Claude Code's Agent Teams Are Insane - Multiple AI Agents Coding Together in Real Time

영상 링크: Claude Code’s Agent Teams Are Insane - Multiple AI Agents Coding Together in Real Time
채널명: Cole Medin

Claude 코드의 에이전트 팀 기능: 실시간 다중 AI 코딩 협업의 혁신 핵심 요약

• 이 영상은 Anthropic의 Claude Code에 새롭게 도입된 ‘에이전트 팀(Agent Teams)’ 기능을 집중적으로 소개하며, 여러 AI 에이전트가 실시간으로 협업해 코드를 작성·검토하는 과정을 직접 시연함
• 기존의 sub-agent(서브 에이전트) 방식과 달리, 에이전트 팀은 동일한 작업 목록을 공유하며 각 에이전트간에 “이 작업 전에 저걸 완료해라” 식의 실질적 상호 소통과 분업을 실현해, 병렬 협업의 한계를 넘어섬
• 예시로, 사용자는 4개의 Claude 인스턴스를 동시에 실행해 코드베이스 전체에 대한 리뷰를 진행하고, 보안/코드 퀄리티/문서화 등으로 역할을 분리함
• Anthropic 공식 사례로 에이전트 팀 16개를 동시 운용해 C 컴파일러를 직접 구현했으며, API 비용은 $20,000에 달했지만 소프트웨어 개발 자동화의 극한 가능성을 입증함
• 이 기능은 실험적(Experimental)이므로 사용 전에 환경 변수나 설정 파일(settings.json)에서 별도 활성화가 필요하며, 실시간 터미널 분할(TMUX, iTerm2 등) 사용에 최적화됨
• Sub-agent는 ‘컨텍스트 고립, 효율성’이 강점인 반면, 상호 협력이 불가해 코드 구현보다 리서치 작업에 적합하고, 에이전트 팀은 협업과 소통에 강점을 가짐(실행비용=최대 4배 토큰 소모)
• 실제 사용시, 계획 수립·연구 단계에서는 sub-agent를, 본격적인 기능 구현 단계에서는 에이전트 팀을 결합해 사용하는 것이 효율적임
• 사용 노하우(템플릿/스킬)를 활용하면 에이전트 팀의 신뢰성과 일관성을 높일 수 있으며, 컨트랙트 우선(contract-first) 방식으로 병렬 작업 운영 시 문제를 최소화 가능
• 터미널에서 개별 에이전트와 실시간 소통, 작업 현황 파악, 작업 종료 후 자동 터미널 삭제 등 실사용 관점의 디테일한 활용법이 제공됨
• Anthropic의 공식 가이드 문서 및 커스텀 명령어 예시(빌드/에이전트 팀 결합 등)까지 구체적으로 안내해 다양한 프로젝트 적용 가능성을 제시함

세부 요약 - 주제별 정리

Claude 코드의 에이전트 팀 기능은 실시간 다중 AI 협업을 혁신적으로 구현함

• 영상 시작에서 네 개의 Claude Code 인스턴스를 실시간으로 실행, 하나의 코드베이스 코드 리뷰에 각각 할당하는 데모를 시연
• 에이전트 팀 기능 덕분에, 여러 AI가 동시에 한 프로젝트 내에서 협업할 수 있음
• 좌측에 리드(Lead) 에이전트가 있고, 실시간으로 각 작업별로 새로운 TMUX 터미널을 자동 생성하며 에이전트를 배치
• 기존 터미널 분할 및 복수 에이전트 구동 방식과 유사해 보이지만, 실제로는 완전히 다른 혁신적 아키텍처
• 핵심 차별점: 사용자 요청에 따라 리드 에이전트가 협업에 최적화된 팀을 자율적으로 결정하고 생성

에이전트 팀은 단순 하위 에이전트(sub-agent)보다 한 차원 높은 분업 및 소통을 가능하게 함

• 각 에이전트가 “이 작업은 내가 먼저 끝낼 테니 그 뒤에 이걸 해달라” 식으로 실제적 소통
• 단순한 병렬작업(sub-agent)과 달리, 에이전트끼리 실시간으로 작업 현황 및 의존성을 논의 및 조정 가능
• 같은 작업 리스트를 공유하는 구조 덕분에, 후속 작업/선행 작업 필요성이 자연스럽게 반영됨
• 병렬 에이전트의 한계를 넘어, 진정한 ‘에이전틱 엔지니어링’의 미래를 예시

실험적 기능 활성화와 환경셋업 과정이 필수임

• 에이전트 팀은 기본 비활성화 상태이며, 사용 전 환경 변수(cloud code experimental agent teams)나 settings.json 파일에 직접 명시 필요
• 설정 파일은 MCP 서버, 훅(hook) 세팅 등 기존 Claude 사용 환경과 동일하게 활용 가능
• 전역(Global) 혹은 프로젝트별 도큐먼트 내에서 개별 활성화 지원
• 실시간 터미널 분할을 위해 TMUX(권장) 또는 iTerm2 설치 필요(Windows 사용자는 WSL 연동 필수)
• 각 OS별 설치 가이드가 포함된 Readme 파일을 안내
• 환경 변수 등록 및 세팅 이후, Claude 실행시 agent team 기능 사용 가능

간단한 프롬프트로도 역할 기반 에이전트 팀 구성과 협업이 가능함

• 예시: “코드베이스 리뷰를 위해, 한 에이전트는 보안, 하나는 코드 품질, 다른 하나는 문서화에 집중하라”는 요청으로 팀 구성
• 리드 에이전트가 팀 구성과 작업 분배, 역할 부여, 터미널 분할 등을 일괄 담당
• 각 에이전트별 역할 컨텍스트와 함께 작업 리스트, 타 에이전트와 업데이트 연동 권한 부여
• 각 터미널 로그에서 에이전트간 소통이 실시간 이뤄지지만, UI 상 ‘협업 과정’의 직접적 가시성은 제한적(단점)
• 에이전트 상태나 협업 방법은 로그 또는 리드 에이전트 질의로 확인 가능
• 전체 작업 종료시 자동으로 터미널 회수 및 단일 뷰 복귀

대규모 프로젝트(예: 컴파일러 생성) 대응력은 인상적이나, 토큰 소모 등 비용적 약점도 존재함

• Anthropic 공식 사례: 16개 에이전트를 동시 운용, $20,000 API 비용으로 C 컴파일러를 처음부터 완성(수십만 줄 코드)
• 동일 작업을 단일 에이전트 또는 최신 모델(Opus 4.6 등)로는 불가능
• 병렬성∙자율 협업 덕분에 과거엔 불가능했던 대형 소프트웨어 생성도 가능해지나, 엄청난 토큰(비용) 소비가 동반됨

sub-agent와의 본질적 차이는 “컨텍스트 고립 vs 실질 협업”에 있음

• sub-agent는 ‘컨텍스트 고립’ 및 토큰 효율성에 초점(수십~수천만 토큰 규모 작업도, 요약 결과값만 메인 에이전트에 반환)
• 반면 sub-agent는 상호간 아무런 소통이나 맥락 공유가 불가해, 코드 생산이 아닌 리서치/분석 목적에 적합
• 코드 생성 등 “구현(Implementation)” 단계 진입시 에이전트 팀 방식이 필수, 각 파트 변경∙조율 등 실시간 협업이 필요함
• sub-agent는 토큰 효율이 극대화되지만, 에이전트 팀은 병렬성/소통/분업의 장점과 함께 토큰 소모가 2~4배 이상 증가함

에이전트 팀과 sub-agent를 혼용하는 “연구-계획-구현” 프로세스가 최적임

• 연구·분석 단계에는 sub-agent로 코드베이스 조사, 웹 검색 등 수행
• 그 결과로 작업 계획을 도출한 뒤, 본격 구현단계에서 agent team으로 전환해 병렬 분업
• Claude 코드 워크플로우에서 sub-agent 및 agent team을 연쇄적으로 활용하는 방식이 생산성 및 효율성 모두를 높임

에이전트 팀의 불안정성과 한계(환각, 병렬성 충돌 등) 해결을 위한 노하우(스킬/템플릿)가 제공됨

• Claude에 프롬프트만 주면 에이전트 팀 구성이 자동화되지만, 역할 분리나 터미널 지정이 모호하면 비논리적인 팀이 구성되거나 터미널 동작이 실패
• 실제 예시: 데이터베이스agent와 백엔드agent가 병렬로 돌다가 서로 다른 스키마 버전으로 작업을 시작, 결과적으로 재작업이 필요
• 가장 신뢰도 높은 방식은 “컨트랙트 퍼스트(contract-first)” 접근: 데이터베이스(agent)가 먼저 작업 후, 백엔드·프론트엔드 순차적 실행(충분 부분만 공유 후 병렬 작업)

커스텀 스킬/커맨드를 통한 Claude 코드의 에이전트 팀 활용 최적화 방안이 안내됨

• 제공되는 (Readme에 포함) 템플릿/커스텀 명령어는 프로젝트별로 복제 후 바로 사용가능
• 빌드 명령어(/build with agent team)에 사전 작성된 플랜 경로와 필요한 팀원 수를 입력, Claude 코드가 자동으로 최적의 팀과 터미널, 역할, 작업 플로우를 설계함
• “스킬 디렉토리”에 커맨드를 복사, 글로벌 또는 프로젝트별로 활용 범위 지정 가능
• 팀 규모를 구체적으로 명시하거나, 플랜 내용에 따라 AI가 자율적으로 팀 구성 및 역할 배분 가능
• 명령어 사용 예시, 플랜 기반 프로젝트 신규 생성, 기존 코드베이스에서 기능별 병렬 작업 등 다양한 활용 시나리오 안내

실습 예시를 통해 컨트랙트 체인 및 병렬 작업의 인텔리전트한 흐름이 시연됨

• 예시로, 전혀 새로운 프로젝트 생성 시, 데이터베이스 파트가 먼저 계약 생성 → 백엔드 에이전트 작업 개시 → 이후 프론트엔드 에이전트 병렬 작업
• 지능적으로 “선행 단계 일부만 완성 후 병렬화” 구조 구현
• 시각적으로 각 단계가 개별 터미널에서 실시간 진행되는 모습 관찰 가능
• 고도화된 분업/협업이 안내된 스킬만으로도 쉽게 구현됨
• 사용자는 자신의 상황에 맞게 명령어와 프로세스를 자유롭게 커스터마이즈 가능

결론적으로, 에이전트 팀은 미래적인 분산 AI 개발환경의 실험적이지만 강력한 전환점임

• 현재는 실험적(Experimental) 단계라 제한점들이 있지만, 추후 개선 및 확장 가능성은 매우 큼
• 영상의 모든 기능, 커스텀 스킬, 설치·활용법 등은 본문 및 영상 설명란 자료 링크에서 확인 가능
• Anthropic 및 커뮤니티 생태계의 지속적 발전과 더불어, 앞으로도 기능, 성능, 안정성 면에서 지속적 개선 예정