개 스킬, 월 30만원. 처음 이 글을 보고 떠오른 생각은 "과장이 좀 섞였겠지"였습니다.
그런데 직접 Claude Code의 에이전트 시스템을 파헤쳐보니 상황이 달랐습니다. Anthropic 연구원 Nicholas Carlini는 Claude Code 에이전트 16개를 병렬로 돌려서 Rust 기반 C 컴파일러를 처음부터 만들었습니다. 2주, 약 2,000개 세션, 10만 줄의 코드. 이 컴파일러로 Linux 6.9 커널을 빌드할 수 있고, FFmpeg, SQLite, PostgreSQL, Redis까지 컴파일됩니다. GCC torture 테스트 통과율이 99%입니다.
10개 비즈니스 팀과 C 컴파일러는 성격이 전혀 다릅니다. 하지만 둘을 관통하는 핵심이 하나 있습니다. Claude Code 안에 이미 멀티에이전트 오케스트레이션 인프라가 갖춰져 있다는 점입니다. 마크다운 파일 몇 개와 JSON 설정만으로 에이전트에게 역할을 부여하고, 작업을 분배하고, 결과를 수합하는 구조를 만들 수 있거든요.
이 글에서는 Claude Code의 에이전트 인프라 구성과, 이것으로 여러분만의 AI 에이전트 팀을 만드는 방법을 다룹니다. 실제 설정 파일과 코드를 포함했습니다.
Claude Code, 그냥 코딩 도구가 아닙니다
Claude Code가 무엇인지부터 짚겠습니다. GitHub Copilot 같은 코드 자동완성 도구를 떠올리기 쉬운데, 성격이 다릅니다. Claude Code는 터미널에서 동작하는 에이전틱 코딩 도구입니다. 2025년 2월 프리뷰, 같은 해 5월 Claude 4와 함께 정식 출시되었습니다.
에이전틱이라는 단어가 왜 중요하냐면, 코드를 제안하는 수준이 아니라 파일을 직접 읽고 쓰고, 셸 명령을 실행하고, Git 워크플로우를 관리하기 때문입니다. 코드베이스 전체를 이해한 상태에서 자율적으로 작업합니다. 기반 모델 Opus 4.6이 1M 토큰 컨텍스트 윈도우를 지원하고, Claude Code는 이 중 약 200K 토큰을 실제 작업 윈도우로 씁니다. 대규모 프로젝트의 맥락을 파악하기에 충분한 크기입니다.
그런데 Claude Code가 단독 도구가 아니라 확장 가능한 플랫폼이라는 점이 중요합니다. 에이전트 팀을 구축하기 위한 인프라가 다섯 계층으로 구성되어 있습니다.
첫 번째는 CLAUDE.md입니다. 프로젝트 구조, 코딩 표준, 워크플로우 규칙을 정의하는 마크다운 파일로, Claude Code가 시작할 때 가장 먼저 읽습니다. 에이전트의 뇌라고 보면 됩니다.
두 번째는 스킬 시스템입니다. 특화된 지식과 워크플로우를 패키지로 묶어서 Claude Code의 기능을 확장하는 구조인데, 마케팅 콘텐츠 생성이나 SEO 분석, 재무 보고서 작성 같은 비개발 영역도 스킬로 정의할 수 있습니다.
세 번째는 서브에이전트입니다. Claude Code 안에서 별도의 Claude 인스턴스를 생성해서 작업을 위임합니다. 각 서브에이전트는 자체 컨텍스트 윈도우에서 독립적으로 돌아갑니다.
네 번째는 MCP 서버입니다. Model Context Protocol, Claude Code가 외부 도구와 통신하는 표준 프로토콜입니다. 데이터베이스, 브라우저, API, 이미지 생성 도구 등 무엇이든 연동할 수 있습니다. 2026년 1월 기준 월 1억 다운로드, 등록된 서버만 3,000개가 넘습니다.
다섯 번째는 Hooks 시스템입니다. Claude Code 세션의 수명주기 곳곳에 커스텀 코드를 주입합니다. 도구 실행 전후, 세션 시작, 작업 완료 등 12개 이벤트에 걸 수 있습니다.
이 다섯 계층이 결합되면 하나의 Claude Code가 여러 역할과 전문성을 가진 에이전트 팀을 운영하는 인프라가 됩니다.
다음 그림은 Claude Code의 에이전트 인프라를 구성하는 다섯 계층을 보여줍니다.
맨 아래 CLAUDE.md가 에이전트의 역할과 행동 규칙을 정의하고, 그 위에 Skills가 전문 워크플로우를 제공합니다. Sub-agents가 독립 인스턴스로 작업을 처리하고, MCP Server가 외부 시스템을 연결하며, 최상위 Hooks가 전체 행동을 통제합니다. 이 계층 구조를 이해하면 에이전트 팀 설계가 자연스러워집니다.
CLAUDE.md로 에이전트의 뇌를 설계합니다
에이전트 팀 구축은 CLAUDE.md에서 시작합니다. 각 에이전트의 성격, 역할, 행동 규칙을 이 파일이 결정합니다. 설정 파일이라기보다 에이전트의 인격을 정의하는 문서에 가깝습니다.
CLAUDE.md의 계층 구조
CLAUDE.md는 세 단계로 로드됩니다. 사용자 수준(~/.claude/CLAUDE.md)이 먼저, 프로젝트 루트의 CLAUDE.md가 그 위에, 하위 디렉토리의 CLAUDE.md가 해당 디렉토리 작업 시 추가로 올라옵니다.
이 계층 구조를 알면 에이전트 팀 설계가 자연스러워집니다. 공통 규칙은 상위에, 팀별 규칙은 하위에 두면 되니까요.
~/.claude/CLAUDE.md # 전역: 모든 프로젝트 공통 규칙 project-root/CLAUDE.md # 프로젝트: 이 프로젝트의 공통 규칙 project-root/marketing/CLAUDE.md # 팀별: 마케팅 팀 전용 규칙 project-root/strategy/CLAUDE.md # 팀별: 전략기획 팀 전용 규칙
페르소나 정의의 핵심
에이전트에게 역할을 부여할 때 가장 중요한 것은 구체성입니다. "마케팅 전문가"라고만 쓰면 범용적인 응답이 나옵니다. 어떤 배경, 어떤 사고 방식, 어떤 판단 기준을 가졌는지를 써줘야 합니다.
현업에서 Claude Code 에이전트 팀을 운영하는 개발자들의 CLAUDE.md 패턴을 보면, 공통적으로 이런 요소가 들어갑니다.
# CEO 전략기획실 - 낙관론자 에이전트 ## 역할 정의 당신은 신기술과 시장 기회에 대해 긍정적 관점을 제시하는 전략 어드바이저입니다. 스타트업 생태계와 벤처 투자 시장에 대한 이해를 바탕으로 성장 가능성을 분석합니다. ## 사고 방식 - 새로운 시장 기회를 먼저 봅니다 - 기술적 가능성에 초점을 맞춥니다 - 경쟁사의 움직임에서 우리의 기회를 찾습니다 - 수치와 데이터로 근거를 제시합니다 ## 출력 형식 모든 분석은 다음 구조를 따릅니다. 1. 핵심 기회 요약 (3문장 이내) 2. 시장 데이터 근거 3. 실행 가능한 전략 제안 4. 예상 리스크와 대응 방안 ## 제약 사항 - 근거 없는 낙관은 금지합니다. 반드시 데이터를 동반합니다. - 비관론자 에이전트의 반론을 인용하고 대응합니다. - "아마도", "~일 수 있다" 같은 모호한 표현을 피합니다.
이렇게 정의하면 같은 주제를 여러 에이전트가 각기 다른 관점에서 분석합니다.
좋은 CLAUDE.md를 쓰는 원칙
Anthropic 공식 블로그에서 강조하는 원칙이 있는데, 간결하고 보편적으로 적용 가능한 내용만 넣으라는 겁니다. 규칙을 너무 많이 쓰면 오히려 에이전트가 혼란스러워합니다.
Builder.io의 CLAUDE.md 가이드를 보면, /init 명령으로 초기 CLAUDE.md를 자동 생성한 다음 불필요한 부분을 지우는 방식을 권합니다. 상세 스펙은 인라인으로 넣지 말고 별도 문서로 분리해서 참조시키는 게 좋습니다. CLAUDE.md는 코드베이스와 함께 진화하는 문서로 관리해야 하고요.
스킬 시스템으로 에이전트의 전문성을 만듭니다
CLAUDE.md가 에이전트의 성격이라면, 스킬은 전문 기술입니다. 스킬 하나에 특정 업무를 처리하는 워크플로우 전체가 담겨 있습니다.
스킬의 구조
스킬은 .claude/skills/ 디렉토리 아래에 폴더 단위로 구성되고, 각 폴더에 SKILL.md 파일이 반드시 있어야 합니다.
.claude/skills/ marketing-content/ SKILL.md # 스킬 정의 (필수) scripts/ generate-social.sh # 자동화 스크립트 references/ brand-guide.md # 브랜드 가이드 tone-of-voice.md # 톤앤매너 문서 assets/ template.md # 출력 템플릿 seo-analysis/ SKILL.md scripts/ check-keywords.sh financial-report/ SKILL.md references/ accounting-rules.md
SKILL.md 파일은 이렇게 생겼습니다.
--- name: marketing-content description: 유튜브 링크 하나로 블로그, 뉴스레터, SNS 콘텐츠를 한 번에 생성합니다. user-invocable: true argument-hint: "<유튜브 URL>" --- # 마케팅 콘텐츠 생성 스킬 ## 처리 절차 1. 유튜브 영상의 자막 또는 내용을 분석합니다. 2. 핵심 메시지 3개를 추출합니다. 3. 각 플랫폼별 콘텐츠를 생성합니다. ## 플랫폼별 출력 형식 ### 블로그 (1,500-2,000자) - SEO 최적화된 제목 - 소제목 3-4개 - CTA 포함 ### 뉴스레터 (500-800자) - 개인적인 톤 - 핵심 인사이트 요약 - 원본 영상 링크 ### 링크드인 (200-300자) - 훅으로 시작 - 줄바꿈으로 가독성 확보 - 해시태그 5개 ### 트위터/X (280자 이내) - 임팩트 있는 한 문장 - 링크 ### 인스타그램 캡션 (150자 내외) - 감성적 톤 - 해시태그 10-15개
스킬 하나만 정의해두면 /marketing-content https://youtube.com/watch?v=xxx로 6개 플랫폼 콘텐츠가 동시에 나옵니다.
스킬이 로드되는 방식
스킬 시스템은 Progressive Disclosure 원칙을 따릅니다. Claude Code가 시작되면 모든 스킬의 name과 description만 시스템 프롬프트에 올립니다. SKILL.md의 상세 내용은 스킬이 실제로 호출될 때 읽히고, references/나 scripts/는 작업 중 필요할 때만 로드됩니다.
이 구조 덕분에 92개 스킬을 등록해도 컨텍스트 윈도우를 낭비하지 않습니다. 이름과 한 줄 설명만 올려두고, 실제 호출된 스킬만 전체 내용을 불러오는 방식이거든요.
스킬 발견 경로
스킬은 다음 네 경로에서 참조됩니다.
~/.claude/skills/ # 전역 스킬 (모든 프로젝트에서 사용) .claude/skills/ # 프로젝트 스킬 (이 프로젝트만) 플러그인 제공 스킬 # MCP 서버가 제공하는 스킬 내장 스킬 # Claude Code에 기본 포함된 스킬
참고로 .claude/commands/review.md와 .claude/skills/review/SKILL.md는 둘 다 /review 커맨드를 생성합니다. 기존 커맨드 방식과 새 스킬 방식이 호환되므로 기존 프로젝트도 걱정 없습니다.
서브에이전트로 팀원을 만듭니다
스킬이 "무엇을 할 수 있는가"라면, 서브에이전트는 "누가 하는가"입니다. Claude Code 안에서 별도의 Claude 인스턴스를 만들어서 작업을 위임하는 구조입니다.
내장 서브에이전트
Claude Code에는 세 가지 서브에이전트가 내장되어 있습니다.
Explore 에이전트는 빠른 읽기 전용 에이전트입니다. 코드베이스 검색과 분석에 최적화되어 있고, 파일 수정은 못 합니다.
Plan 에이전트는 플랜 모드에서 코드베이스 리서치를 위임받습니다. 구현 전략을 설계하고 접근 방식을 제안하는 역할입니다.
General-purpose 에이전트는 탐색과 수정 모두 필요한 복잡한 다단계 작업용입니다. 가장 범용적이지만 컨텍스트 소비가 큽니다.
커스텀 서브에이전트 만들기
여기서부터가 본격적인 팀 구축입니다. .claude/agents/ 디렉토리에 마크다운 파일 하나를 만들면, 그게 곧 에이전트 한 명입니다.
--- name: content-strategist description: 콘텐츠 전략을 수립하고 편집 캘린더를 관리합니다 tools: Read, Write, Edit, Bash, Glob, Grep, WebSearch model: sonnet color: blue --- 당신은 B2B SaaS 기업의 콘텐츠 전략가입니다. 타겟 독자는 시리즈 A-B 단계 스타트업의 CTO와 시니어 개발자입니다. ## 핵심 역할 - 키워드 리서치 기반 콘텐츠 주제 선정 - 월간 편집 캘린더 수립 - SEO 최적화 가이드 작성 - 퍼포먼스 분석 리포트 생성 ## 출력 규칙 - 모든 제안에는 검색 볼륨 데이터를 포함합니다 - 경쟁사 콘텐츠 벤치마크를 수행합니다 - 각 콘텐츠의 예상 트래픽을 추정합니다
YAML 프론트매터의 각 필드를 보겠습니다.
name은 에이전트 식별자로, Claude Code가 이 이름으로 에이전트를 호출합니다. description은 어떤 작업에 이 에이전트를 쓸지 판단하는 기준이므로 구체적으로 써야 합니다.
tools는 사용 가능한 도구 목록입니다. 반대로 disallowedTools로 금지 목록도 지정할 수 있어서, 보안 감사 에이전트의 Write 권한을 제한하는 식의 제어가 가능합니다.
model은 사용할 모델입니다. sonnet, opus, haiku, inherit 중 선택하는데, 메인은 Opus, 서브에이전트는 Sonnet으로 거는 패턴이 일반적입니다.
color는 UI에서 에이전트를 시각적으로 구분하는 용도입니다.
10개 팀 에이전트 구성 예시
10개 팀을 서브에이전트로 구현하면 이런 디렉토리 구조가 됩니다.
.claude/agents/ # CEO 전략기획실 strategy-optimist.md # 낙관론자 strategy-pessimist.md # 비관론자 strategy-innovator.md # 혁신가 strategy-synthesizer.md # 종합자 # 마케팅 팀 marketing-researcher.md # 마케팅 리서처 marketing-seo.md # SEO 전문가 marketing-ads.md # 광고 운영자 marketing-content.md # 콘텐츠 제작자 # 콘텐츠 팀 content-writer.md # 작가 content-editor.md # 편집자 content-seo.md # SEO 최적화 # 비주얼 팀 visual-thumbnail.md # 썸네일 디자이너 visual-cardnews.md # 카드뉴스 제작자 # 재무 팀 finance-analyst.md # 재무 분석가 finance-reporter.md # 재무 보고서 작성자 # 기타 팀들...
서브에이전트의 실행 모드
서브에이전트는 세 가지 방식으로 실행됩니다.
순차 실행이 기본값입니다. 하나가 끝나야 다음이 시작됩니다. 안전하지만 느립니다.
병렬 실행은 여러 서브에이전트가 동시에 작업합니다. 핵심 규칙이 하나 있는데, 에이전트들이 서로 다른 파일을 다룰 때만 쓸 수 있습니다. 같은 파일을 동시에 수정하면 충돌이 나거든요.
백그라운드 실행은 Ctrl+B로 서브에이전트를 백그라운드로 보내고 메인 작업을 계속하는 방식입니다. /tasks로 모니터링하면 됩니다.
병렬 실행의 실전 패턴을 하나 들겠습니다. 마케팅 캠페인 기획 시 Phase 1에서 구매자 페르소나 생성, 키워드 리서치, 경쟁사 분석을 세 에이전트가 동시에 돌립니다. 세 작업이 서로 다른 파일을 다루니까 병렬이 가능합니다. Phase 2에서는 Phase 1 결과를 바탕으로 콘텐츠 전략을 수립하므로 순차 실행이 필요하고요. Phase 3에서 다시 블로그, 소셜 캘린더, 이메일 시퀀스를 병렬로 처리합니다.
비용 절감 팁
서브에이전트의 모델을 환경변수로 제어할 수 있습니다. 메인은 Opus 4.6, 서브에이전트는 Sonnet 4.6으로 설정하면 품질은 유지하면서 비용을 줄일 수 있습니다.
export CLAUDE_CODE_SUBAGENT_MODEL=sonnet
또는 각 에이전트 정의 파일의 프론트매터에서 개별 지정이 가능합니다.
--- name: quick-researcher model: haiku ---
단순 검색이나 데이터 수집은 Haiku, 분석과 판단은 Sonnet, 최종 의사결정은 Opus로 배분하면 비용 대비 효율이 좋습니다.
에이전트 팀, 서브에이전트와 어떻게 다릅니까
Claude Code에는 서브에이전트와 별도로 "에이전트 팀"이라는 기능이 있습니다. 현재 실험적 기능인데, 서브에이전트와의 차이를 이해하는 게 중요합니다.
서브에이전트는 단일 세션 안에서 메인 에이전트가 하위 에이전트를 만드는 구조입니다. 하위 에이전트는 상위 에이전트에게만 결과를 보고하고, 다른 하위 에이전트와 직접 소통은 못 합니다.
에이전트 팀은 다릅니다. 각 에이전트가 독립된 세션으로 실행되고, 에이전트끼리 직접 메시지를 주고받을 수 있습니다. 공유 작업 큐로 업무를 분배하고, 팀 리더가 전체를 조율하되 팀원들이 자율적으로 다음 작업을 가져가는 Self-claim 메커니즘도 있습니다.
에이전트 팀 활성화
에이전트 팀은 2026년 2월 현재 실험적 기능입니다. API가 바뀔 수 있고 예상 밖의 동작도 나옵니다. 프로덕션에 바로 적용하기보다 사이드 프로젝트에서 먼저 테스트하는 게 안전합니다. 명시적으로 활성화해야 쓸 수 있습니다.
.claude/settings.json 파일에 다음 설정을 추가합니다.
{ "CLAUDE_CODE_EXPERIMENTAL_AGENT_TEAMS": true }
에이전트 팀의 내부 구조
Claude Code 바이너리에서 발견된 TeammateTool은 13개 작업을 포함하는 멀티에이전트 오케스트레이션 시스템입니다.
Leader가 팀을 만들고, 워커를 스폰하고, 작업을 조율합니다. Teammates가 작업을 실행하고 결과를 보고합니다. Task List는 의존성 관리가 되는 공유 작업 큐이고, Inboxes는 에이전트 간 메시징을 위한 JSON 파일입니다.
워크플로우 수명주기는 팀 생성 → 작업 생성 → 팀원 스폰 → 작업 수행 → 조율 → 셧다운 → 정리 순입니다. 작업을 끝낸 팀원은 자동으로 다음 미배정 작업을 가져가고, 파일 잠금으로 경쟁 조건을 방지합니다.
에이전트 팀 실전 예시: UX 팀 구축
Vadim Nicolai가 공개한 UX 팀 구축 사례가 좋은 참고가 됩니다. 에이전트 세 명으로 구성되어 있습니다.
UX Lead가 조율자입니다. 다른 에이전트의 결과물을 종합하고, 의견 충돌을 중재하고, 최종 산출물을 관리합니다.
UX Researcher가 사용자 페르소나를 정의하고 여정을 매핑합니다.
UI Designer가 컴포넌트 시스템을 구축합니다.
핵심 설계 원칙은 각 에이전트의 소유권, 제약, 의존성을 명시하는 겁니다. UI Designer는 UX Researcher의 페르소나가 끝나야 네비게이션 패턴을 확정할 수 있죠. 이런 의존성을 적어두면 에이전트들이 순서에 맞게 작업합니다.
.claude/team-roles/ 디렉토리에 각 역할의 스폰 프롬프트를 작성합니다.
# UX Researcher 역할 정의 ## 소유 파일 - docs/personas/*.md - docs/user-journeys/*.md ## 금지 파일 (건드리지 않음) - src/components/** - docs/design-system/** ## 의존성 - 없음 (첫 번째로 시작) ## 산출물 1. 사용자 페르소나 문서 (최소 3개) 2. 핵심 사용자 여정 맵 (최소 4개) 3. 리서치 인사이트 요약
이 팀을 실행하면 /ux-team 커맨드 하나로 세 에이전트가 자동 스폰되어 각자 역할을 수행합니다. Vadim은 이 구조로 nomadically.work(원격 EU 구직 게시판)의 UI를 설계했습니다.
에이전트 팀 규모 가이드
Anthropic 공식 권장은 3-5명으로 시작하라는 겁니다. 팀원당 5-6개 작업이 적정 수준이고, 15개 독립 작업이라면 팀원 3명이 출발점으로 적절합니다.
모든 팀원이 자체 컨텍스트 윈도우를 가진 완전한 Claude Code 세션이므로 팀원이 늘면 토큰 비용도 비례해서 올라갑니다. 순차 처리가 필요한 작업, 같은 파일을 편집하는 작업, 의존성이 많은 작업에는 에이전트 팀보다 단일 세션이나 서브에이전트가 낫습니다.
MCP 서버로 에이전트의 손발을 연결합니다
뇌(CLAUDE.md), 전문성(스킬), 팀원(서브에이전트)까지 갖췄습니다. 이제 에이전트가 외부 세계와 소통할 통로가 필요한데, MCP 서버가 그 역할입니다.
MCP는 Model Context Protocol, Anthropic이 만든 오픈 표준입니다. Claude Code가 데이터베이스, 브라우저, API, 이미지 생성 도구 등 외부 시스템과 통합된 프로토콜로 통신합니다.
MCP 서버 설정
MCP 서버는 JSON 설정 파일로 연결합니다. 프로젝트 범위는 .mcp.json, 전역 범위는 ~/.claude/settings.local.json을 씁니다.
프로젝트 루트의 .mcp.json 예시입니다.
{ "mcpServers": { "filesystem": { "command": "npx", "args": ["-y", "@modelcontextprotocol/server-filesystem", "/path/to/data"] }, "brave-search": { "command": "npx", "args": ["-y", "@anthropic/mcp-server-brave-search"], "env": { "BRAVE_API_KEY": "${BRAVE_API_KEY}" } }, "postgres": { "command": "npx", "args": ["-y", "@modelcontextprotocol/server-postgres"], "env": { "DATABASE_URL": "${DATABASE_URL}" } } } }
설정 파일에 시크릿을 직접 넣지 않고 ${BRAVE_API_KEY} 형태로 환경변수를 참조하는 점을 눈여겨보세요. 보안의 기본입니다.
비개발 업무에 활용하는 MCP 서버 조합
에이전트 팀을 비개발 분야까지 확장하려면 적절한 MCP 서버 조합이 필요합니다.
마케팅 팀에는 웹 검색(Brave Search), 웹 스크래핑(Puppeteer), SEO 분석 도구를 붙입니다. 재무 팀에는 스프레드시트(Google Sheets), 데이터베이스(PostgreSQL) 접근이 필요하고요. 비주얼 팀에는 이미지 생성(Gemini, DALL-E) MCP 서버를 연결합니다.
MCP Tool Search
MCP 서버가 많아지면 도구 정의 자체가 컨텍스트 윈도우를 상당히 잡아먹는 문제가 생깁니다. Claude Code의 MCP Tool Search가 이걸 해결하는데, 도구 설명이 컨텍스트의 10% 이상을 차지하면 자동 활성화되어 도구를 사전 로드하지 않고 필요할 때 동적으로 불러옵니다.
Hooks로 에이전트의 행동을 통제합니다
Hooks는 Claude Code 세션의 수명주기 곳곳에 커스텀 코드를 주입하는 시스템입니다. CLAUDE.md와 결정적 차이가 있는데, CLAUDE.md의 규칙은 컨텍스트에 있기 때문에 압축 과정에서 사라질 수 있습니다. Hooks는 .claude/settings.json에 정의되어 있어서 컨텍스트 상태와 무관하게 매번 실행됩니다.
에이전트 팀 운영에서 Hooks가 필수인 이유가 여기 있습니다. "절대로 프로덕션 DB에 접근하지 마라"를 CLAUDE.md에 쓰면 컨텍스트 압축 후 무시될 수 있지만, Hook으로 구현하면 물리적으로 차단됩니다.
주요 Hook 이벤트
12개 수명주기 이벤트 중 에이전트 팀 운영에 특히 중요한 것들을 짚겠습니다.
PreToolUse는 도구 실행 전에 발동합니다. 위험한 작업을 사전에 차단하는 게이트키퍼입니다.
{ "hooks": { "PreToolUse": [ { "matcher": "Bash", "command": "python3 scripts/check-safety.py", "description": "위험한 셸 명령을 차단합니다" } ] } }
PostToolUse는 도구 실행 후에 발동합니다. 자동 포매팅, 테스트, 로깅에 쓰입니다.
Stop은 에이전트가 응답을 마칠 때 발동합니다. 작업 완료 후 다음 단계를 자동으로 트리거하는 데 쓸 수 있습니다.
TeammateIdle은 에이전트 팀 전용입니다. 팀원이 유휴 상태가 되면 실행되는데, exit code 2를 반환하면 피드백을 전달하고 해당 팀원이 계속 작업하도록 만들 수 있습니다.
TaskCompleted도 에이전트 팀 전용입니다. 작업이 완료 표시될 때 실행되고, exit code 2를 반환하면 완료를 막고 피드백을 줄 수 있습니다. 품질 게이트 역할입니다.
Hook 매처
매처를 지정하지 않으면 모든 이벤트에서 실행됩니다. 정규식 패턴으로 특정 도구에만 걸리도록 제한할 수 있습니다.
{ "hooks": { "PreToolUse": [ { "matcher": "Edit|Write", "command": "echo '파일 수정 감지'", "description": "파일 수정 시 알림" } ] } }
에이전트 팀 운영을 위한 실전 Hook 조합
에이전트 팀을 안전하게 운영하기 위한 Hook 조합 예시입니다. 이 정도면 기본 안전장치로 충분합니다.
{ "hooks": { "PreToolUse": [ { "matcher": "Bash", "command": "python3 .claude/hooks/block-destructive.py", "description": "rm -rf, DROP TABLE 등 위험 명령 차단" } ], "PostToolUse": [ { "matcher": "Edit|Write", "command": "python3 .claude/hooks/auto-lint.py", "description": "파일 수정 후 자동 린트" } ], "TaskCompleted": [ { "command": "python3 .claude/hooks/quality-check.py", "description": "작업 완료 전 품질 검사" } ], "Stop": [ { "command": "python3 .claude/hooks/log-session.py", "description": "세션 종료 시 작업 로그 기록" } ] } }
상태 관리, 에이전트 팀 운영의 생명선
에이전트 팀을 실제로 운영하면 반드시 부딪히는 문제가 상태 관리입니다. 각 에이전트의 진행 상황 추적, 세션이 끊겨도 이어서 작업할 수 있는 구조, 에이전트 간 작업 순서와 의존성 관리. 이것들이 해결되지 않으면 에이전트를 아무리 잘 만들어도 실전에서 쓸 수 없습니다.
컨텍스트 윈도우의 한계
Claude Code의 컨텍스트 윈도우는 200K 토큰입니다. 모노레포에서 새 세션을 시작하면 약 20K(10%)가 시스템 프롬프트와 프로젝트 정보로 소비되고, 나머지 180K로 실제 작업을 합니다.
문제는 토큰이 쌓일수록 정확도와 재현율이 떨어지는 현상입니다. "컨텍스트 부패"라고 부르는데, 에이전트가 오래 작업할수록 초기 지시사항을 잊어버리거나 같은 실수를 반복하기 시작합니다.
파일 기반 상태 관리 패턴
가장 안정적인 방법은 파일 기반 상태 관리입니다. 에이전트의 진행 상태를 JSON이나 마크다운 파일에 기록하고, 새 세션이 시작되면 이 파일부터 읽게 합니다.
status/marketing_team.json 예시입니다.
{ "last_updated": "2026-02-26T15:30:00", "team_status": "active", "current_campaign": "Q1_product_launch", "agents": { "researcher": { "status": "completed", "output": "research/q1_market_analysis.md" }, "seo_specialist": { "status": "in_progress", "current_task": "keyword_analysis", "progress": "60%" }, "content_writer": { "status": "waiting", "blocked_by": "seo_specialist", "next_task": "blog_draft" } }, "completed_deliverables": [ "research/q1_market_analysis.md", "research/competitor_benchmark.md" ], "pending_deliverables": [ "content/blog_q1_launch.md", "content/newsletter_q1.md", "content/social_calendar_q1.md" ] }
이 상태 파일을 CLAUDE.md에서 참조하게 설정합니다.
## 작업 시작 규칙 1. 항상 status/marketing_team.json을 먼저 읽습니다. 2. 각 에이전트의 상태를 확인합니다. 3. blocked_by가 있는 에이전트는 의존 작업이 완료될 때까지 대기합니다. 4. 작업 진행 시 상태 파일을 업데이트합니다. 5. /clear 전에 반드시 상태를 저장합니다.
네이티브 Tasks 시스템 활용
Claude Code v2.1.16부터 도입된 네이티브 Tasks는 더 체계적인 상태 관리를 제공합니다. ~/.claude/tasks/ 디렉토리에 작업 상태가 자동 기록되고, 작업 간 의존성 그래프도 설정할 수 있습니다.
작업 A가 끝나야 작업 B를 시작할 수 있다는 관계를 DAG(Directed Acyclic Graph)으로 표현하는데, 이게 서브에이전트의 실행 순서를 자동 관리하는 핵심입니다. 컨텍스트가 압축되더라도 작업 상태는 유지되고요.
/clear와 핸드오프 패턴
장시간 작업에서는 주기적으로 /clear를 실행해서 컨텍스트를 초기화해야 합니다. /clear 전에 상태 파일에 진행 상황을 기록하고, /clear 후 상태 파일을 읽어서 이어가는 패턴입니다.
실전에서 잘 먹히는 방법 중 하나가 /catchup 커스텀 커맨드입니다. /clear 후 이 커맨드를 실행하면 상태 파일과 최근 변경 사항을 자동으로 읽어서 현재 상황을 파악합니다.
실전: CEO 전략기획실 에이전트 팀을 처음부터 구축합니다
이론은 여기까지입니다. 실제로 에이전트 팀을 처음부터 끝까지 구축하는 과정을 보여드리겠습니다. CEO 전략기획실을 만들어보겠습니다.
프로젝트 초기화
프로젝트 디렉토리부터 구성합니다.
mkdir -p ai-strategy-team/.claude/agents mkdir -p ai-strategy-team/.claude/skills/strategy-report mkdir -p ai-strategy-team/.claude/skills/market-analysis mkdir -p ai-strategy-team/.claude/hooks mkdir -p ai-strategy-team/status mkdir -p ai-strategy-team/reports mkdir -p ai-strategy-team/research cd ai-strategy-team
CLAUDE.md 작성
프로젝트 루트에 CLAUDE.md를 놓습니다.
# CEO 전략기획실 AI 에이전트 시스템 ## 프로젝트 개요 이 시스템은 전략 분석 요청을 받으면 여러 관점의 에이전트가 독립적으로 분석을 수행하고, 종합자가 이를 통합하여 전략 보고서를 생성합니다. ## 에이전트 구성 - 낙관론자: 기회와 성장 가능성에 초점 - 비관론자: 리스크와 위협 요인에 초점 - 혁신가: 기존 프레임을 벗어난 대안 제시 - 데이터 분석가: 수치와 통계 기반 팩트 체크 - 종합자: 모든 분석을 통합하여 최종 보고서 작성 ## 작업 흐름 1. 분석 요청 접수 2. 4개 분석 에이전트가 병렬로 분석 수행 3. 종합자가 결과를 통합 4. 최종 보고서 생성 ## 상태 관리 - 작업 시작 전 status/strategy_team.json을 반드시 확인합니다. - 각 단계 완료 시 상태 파일을 업데이트합니다. ## 출력 규칙 - 모든 보고서는 reports/ 디렉토리에 저장합니다. - 리서치 자료는 research/ 디렉토리에 저장합니다. - 날짜_주제명 형식으로 파일명을 지정합니다.
에이전트 정의 파일 작성
분석 에이전트 4개와 종합 에이전트 1개를 정의합니다.
# .claude/agents/strategy-optimist.md --- name: strategy-optimist description: 전략 분석 요청 시 기회와 성장 가능성 관점에서 분석합니다 tools: Read, Write, Edit, WebSearch, WebFetch, Glob, Grep model: sonnet color: green --- 당신은 기회 중심으로 사고하는 전략 어드바이저입니다. 스타트업 생태계, 벤처 투자, 신규 시장에 대한 이해가 깊습니다. ## 분석 프레임워크 1. 시장 기회 식별: 이 주제에서 어떤 새로운 시장이 열리는가 2. 성장 동력 분석: 어떤 요인이 성장을 견인하는가 3. 선점 전략: 먼저 움직이면 어떤 이점이 있는가 4. 실행 방안: 구체적으로 무엇을 해야 하는가 ## 출력 형식 ### [주제] - 기회 분석 보고서 #### 핵심 기회 (3문장) (시장 기회를 3문장으로 요약) #### 시장 데이터 (근거가 되는 수치, 통계, 시장 규모) #### 성장 시나리오 (베스트 케이스, 베이스 케이스, 각각의 조건) #### 실행 제안 (구체적인 액션 아이템 3-5개) #### 예상 리스크와 대응 (낙관적 관점에서도 인지하는 리스크와 대응 방안) ## 제약 사항 - 근거 없는 낙관은 금지합니다. 반드시 데이터를 동반합니다. - 리스크를 무시하지 않고, 관리 가능하다는 관점에서 다룹니다. - research/ 디렉토리에 분석 근거 자료를 저장합니다.
비관론자 에이전트도 같은 구조입니다.
# .claude/agents/strategy-pessimist.md --- name: strategy-pessimist description: 전략 분석 요청 시 리스크와 위협 관점에서 분석합니다 tools: Read, Write, Edit, WebSearch, WebFetch, Glob, Grep model: sonnet color: red --- 당신은 리스크 중심으로 사고하는 전략 어드바이저입니다. 실패 사례 분석, 규제 환경, 경쟁 위협에 대한 이해가 깊습니다. ## 분석 프레임워크 1. 위협 식별: 이 주제에서 어떤 리스크가 있는가 2. 실패 시나리오: 무엇이 잘못될 수 있는가 3. 경쟁 분석: 경쟁자가 이미 앞서 있지는 않은가 4. 대응 전략: 리스크를 어떻게 완화할 것인가 ## 출력 형식 ### [주제] - 리스크 분석 보고서 #### 핵심 리스크 (3문장) (가장 중요한 리스크를 3문장으로 요약) #### 위협 데이터 (리스크를 뒷받침하는 수치, 실패 사례, 규제 동향) #### 실패 시나리오 (워스트 케이스, 베이스 케이스, 각각의 트리거) #### 완화 전략 (각 리스크에 대한 구체적 대응 방안 3-5개) #### 레드라인 (이 조건이 충족되면 철수해야 하는 기준) ## 제약 사항 - 무조건적인 비관은 금지합니다. 건설적인 비판을 합니다. - 리스크를 제기할 때 반드시 대응 방안을 함께 제시합니다.
혁신가와 종합자도 같은 패턴입니다.
# .claude/agents/strategy-innovator.md --- name: strategy-innovator description: 전략 분석 요청 시 기존 프레임을 벗어난 대안을 제시합니다 tools: Read, Write, Edit, WebSearch, WebFetch, Glob, Grep model: sonnet color: purple --- 당신은 기존 프레임을 벗어나는 전략 어드바이저입니다. 이종 산업의 성공 사례, 기술 트렌드, 비전통적 접근에 능합니다. ## 분석 프레임워크 1. 현재 가정 도전: 당연하게 여기는 것 중 틀린 것은 없는가 2. 유추 전략: 다른 산업에서 이 문제를 어떻게 해결했는가 3. 와일드카드: 아무도 생각하지 못한 접근은 무엇인가 4. 실험 설계: 저비용으로 검증할 수 있는 방법은 무엇인가 ## 출력 형식 ### [주제] - 대안 전략 보고서 #### 도전하는 가정 (3개) (현재 전략에서 당연시하는 가정 중 의문을 제기할 것) #### 이종 산업 유추 (다른 산업의 유사 사례와 시사점) #### 와일드카드 전략 (2-3개) (비전통적이지만 잠재력 있는 접근) #### 저비용 검증 방법 (각 전략을 빠르게 테스트할 수 있는 실험 설계)
# .claude/agents/strategy-synthesizer.md --- name: strategy-synthesizer description: 여러 분석 에이전트의 결과를 통합하여 최종 전략 보고서를 작성합니다 tools: Read, Write, Edit, Glob, Grep model: opus color: gold --- 당신은 전략기획실의 종합 보고서 작성자입니다. 낙관론자, 비관론자, 혁신가의 분석을 통합하여 경영진이 의사결정할 수 있는 보고서를 만듭니다. ## 통합 원칙 1. 세 관점의 공통 인식을 먼저 찾습니다 2. 관점이 충돌하는 지점을 명시합니다 3. 각 관점의 근거 강도를 평가합니다 4. 최종 권고안을 제시하되, 대안도 함께 제시합니다 ## 출력 형식 ### [주제] - 전략 종합 보고서 #### 1줄 요약 (경영진이 30초 안에 핵심을 파악할 수 있는 한 문장) #### 분석 종합 (낙관/비관/혁신 관점의 핵심을 하나의 서사로 통합) #### 합의 영역 (세 관점 모두 동의하는 사항) #### 논쟁 영역 (관점이 갈리는 사항과 각각의 근거) #### 권고안 - 1순위 전략: (설명) - 2순위 전략 (대안): (설명) - 하지 말아야 할 것: (설명) #### 의사결정 포인트 (경영진이 결정해야 할 핵심 질문 3개) #### 다음 단계 (즉시 실행할 액션 아이템)
전략 보고서 생성 스킬
이 에이전트들을 오케스트레이션하는 스킬을 만들면 됩니다.
# .claude/skills/strategy-report/SKILL.md --- name: strategy-report description: 주제를 받아 4개 관점에서 분석하고 통합 전략 보고서를 생성합니다 user-invocable: true argument-hint: "<분석 주제>" --- # 전략 보고서 생성 ## 실행 절차 ### 1단계: 상태 확인 status/strategy_team.json을 읽어서 진행 중인 작업이 있는지 확인합니다. ### 2단계: 리서치 WebSearch로 주제에 대한 최신 데이터를 수집합니다. research/YYYYMMDD_주제명_리서치.md에 저장합니다. ### 3단계: 병렬 분석 다음 4개 에이전트를 병렬로 실행합니다. - strategy-optimist: 기회 분석 - strategy-pessimist: 리스크 분석 - strategy-innovator: 대안 전략 각 에이전트의 결과를 research/ 디렉토리에 저장합니다. ### 4단계: 통합 strategy-synthesizer가 3개 분석 결과를 읽고 통합 보고서를 작성합니다. reports/YYYYMMDD_주제명_전략보고서.md에 저장합니다. ### 5단계: 상태 업데이트 status/strategy_team.json을 업데이트합니다.
실행
여기까지 설정이 끝나면, 실행은 간단합니다.
claude > /strategy-report 2026년 AI 에이전트 시장 진출 전략
이 한 줄로 에이전트 네 명이 스폰되고, 각각 웹 검색을 돌리고, 독립 분석 보고서를 쓰고, 종합자가 통합합니다. 최종 보고서는 reports/에 생성됩니다.
다음 그림은 CEO 전략기획실 에이전트 팀의 워크플로우를 보여줍니다.
분석 요청이 들어오면 Phase 1에서 낙관론자, 비관론자, 혁신가, 데이터 분석가가 병렬로 각자의 관점에서 분석합니다. Phase 2에서 종합자가 네 가지 분석 결과를 통합하여 최종 전략 보고서를 생성합니다. 각 에이전트가 독립 컨텍스트에서 동시에 돌아가기 때문에 순차 실행 대비 처리 시간이 크게 줄어듭니다.
제가 보았던 글에서 "22명의 에이전트가 토론하면서 전략 보고서를 만든다"는 것도 이 구조의 확장입니다. 관점을 5개 대신 22개로 나누고, 각 관점에 전문 에이전트를 배치한 거죠.
실전: 마케팅 콘텐츠 팀 구축
전략기획실 다음으로 실용적인 팀은 마케팅 콘텐츠 팀입니다. 유튜브 영상 하나에서 6개 플랫폼 콘텐츠를 자동 생성하는 팀을 만들어봅니다.
에이전트 구성
# .claude/agents/marketing-analyzer.md --- name: marketing-analyzer description: 유튜브 영상 또는 원본 콘텐츠를 분석하여 핵심 메시지를 추출합니다 tools: Read, Write, WebFetch, WebSearch model: sonnet --- 당신은 콘텐츠 분석 전문가입니다. 원본 콘텐츠에서 핵심 메시지, 타겟 독자, 톤앤매너를 추출합니다. ## 출력 형식 analysis/content_brief.json에 다음 구조로 저장합니다. { "core_messages": ["메시지1", "메시지2", "메시지3"], "target_audience": "타겟 독자 설명", "tone": "톤앤매너 설명", "key_quotes": ["인용구1", "인용구2"], "statistics": ["통계1", "통계2"], "cta": "콜투액션" }
# .claude/agents/blog-writer.md --- name: blog-writer description: 콘텐츠 브리프를 기반으로 SEO 최적화된 블로그 글을 작성합니다 tools: Read, Write, Edit model: sonnet --- 당신은 B2B 테크 블로그 작가입니다. SEO를 고려하면서도 읽기 쉬운 글을 씁니다. ## 작업 규칙 - analysis/content_brief.json을 먼저 읽습니다 - 1,500-2,000자 분량으로 작성합니다 - H2, H3 소제목을 활용합니다 - 메타 디스크립션(155자 이내)을 포함합니다
# .claude/agents/social-writer.md --- name: social-writer description: 콘텐츠 브리프를 기반으로 SNS 콘텐츠를 생성합니다 tools: Read, Write model: haiku --- 당신은 소셜 미디어 콘텐츠 크리에이터입니다. 각 플랫폼의 특성에 맞는 콘텐츠를 생성합니다. ## 작업 규칙 - analysis/content_brief.json을 먼저 읽습니다 - 플랫폼별 글자 수 제한을 지킵니다 - 각 플랫폼에 맞는 톤을 사용합니다 ## 플랫폼별 가이드 ### 링크드인 - 200-300자 - 첫 줄에 훅 - 전문적이면서도 개인적인 톤 - 해시태그 3-5개 ### 트위터/X - 280자 이내 - 임팩트 있는 한 문장 + 링크 ### 인스타그램 - 150자 캡션 - 감성적 톤 - 해시태그 10-15개 ### 쓰레드 - 500-800자 - 대화체 - 스레드 형식으로 분할 가능
오케스트레이션 스킬
# .claude/skills/content-factory/SKILL.md --- name: content-factory description: URL을 받아 6개 플랫폼 콘텐츠를 한 번에 생성합니다 user-invocable: true argument-hint: "<URL>" --- # 콘텐츠 팩토리 ## 실행 절차 ### 1단계: 콘텐츠 분석 marketing-analyzer 에이전트가 원본 URL의 내용을 분석합니다. analysis/content_brief.json에 브리프를 저장합니다. ### 2단계: 콘텐츠 생성 (병렬) content_brief.json을 기반으로 다음 에이전트를 병렬 실행합니다. - blog-writer: 블로그 글 생성 -> content/blog.md - social-writer: SNS 콘텐츠 생성 -> content/social/ - newsletter-writer: 뉴스레터 생성 -> content/newsletter.md ### 3단계: 품질 검사 모든 콘텐츠를 읽고 일관성을 검사합니다. - 핵심 메시지가 모든 콘텐츠에 반영되었는가 - 톤앤매너가 플랫폼별로 적절한가 - CTA가 포함되었는가 ### 4단계: 최종 출력 content/ 디렉토리에 모든 파일이 저장되면 완료입니다.
이 구조가 세팅되면 실행은 이렇습니다.
claude > /content-factory https://youtube.com/watch?v=example
URL 하나에서 블로그, 뉴스레터, 링크드인, 트위터, 인스타그램, 쓰레드 포스트가 동시에 나옵니다. 디지털어플라이드 분석에 따르면, 이 방식으로 콘텐츠 감사 시간이 81% 줄고(8시간 → 1.5시간), 이메일 캠페인 제작도 75% 단축됩니다(3시간 → 45분).
병렬 실행, 한계를 알아야 제대로 씁니다
Claude Code를 동시에 돌리면서 어떻게 병렬작업을 하는지 알아보겠습니다.
터미널 병렬 실행
가장 단순한 방법은 터미널을 여러 개 열어서 각각 Claude Code를 실행하는 겁니다. 각 터미널이 독립된 세션이라 서로 간섭하지 않습니다.
# 터미널 1: 마케팅 팀 cd marketing-team && claude # 터미널 2: 전략기획 팀 cd strategy-team && claude # 터미널 3: 콘텐츠 팀 cd content-team && claude # 터미널 4: 재무 팀 cd finance-team && claude
"4개 팀에서 각각 3개 방"이라는 표현은 4개 프로젝트 디렉토리에서 각각 3개 터미널을 열어 Claude Code를 실행한다는 뜻입니다. 총 12개 인스턴스가 동시에 돌아갑니다.
헤드리스 모드로 자동화
대량 작업이 필요하면 헤드리스 모드(-p 플래그)를 씁니다. 스크립트에서 Claude Code를 프로그래밍 방식으로 호출할 수 있습니다.
#!/bin/bash # batch-content.sh - 여러 URL의 콘텐츠를 병렬 생성 urls=( "https://youtube.com/watch?v=video1" "https://youtube.com/watch?v=video2" "https://youtube.com/watch?v=video3" ) for url in "${urls[@]}"; do claude -p "/content-factory $url" \ --output-format json \ --max-turns 20 & done wait echo "모든 콘텐츠 생성 완료"
병렬 실행의 핵심 제약
병렬 실행 시 유의해야 할 제약 사항이 있습니다.
첫째, 같은 파일을 동시에 수정하면 안 됩니다. 두 에이전트가 같은 파일을 건드리면 나중에 쓴 쪽이 먼저 쓴 쪽을 덮어씁니다. 각 에이전트의 출력 디렉토리를 분리하는 게 필수입니다.
둘째, 컨텍스트 윈도우는 공유되지 않습니다. 에이전트 A의 분석 결과를 B가 참조하려면 파일로 저장한 후 읽어야 합니다.
셋째, Max 구독의 사용량 제한입니다. Claude Max 5x는 Pro의 5배, Max 20x는 20배 사용량을 제공하는데, 12개 인스턴스를 동시에 돌리면 빠르게 소진됩니다. Max 20x($200/월)가 필요한 이유입니다.
구축 시 자주 부딪히는 문제와 대처법
설정 파일을 작성하고 에이전트를 실행하면, 문서대로 깔끔하게 돌아가지 않는 경우가 많습니다. 자주 부딪히는 문제와 대처법을 정리합니다.
상태 파일 동시 업데이트 충돌. 병렬 서브에이전트 여러 개가 같은 상태 JSON을 동시에 수정하면 나중에 쓴 쪽이 덮어씁니다. 각 에이전트가 개별 상태 파일에만 쓰도록 분리하고(status/optimist_result.json, status/pessimist_result.json 식으로), 종합자가 마지막에 개별 파일을 모아 통합 상태를 갱신하는 구조가 안전합니다.
에이전트 출력 형식 불일치. SKILL.md에 출력 형식을 명시해도 다른 구조로 응답하는 경우가 있습니다. Haiku로 설정했을 때 특히 빈도가 높아지는데, 출력 형식이 중요한 작업에는 Sonnet 이상을 쓰고, 에이전트 정의에 JSON 예시를 구체적으로 넣으면 일치율이 올라갑니다.
컨텍스트 윈도우 소진으로 에이전트 중단. 서브에이전트도 자체 컨텍스트를 가지므로 복잡한 작업을 맡기면 중간에 컨텍스트가 부족해질 수 있습니다. 하나의 큰 작업보다 여러 작은 작업으로 분할하는 게 안정적이고, --max-turns 플래그로 최대 턴 수를 제한하는 것도 방법입니다.
WebSearch 결과가 기대와 다름. 서브에이전트가 원하는 정보를 못 찾거나 오래된 정보를 가져올 때가 있습니다. 검색 키워드를 에이전트 정의에 구체적으로 안내하고, 특정 사이트를 우선 참조하도록 지시하면 나아집니다. 중요한 데이터는 에이전트에게 검색을 맡기지 말고 리서치 파일로 미리 준비해두는 게 확실합니다.
비용과 현실적인 기대치
제가 본 글에서 "월 인건비 1,500만원을 월 30만원으로 줄였다"고 했습니다. 이 수치를 검증해볼 필요가 있습니다.
Claude Max 가격
현재 Claude Max 가격은 Max 5x가 월 $100(약 13만원), Max 20x가 월 $200(약 26만원)입니다. Claude Code 전체 접근, Opus 4.6(1M 컨텍스트), 에이전트 팀 기능이 포함됩니다.
"월 30만원"은 Max 20x 플랜에 해당합니다. 12개 인스턴스를 동시에 돌리려면 이 수준이 필요하거든요.
전통적 채용과 비교
마케터 1명(월 400만원), 콘텐츠 제작자 1명(350만원), 디자이너 1명(400만원), 재무 담당자 1명(350만원)을 채용하면 인건비만 월 1,500만원입니다. Claude Max $200/월과 비교하면 차이는 확실합니다.
다만 순수 구독료만으로 비교하면 오해가 생깁니다. 보이지 않는 비용이 있거든요. CLAUDE.md 튜닝에 드는 시간, 결과물 검수와 수정, 할루시네이션 오류 수정, 초기 학습 곡선. 현실적으로 에이전트 관리에 주 10-15시간을 투입해야 합니다. 이걸 비용으로 환산하면 구독료 $200에 상당한 인건비가 붙습니다. 전통적 채용 대비 이점은 분명하지만, "월 30만원으로 끝난다"는 표현은 정확하지 않습니다.
AI 에이전트가 사람을 완전히 대체하지는 않습니다. Epic 사례에서도 Claude Code 사용의 50% 이상이 비개발자에게서 발생하지만, 사람이 AI와 함께 일하는 형태입니다. 최종 검수와 의사결정은 사람의 몫이고요.
Novo Nordisk 사례가 좋은 기준점입니다. 문서 생성이 10주에서 10분으로 줄었지만, "검증 체크에서 95% 리소스를 절감했다"는 표현이 더 정확합니다. 생성은 AI, 검증은 사람입니다.
실질적인 ROI
디지털어플라이드 분석에 따르면, 중견 마케팅 에이전시(클라이언트 15개)에서 AI 에이전트 팀을 도입하면 클라이언트당 월 $1,200 이상을 절감하여 월 $18,000을 회수합니다. 투자 대비 수익률 5-20배입니다.
Gartner는 2026년까지 엔터프라이즈 애플리케이션의 40%에 작업별 AI 에이전트가 들어갈 것으로 전망하고, Deloitte는 생성 AI를 쓰는 조직의 25%가 이미 Agentic AI 파일럿을 시작했다고 보고합니다.
현실 점검과 전망
CLAUDE.md, SKILL.md, 에이전트 정의 파일은 모두 마크다운과 YAML이니까 Python이나 JavaScript를 작성할 필요는 없습니다. 그런데 "코딩 없이"가 "기술 지식 없이"를 뜻하지는 않습니다. 효과적인 CLAUDE.md를 쓰려면 에이전트 동작 원리를 알아야 하고, 스킬 처리 절차를 설계하려면 워크플로우를 논리적으로 분해할 줄 알아야 합니다. 정확히 말하면 "전통적 프로그래밍 없이 마크다운과 자연어로 AI 에이전트 시스템을 구축할 수 있다"입니다.
C 컴파일러 프로젝트를 이끈 Nicholas Carlini의 말이 에이전트 팀 시대의 핵심을 짚습니다. "에이전트 팀은 복잡한 프로젝트를 자율적으로 구현할 수 있는 가능성을 보여줍니다. 하지만 프로그래머가 직접 검증하지 않은 소프트웨어를 배포하는 것은 진짜 우려가 됩니다." 코드를 직접 작성하는 비중은 줄겠지만, 검증하고 판단하는 역할은 더 중요해집니다. 올바른 지시를 내리고, 결과물 품질을 평가하고, 시스템 전체가 의도대로 도는지 감독하는 것. 이것이 앞으로의 핵심 역량입니다.
커뮤니티에서 자주 인용되는 표현이 있습니다. "AI 코딩은 더 좋은 프롬프트에 관한 게 아닙니다. 더 좋은 관리에 관한 겁니다." 에이전트 역할 정의, 워크플로우 설계, 품질 기준, 상태 관리. 기술 역량이면서 동시에 관리 역량입니다.
에이전트 팀은 아직 초기 단계입니다. Claude Code의 에이전트 팀 기능은 실험적이고, OpenAI Codex, Google Jules 등 모든 주요 플레이어가 멀티에이전트 방향으로 움직이고 있습니다. 도구가 성숙할수록 지금 이 근육을 키우기 시작한 사람과 아닌 사람의 격차가 벌어질 겁니다. 시작은 간단합니다. .claude/agents/ 디렉토리를 만들고 마크다운 파일 하나를 쓰는 것, 그것뿐입니다.
참고 자료
- Anthropic 공식 문서 - Claude Code 개요: https://code.claude.com/docs/en/overview
- Anthropic 공식 문서 - 서브에이전트: https://code.claude.com/docs/en/sub-agents
- Anthropic 공식 문서 - 에이전트 팀: https://code.claude.com/docs/en/agent-teams
- Anthropic 공식 문서 - 스킬: https://code.claude.com/docs/en/skills
- Anthropic 공식 문서 - MCP: https://code.claude.com/docs/en/mcp
- Anthropic 공식 문서 - Hooks: https://code.claude.com/docs/en/hooks-guide
- Anthropic 엔지니어링 블로그 - C 컴파일러 구축: https://www.anthropic.com/engineering/building-c-compiler
- Anthropic - 팀들이 Claude Code를 사용하는 방법: https://www.anthropic.com/news/how-anthropic-teams-use-claude-code
- Vadim 블로그 - UX 팀 구축: https://vadim.blog/how-i-built-ux-team-claude-code-agent-teams
- Builder.io - CLAUDE.md 가이드: https://www.builder.io/blog/claude-md-guide
- Anthropic - CLAUDE.md 작성법: https://claude.com/blog/using-claude-md-files
- Digital Applied - 서브에이전트 마케팅 가이드: https://www.digitalapplied.com/blog/claude-code-subagents-digital-marketing-guide
- VoltAgent - 100개 이상의 서브에이전트 컬렉션: https://github.com/VoltAgent/awesome-claude-code-subagents
- Gartner - 2026 AI 에이전트 트렌드: https://cloud.google.com/resources/content/ai-agent-trends-2026
댓글
댓글을 작성하려면 이 필요합니다.