I Built My Claude Code Subagents DREAM TEAM to Create Any AI Agent

영상 링크: I Built My Claude Code Subagents DREAM TEAM to Create Any AI Agent
채널명: Cole Medin

Claude 코드 서브에이전트 드림팀으로 에이전트 공장 만드는 법 핵심 요약

• Claude 코드의 서브에이전트 기능과 Archon 도구를 결합해 AI 에이전트 공장(template)을 구축하는 방법을 소개
• 모듈별 전문가 역할의 서브에이전트(Planner, Prompt Engineer, Tool Integrator, Dependency Manager, Validator)를 정의해 전체 개발 과정을 자동화
• 사용자는 만들고자 하는 AI 에이전트에 대한 고수준 설명만 입력하면, Claude 코드와 Archon이 계획, 구현, 검증 등 여러 단계로 작업을 분담
• 모든 서브에이전트 설정과 전체 워크플로 설계는 claw.md 글로벌 규칙 파일과 마크다운 문서로 구성되어 컨텍스트 관리가 효율적
• 각 서브에이전트는 대화 히스토리를 공유하지 않고, 마크다운 파일 입출력을 통해 정보 교환
• 서브에이전트 생성 및 커스터마이즈는 /agent 명령어나 Archon 지식 베이스 연동 두 가지 방식으로 가능하며, 모델 및 권한도 유연하게 지정 가능
• 실제 예제로 Hybrid Search RAG 에이전트 개발 과정을 단계별로 시연하여, 계획/병렬 작업/구현/테스트/배포 과정을 직접 보여줌
• 서브에이전트 생성 템플릿, 예제 레포지토리, Pyantic AI 문서 등 실전 참고자료와 노하우를 함께 공유
• 과정 중 Lindy 에이전트 빌더(스폰서)도 간단히 소개, 코드 작성 없이 자동화된 워크플로 설계 가능함을 데모로 보여줌
• 전체 프로세스는 재사용이 쉽고, 다양한 문제(예: 프론트엔드 앱 개발)에도 쉽게 적용 가능

세부 요약 - 주제별 정리

Claude 코드 서브에이전트와 Archon의 결합이 AI 코딩 패러다임을 전환시킴

• Claude Code의 서브에이전트(Sub-agents)를 활용하면 AI 에이전트 개발 워크플로를 단계별 전문가 기반으로 자동화 가능
• Archon MCP(Management & Context Platform)와 연동하면 각 서브에이전트에 필요한 지식을 공급하고, 작업 분배·관리까지 수행
• 사용자는 원하는 AI 에이전트의 고수준 목표만 입력 — 세부 추진은 서브에이전트들이 분화·실행
• 개발자는 ‘프로젝트 매니저’ 역으로 전체 프로세스만 지휘하게 됨. “이것이 에이전트 코딩의 미래”라고 강조
• 준비된 서브에이전트 공장(Factory) 템플릿을 바탕으로 에이전트 개발이 누구나 즉시 가능

전체 워크플로 구조는 각 역할별 서브에이전트와 글로벌 규칙 기반으로 설계됨

• 모든 서브에이전트 정의는 cloud/agents 폴더의 마크다운 파일로 관리
• 전체 실행 규칙, 호출 순서, 병렬 실행 여부 등은 claw.md(글로벌 규칙) 파일에서 설계
• Archon 연결 시, 보유한 지식 기반으로 세부 계획·할당·추적을 자동화
• 작업 흐름:
  1. 사용자 요청 → 주 에이전트(Primary Claude agent)가 요구사항 분석 및 Archon에 태스크 분배
  2. Plan(계획) – Planner 서브에이전트가 웹 리서치, Pyantic AI 참고, 설계 마크다운(Plan 문서) 출력
  3. 구성 병렬 작업 – Prompt Engineer/System prompt 설계, Tool planner/도구 기획, Dependency 관리자가 각 파트를 동시 수행(각각 별도 마크다운으로 결과물 작성)
  4. Implementation(구현) – 주 에이전트가 컨텍스트를 종합해 코드를 생성, Archon, Pyantic AI 실무 예제까지 활용
  5. Validate(검증) – Validator 서브에이전트가 테스트 및 결과보고서 생성, 필요 시 자동 반복 및 개선
  6. 최종 에이전트 인도 및 배포

서브에이전트의 본질과 파일 입출력 구조가 효율적인 이유

• Claude 코드 서브에이전트는 사실상 고도로 정교한 프롬프트(=마크다운 문서)로, 각자 별도 역할과 도구, 모델(예: Opus, Sonnet, Haiku) 지정 가능
• 서브에이전트는 서로 컨텍스트(대화 이력, 상태 등)를 공유하지 않음 — 오직 마크다운 파일의 입출력만으로 협업
• 이 구조는 불필요한 대화 히스토리 ‘오염’을 막아 엔지니어링이 깔끔하고, 오토컴팩트(자동 대화요약)로 인한 환각 현상도 방지
• 병렬 서브에이전트 작업 시 각자가 필요한 컨텍스트만 읽고 결과만 출력해 메인 에이전트에 전달
• 대화창이 복잡해지지 않으며, 컨텍스트 엔지니어링이 명확하게 구획됨

서브에이전트 생성 방법—/agents 명령어와 Archon 지식베이스 활용법

• /agents 명령어(Cloud Code CLI)로 프로젝트 내, 혹은 전역적으로 새 에이전트 생성
• 프롬프트로 이 에이전트의 역할·설명을 입력하면, Claude가 마크다운 템플릿 자동 작성:
  • 이름, 설명, 사용 도구, 색상, 시스템 프롬프트(특화 지시문), 모델 종류 등 포함
  • 명확한 트리거(설명 예시)도 반드시 기술 — 주 에이전트가 호출 기준으로 삼음
• 생성 후 결과물은 수동으로 다듬어(간결화, 맞춤화) 전체 워크플로에 녹임
• Archon을 활용할 경우, 서브에이전트 문서 URL을 지식 추가(knowledge add) 하면 전체 문서를 크롤링·베이스에 탑재, Claude가 한 번에 여러 서브에이전트를 자동 생성 가능
• Archon MCP 서버와 연동 시, 각 단계 산출물(마크다운 문서)도 데이터베이스에 저장/참조 가능

글로벌 규칙(claw.md, 슬래시 커맨드)이 전체 에이전트 협업의 엔트리포인트가 됨

• claw.md에 모든 서브에이전트 리스트, 호출 타이밍, 협력 순서, 입력/출력 파일 명세, Archon 사용 여부 등 명확히 기록
• 슬래시 커맨드로도 워크플로 패키징 가능하나, 템플릿 단순화를 위해 글로벌 규칙 중심으로 운영
• 규칙 파일 안에 베스트 프랙티스(예: Pyantic AI 기반 개발시 체크사항)도 포함

실제 프론트엔드 앱 등 다양한 문제에도 동일 워크플로가 적용됨

• 영상에서는 AI 코딩을 예시로 사용했으나, 웹 프론트엔드 등 복합 시스템에도 동일 원리 적용
  • 예: 컴포넌트, 의존성, CSS 등 각 영역을 서브에이전트로 분담, 병렬 계획 및 집행
• 요구사항-분해-계획-병렬 작업-구현-검증 등은 범용 템플릿이 됨

클라우드 코드 공식 문서와 서브에이전트 기능의 체계적 소개

• 공식 Cloud Code Documentation의 서브에이전트 페이지에서 핵심 개념 정리:
  • ‘특화 전문성 전달’(세분화 프롬프트)
  • ‘재사용성’(팩토리 템플릿 공유)
  • ‘유연한 권한·도구·모델 지정’
  • ‘컨텍스트 분리’(대화 이력 미공유로 오염 방지)
• 파일 구조와 도구 선택 기준도 명확하게 설명

Lindy 에이전트 빌더(스폰서) 및 최근 업데이트 간략 소개

• Lindy는 손쉽게 AI 에이전트를 빌드·관리할 수 있는 SaaS
• 에이전트 빌더: 원하는 워크플로를 텍스트로 명령만 입력하면 전체 자동화 설정 생성 (예: 리드 조사 후 Gmail로 이메일 초안 자동 작성)
• Autopilot: 리얼 컴퓨터/웹 브라우저 통제, 예: 트위터 자동 모니터링 및 스팸 자동 차단
• 팀 계정 지원: 여러 사용자 협업 및 회사 단위 배포 가능
• 무료 크레딧 제공 등 실사용 장려

마크다운 문서 기반 입출력 설계로 서브에이전트 간 컨텍스트가 완벽히 전달됨

• 프로젝트별 폴더 내 서브에이전트 결과(markdown) 파일(예: initial.md, prompts.md, dependencies.md 등) 체계적 분리
• 예: Planner는 planning/initial.md 생성 → 이후 병렬 에이전트가 이 파일을 입력으로 사용
• 각 에이전트 대상 ‘Input/Output’ 파일 명세를 파일, 규칙 파일, 에이전트 자체 문서에 반복 명시
• Archon 연동으로 이 모든 맥락 정보가 데이터베이스화됨 — 협업/이력관리/재활용까지 고려

실제 Hybrid Search RAG 에이전트 개발 전체 과정을 단계별 데모로 시연함

• 예제 프롬프트(만들고 싶은 에이전트 설명) 입력 → 요구사항 명확화(추가 질문) → Archon 프로젝트 생성 및 연동 → 전체 태스크 목록 분할 및 서브에이전트 할당까지 자동화
• 각 단계–예: 계획(Planner), 병렬 서브에이전트(프롬프트, 도구, 의존성)–의 산출물이 폴더에 생성
• Archon 대시보드에서 각 태스크의 진행 상황(분석, 설계, 구현, 검증 완료 여부) 모니터링 가능
• 계획~ 구현 ~ 검증 ~ 완성 에이전트 전달 순으로 일련의 과정이 자동 진행, 수작업 반복도 최소화(이 예에서는 2회 수정)
• 완성된 에이전트를 CLI에서 직접 실행, RAG 파이프라인을 질의하여 답변 받는 실제 동작 모습까지 확인

에이전트 워크플로의 컨셉과 템플릿, 도구가 바로 사용할 수 있도록 오픈되어 있음

• 영상에서 사용한 모든 템플릿, 예제 코드, Pyantic AI 문서 등은 GitHub 레포지토리(링크 제공)로 즉시 활용 가능
• 구조적으로 서브에이전트 워크플로 및 각 단계 산출물, 도구 설정, Archon 연동법 등이 상세히 기록되어 있음
• 실제 구현에 곧바로 적용 가능한 현대적 AI 개발 패러다임을 체계적으로 설명