복잡한 다중 도메인 workflow를 단일 AI 세션에 맡기면 본질적으로 느릴 수밖에 없습니다. Claude agent 팀은 전문화된 agent들을 병렬로 실행해 이 문제를 해결하며, 훨씬 빠른 속도로 더 깊이 있는 결과를 제공합니다. 이 가이드에서는 Claude Code agent 팀의 작동 방식, 설정 방법, 가치를 극대화하는 모범 사례를 다룹니다.
Claude agent 팀이란
Claude Code agent 팀은 여러 Claude 세션이 같은 코드베이스에서 병렬로 작업하는 다중 인스턴스 조정 시스템입니다. 한 세션이 lead agent로 지정되어 전체 작업을 받고, 이를 하위 작업으로 분해한 뒤 최종 결과를 종합합니다. 나머지 sub-agent들은 팀원으로서 각자 격리된 컨텍스트 창에서 실행되며, 개별 작업 영역을 맡고 다른 팀원들과 직접 소통합니다.
agent 팀의 장점
일반적인 AI assistant는 작업을 한 번에 하나씩 순차 처리한다는 점에서 agent 팀과 다릅니다. agent 팀은 이 제약을 깨뜨립니다. 작업을 실제로 병렬화할 수 있다면, 그만큼 실제 소요 시간이 줄어듭니다.
또한 agent 팀은 단순한 여러 세션의 묶음이 아닙니다. 조정 계층은 수동 다중 세션 작업에는 없는 세 가지 기능을 더합니다.
P2P 메시징: 팀원들은 사용자나 리드를 거치지 않고 서로에게 직접 메시지를 보낼 수 있습니다. 예를 들어 보안 리뷰어가 포함된 agent 팀에서는 실행 중간에 보안 agent가 발견 사항을 성능 리뷰어에게 전달해도 전체 팀이 멈추지 않습니다.
파일 잠금: 팀원이 파일에 쓰기를 수행하면 잠금을 획득해 다른 agent의 동시 쓰기를 막습니다. 이를 통해 merge conflict 중 조용히 덮어쓰기가 발생하는 유형을 차단합니다.
종속성 추적: 리드는 작업 분해 과정에서 작업 간 종속성을 명시합니다. 조정 계층은 이를 강제하므로, 선행 조건이 충족되기 전에는 어떤 agent도 시작하지 않으며 수동으로 상태를 확인할 필요가 없습니다.
agent 팀은 실제로 어떻게 작동하나요
agent 팀은 각각 특정 역할을 가진 다음 구성 요소로 이루어집니다.
팀 리드는 기본 Claude Code 세션입니다. 팀을 만들고, 팀원을 생성하며, 이들 사이의 작업을 조율하고, 최종 결과를 종합합니다. 사용자가 직접 상호작용하는 세션이 바로 이것입니다.
팀원은 별도의 Claude Code 인스턴스로, 각자 자신의 컨텍스트 창 안에서 할당된 작업을 독립적으로 수행합니다. 리드나 서로와 컨텍스트를 공유하지 않으며, 소통은 작업 목록과 mailbox를 통해 명시적으로 이루어집니다.
공유 작업 목록과 mailbox는 조정을 가능하게 합니다**.** 공유 작업 목록은 agent 그룹이 읽고 쓰는 실시간 큐입니다. 리드가 작업 분해 시점에 이를 채우면, 팀원들이 작업을 가져가 수행하고 완료로 표시합니다. 종속성은 자동으로 적용됩니다. 팀원이 작업을 완료하면 그 작업에 막혀 있던 다른 작업들이 수동 개입 없이 해제됩니다. mailbox는 agent 간 직접 통신을 위한 메시징 시스템입니다. 메시지는 팀원과 리드 사이에서 자동으로 오갑니다.
팀 설정과 작업 목록은 모두 로컬(~/.claude/teams/ 및 ~/.claude/tasks/)에 저장됩니다. Claude Code가 이 파일들을 자동으로 생성하고 유지합니다. 직접 편집하지 마세요. 다음 상태 업데이트 때 변경 사항이 덮어써집니다.
Claude Code agent 팀 설정 방법
Claude agent 팀은 Claude Code에서 기본적으로 비활성화되어 있습니다. 실험적 기능으로 표시되어 있으며 명시적으로 옵트인해야 합니다. 전체 설정 경로는 다음과 같습니다. agent 팀을 활성화하기 전에 Claude Code 버전이 v2.1.32 이상인지 확인해야 합니다**.** 터미널에서 claude --version을 실행해 확인할 수 있습니다.
1단계: 기능 플래그 활성화
CLAUDE_CODE_EXPERIMENTAL_AGENT_TEAMS 환경 변수를 1로 설정하세요. 방법은 세 가지입니다.
옵션 A: ~/.claude/settings.json(권장)
옵션 B: 셸 프로필(~/.bashrc 또는 ~/.zshrc)
옵션 C: 단일 세션용 인라인 설정
settings.json 또는 셸 프로필을 수정했다면 플래그가 적용되도록 Claude Code를 다시 시작하세요.
2단계: tmux 설치(권장, 필수 아님)
Agent 팀은 두 가지 모드로 표시됩니다. In-process(모든 팀원이 메인 터미널 안에서 실행)와 split panes(각 팀원이 자체 pane을 가짐, tmux 또는 iTerm2 필요)입니다. 각 팀원을 자체 터미널 pane에서 실행하면 팀을 실시간으로 모니터링하기가 훨씬 쉬워집니다.
split panes 모드를 유지하려면 ~/.claude/settings.json에서 setteammateMode를 설정하세요.
기본 "auto" 설정을 재정의하려면 ~/.claude/settings.json에서 teammateMode를 in-process로 설정하세요. 단일 세션에서 in-process 모드를 강제하려면 플래그로 전달하세요: claude --teammate-mode in-process.
3단계: agent 팀 시작을 위한 프롬프트 작성
agent 팀을 활성화한 뒤에는 agent 팀이 수행하길 원하는 작업, 산출물, 팀 구조를 자연어로 Claude에게 말하면 됩니다. 프롬프트에서 각 역할을 지정할 수 있으며, Claude는 그에 맞춰 팀을 만들고 팀원을 생성한 뒤 작업을 일정에 배치합니다.
예시 프롬프트:
"Use Sonnet for every teammate"처럼 agent 팀이 사용할 모델을 지정할 수 있습니다. 팀원은 lead agent의 모델을 상속하지 않습니다. 사용자가 역할 파일 frontmatter에 모델을 지정하거나 /config를 통해 기본 팀원 모델을 설정해야 합니다.
4단계: 복잡한 작업에는 계획 승인 요청(선택 사항)
위험도와 복잡도가 높은 작업의 경우 실행 전에 팀이 계획을 작성하도록 요구할 수 있습니다. agent 그룹의 팀원들은 읽기 전용 모드로 작업하고, 리드가 계획을 검토·수정한 뒤 최종 승인합니다. 리드가 계획을 승인한 뒤에야 팀원들이 구현을 시작합니다.
lead agent가 결정을 내리므로, 의사결정 기준을 함께 제공할 수도 있습니다.
예시 프롬프트:
5단계: 파일 격리를 위한 git worktree 설정(선택 사항, 권장)
팀원 중 누구라도 파일을 작성한다면 Claude Code worktree를 강력히 권장합니다. git worktree는 자체 브랜치의 별도 작업 디렉터리로, 메인 checkout과 동일한 .git 기록을 공유합니다. 각 agent는 격리된 파일 접근 권한을 갖고, 한 worktree의 편집 내용이 다른 agent의 진행 중 작업에 닿지 않습니다.
agent별로 활성화하려면 agent의 YAML frontmatter에 isolation: worktree를 추가하기만 하면 됩니다. Claude Code는 병렬 agent 호출마다 새 worktree를 준비하고 agent가 끝나면 자동으로 정리합니다.
CLI 사용: claude --worktree 또는 claude -w는 자체 worktree에서 세션을 시작합니다. 데스크톱 앱은 세션마다 Claude Code worktree를 자동으로 생성합니다.
6단계: 정기적으로 모니터링
Agent 팀은 한 번 설정하고 잊어도 되는 도구가 아니며, 오래 실행되는 팀은 방향이 흐트러질 수 있습니다. Agents가 권한 프롬프트에서 멈추거나, 작업을 너무 일찍 완료로 표시하거나, 범위를 놓칠 수 있습니다. 10–15분마다 확인하고 공유 작업 목록에서 멈춘 작업이나 미할당 작업이 있는지 검토하세요. 작업이 20–30분 동안 진전이 없다면 권한 차단이나 수동 개입이 필요한 잘못 지정된 역할 때문일 수 있습니다.
나란히 비교: subagents vs agent 팀
Subagent는 위임 패턴입니다. Agent 팀은 협업 패턴입니다. 이 차이는 컨텍스트 관리 방식부터 실행 비용까지 모든 것을 좌우합니다.
| Subagents | Agent 팀 | |
|---|---|---|
| 소통 | 단방향: 리드가 할당하고 subagents가 보고 | P2P + 리드 조정 |
| 공유 상태 | 없음 | 종속성 추적이 포함된 공유 작업 목록 |
| 컨텍스트 창 | 자체 컨텍스트 창, 결과는 리드에게 반환 | 각 팀원이 자체 창 보유(최대 1M tokens) |
| 파일 충돌 방지 | 내장되어 있지 않음 | 파일 잠금 포함 |
| Token 비용 | 낮음 | 높음(모든 팀원이 단일 인스턴스) |
| 세션 재개 | 지원됨 | /resume and /rewind don't restore in-process teammates |
| 중첩 agents | 지원됨 | 지원되지 않음; 팀원 생성은 리드만 가능 |
| 적합한 용도 | 집중 위임, 반복 가능한 워크플로 | 병렬화 가능하고 상호 의존적인 다중 도메인 작업 |
Subagents는 단방향 위임 패턴입니다. 리드가 작업을 보내면 subagent가 자체 컨텍스트 창 안에서 실행하고 결과를 반환합니다. 공유 상태도, 형제 agents 간 직접 소통도, 조정 계층도 없으며, 깔끔한 할당-반환 루프만 있습니다.
Agent 팀은 종속성이 자동으로 적용되는 공유 작업 목록을 기반으로 작업하며, 팀원들은 mailbox를 통해 P2P 메시지를 주고받습니다.
요컨대 agent 팀은 작업이 실제로 독립적인 병렬 트랙으로 나뉘고, 각 트랙이 발견한 내용을 공유하며 서로 조율해야 할 때 효과가 큽니다. 빠른 결과, 순차 작업, 단일 파일 수정, 또는 속도보다 비용 예측 가능성이 더 중요한 경우에는 subagents가 더 나은 선택입니다.
agent 팀을 선택할 때와 subagents를 선택할 때
agent 팀을 사용해야 할 때:
팀원들이 서로 직접 소통해야 할 때
병렬 작업 흐름 전반에서 종속성 추적이 포함된 공유 작업 목록이 필요할 때
작업이 단일 세션으로 처리하기에 너무 크고, 각 작업자에게 완전히 독립적인 자체 컨텍스트가 필요할 때
subagents를 사용해야 할 때:
전체 중간 출력이 아니라 최종 요약만 필요할 때
작업이 자체 완결적이어서 깔끔한 결과를 반환할 수 있을 때
도구를 제한하거나 더 저렴한 모델로 라우팅하고 싶을 때
서로 의존하지 않는 병렬 연구 경로가 필요할 때
진정으로 독립적인 병렬 작업 흐름을 최소 세 개 이상 특정할 수 없다면, 단일 세션이나 subagents가 더 낮은 비용으로 agent 팀보다 나은 성과를 낼 가능성이 큽니다.
agent 팀의 실제 활용 사례
작업이 범위가 명확하고 경계가 있는 작업 흐름으로 자연스럽게 나뉘며, 그 작업 흐름들이 서로 기다리지 않고 진행될 수 있거나 종속성을 명시적으로 인코딩할 수 있고, 병렬 실행으로 절약되는 시간에 비해 조정 오버헤드가 작을 때 agent 팀이 빛을 발합니다. 단일 세션보다 agent 팀이 더 뛰어난 다섯 가지 활용 사례를 소개합니다.
병렬 코드 리뷰
pull request 하나에 보안 agent, 성능 agent, 테스트 커버리지 agent를 포함한 세 명의 리뷰어를 동시에 배정하세요. 리드는 세 개의 병렬 보고서를 하나의 우선순위별 실행 목록으로 종합합니다. 이 패턴은 아키텍처 리뷰(확장성 agent, 보안 agent, 유지보수성 agent)나 서로 다른 규제 프레임워크에 대한 컴플라이언스 점검에도 적용할 수 있습니다.
경쟁 가설 디버깅
각자 하나의 가설을 가진 다섯 agents를 생성해, 프로덕션 버그 조사를 위해 특정 파일이나 로그를 테스트하게 하세요. 먼저 자신의 가설을 확인한 agent가 수정안을 제시하면, 나머지는 중단할 수 있습니다. 각 이론을 순차적으로 검토하면서 한 경로를 몇 시간씩 디버깅하고 되돌아간 뒤 다음 경로를 시작하는 것보다 훨씬 효율적입니다.
계층 간 리팩터링
계층 간 리팩터링 작업에는 순차 단계와 병렬 단계가 모두 포함됩니다. 예를 들어 호환성을 깨는 API 변경에는 백엔드 엔드포인트, 해당 엔드포인트를 사용하는 프런트엔드 컴포넌트, 둘 모두를 다루는 테스트 스위트의 업데이트가 필요합니다. 프런트엔드가 시작되기 전에 백엔드 작업이 완료되어야 합니다. 백엔드 작업이 진행되면 테스트 스위트 agent는 새 테스트 구조의 스캐폴딩을 병렬로 시작할 수 있습니다. agent 팀에서 리드는 공유 작업 목록의 종속성 추적을 사용해 이 순서를 인코딩합니다.
컨텍스트 오염 없는 연구 스윕
기술적 의사결정에는 데이터베이스 엔진 선택, 세 개의 서드파티 API 평가, 빌드 도구 검토처럼 서로 독립적인 여러 증거 묶음을 조사해야 할 수 있습니다. 각 agent에 겹치지 않는 도메인을 배정하고, 각자가 구조화된 요약을 게시하게 하세요. 리드는 이를 비교 문서로 취합합니다. 이러한 격리는 독립적인 관점을 보존해 결과의 품질을 높입니다.
대규모 코드베이스 마이그레이션
대규모 코드베이스에서 주요 의존성을 업그레이드하려면 일반적으로 여러 모듈을 수정해야 합니다. 해당 모듈들의 경계가 명확하고 동시에 마이그레이션할 수 있다면 agent 팀이 도움이 됩니다. 독립적인 모듈마다 agent를 하나씩 배정하세요. 각 agent는 자신의 모듈을 마이그레이션하고, 자체 테스트 스위트를 실행한 뒤, 변경된 인터페이스를 포함한 마이그레이션 요약을 보고합니다. 리드는 마이그레이션 완료를 선언하기 전에 인터페이스 변경을 검토하고 병합 순서를 조정합니다.
agent 팀 설계 시 해야 할 일과 하지 말아야 할 일
Claude Code로 병렬 agent 시스템을 구축하는 설정 자체는 간단하지만, 잘못 설계하기도 쉽습니다. 아래 원칙들이 agent 팀이 성과를 내느냐 시간을 낭비하느냐를 가릅니다.
병렬 agent 시스템 구축을 위한 실전 팁
권한을 미리 승인하세요: 팀원은 리드의 권한 설정으로 시작합니다. 리드가 --dangerously-skip-permissions로 실행 중이면 모든 팀원도 이를 상속합니다. 생성 후 개별 팀원 모드는 조정할 수 있지만, 생성 시점에 팀원별 모드를 설정할 수는 없습니다. 팀을 시작하기 전에 리드를 기준으로 권한 방침을 계획하세요.
역할 프롬프트를 명확하게 작성하세요: 각 역할 프롬프트에는 네 가지가 들어가야 합니다. 무엇을 할지, 어떤 파일이나 도메인에서 작업할지, 무엇에 집중하고 무엇을 제외할지, 산출물이 어떤 형태여야 하는지입니다. 팀원을 생성할 때는 project, user, plugin, CLI-defined 등 어떤 subagent 범위의 subagent 유형도 참조할 수 있습니다. 이를 통해 보안 리뷰어, 테스트 러너 같은 역할을 한 번 정의해 두고 위임형 subagent와 agent 팀의 팀원으로 모두 재사용할 수 있습니다.
파일 격리를 강제하세요: 디스크에 쓰기 작업을 하는 agent에는 반드시 격리를 사용하세요. 두 agents가 같은 파일을 동시에 수정하는 것은 손상된 출력을 만드는 가장 확실한 방법 중 하나입니다.
정해진 주기로 확인하세요: 활성 agent 팀은 10–15분마다 확인하세요. 공유 작업 목록에서 진행이 멈춘 작업이 있는지 살펴보세요. 20–30분 넘게 멈춰 있는 작업은 권한 문제, 잘못 지정된 역할, 순환 종속성 때문일 수 있으며 수동 해결이 필요할 수 있습니다.
종속성을 명시적으로 인코딩하세요: Task B가 논리적으로 Task A 뒤에 와야 한다면, 그 종속성을 역할 프롬프트의 지시문으로 넣지 말고 분해 단계에서 작업 목록에 기록하세요. 조정 계층은 종속성을 자동으로 강제하지만, 프롬프트 속 지시문은 오해되거나 무시될 수 있습니다.
md 파일에 소유 경계를 정의하세요: 다중 세션 프로젝트에서는 각 모듈이나 디렉터리에 정확히 하나의 담당 agent만 있도록 규칙을 작성하세요. 이렇게 하면 팀을 시작하기 전부터 작업 중복을 막을 수 있습니다.
정리는 항상 팀원이 아니라 리드를 통해 하세요: 리드는 리소스를 정리하기 전에 활성 팀원이 있는지 확인합니다. 팀원은 안전하게 정리하는 데 필요한 전체 팀 컨텍스트가 없으므로, 팀원이 정리하면 세션이 일관성 없는 상태로 남을 위험이 있습니다.
agent 팀에서 피할 수 있는 흔한 실수
한 세션으로 깔끔하게 처리할 수 있는 작업에 팀을 만들지 마세요: 역할 파일을 하나라도 작성하거나 swarm 프롬프트를 보내기 전에 작업 그래프를 그리세요. 어떤 하위 작업이 실제로 독립적인가요? 어떤 작업에 종속성이 있나요? 순차적으로 의존하는 작업인가요? 경계가 명확한 병렬 트랙 세 개를 설명할 수 없다면 단일 세션이 팀보다 더 나은 성과를 냅니다.
두 agents를 같은 파일에 배정하지 마세요. 이는 merge conflict와 조용한 덮어쓰기의 가장 흔한 원인입니다. 작업 분해 결과 두 agents가 같은 컴포넌트를 수정해야 한다면, 그 컴포넌트 작업은 순차적으로 처리해야 합니다. 한 agent가 완료한 뒤 다른 agent에게 배정하세요.
Claude Code에서 권한 사전 승인을 건너뛰지 마세요. 실행 중간에 권한 프롬프트가 뜨면 병렬 실행이 멈추고 수동 개입이 필요해집니다. 이 오버헤드는 장점의 상당 부분을 없애 버립니다. 시작 전에 작업 디렉터리에 대한 파일 쓰기와 셸 명령을 미리 승인하세요.
Claude Code 팀을 복원할 수 있을 것이라 기대하지 마세요. 세션이 정리되면 /resume과 /rewind로도 in-process 팀원을 복원할 수 없습니다. 장시간 실행하기 전 중요한 중간 결과를 저장하세요.
명확한 이유 없이 팀을 다섯 명 이상으로 늘리지 마세요. Token 비용은 선형으로 증가하지만 조정 오버헤드는 더 빠르게 커집니다. 역할이 모호한 다섯 agents보다 역할이 분명한 세 agents가 꾸준히 더 나은 성과를 냅니다. 팀원은 명시적인 병렬 작업 흐름이 기다리고 있을 때만 추가하세요. 많을수록 좋다는 느낌만으로 늘려서는 안 됩니다.
또 다른 패러다임: Kimi Agent Swarm에서 multi-agent 팀 구축하기
Claude Code agent 팀은 개발자 친화적인 시나리오에서 강점을 발휘하며, 터미널 워크플로와 Git 생태계에 깊이 통합됩니다. 하지만 multi-agent 협업이라는 패러다임은 명령줄을 훨씬 넘어섭니다. Kimi Agent Swarm은 이 패러다임을 누구나 사용할 수 있게 해 주는 공간입니다.
Kimi Agent Swarm은 복잡하고 대규모인 작업을 위해 설계된 Kimi의 multi-agent 협업 시스템입니다. 넓은 목표를 개별 하위 작업으로 나누고, 서로 다른 agents와 skills를 배치해 검색, 읽기, 분석, 글쓰기, 코딩, 스프레드시트 생성, 슬라이드 제작, 웹페이지 구축을 동시에 처리합니다. env 플래그도, git 설정도 필요 없습니다.
Kimi Agent Swarm의 주요 기능
최대 300개의 sub-agents에 걸친 병렬 협업: Kimi Agent Swarm은 복잡한 작업을 분해하고 여러 sub-agents를 배치해 하위 작업을 동시에 처리합니다. 이 시스템은 한 번의 실행에서 최대 300개의 sub-agents를 조율해 4,000회가 넘는 도구 호출을 수행할 수 있습니다.
다중 skill 복합 실행: Swarm은 한 번의 실행에서 심층 연구, pptx, 보고서 작성, vibe-coding, 웹사이트 구축, 논문 작성 등 여러 전문 skills를 결합할 수 있으며, 출력의 깊이와 형식 범위에서 단일 agent를 뛰어넘습니다.
대규모 문서 처리: Agent Swarm은 20개 이상의 형식(PDF, Word, Excel, PPT, 이미지 등)에 걸친 파일을 일괄 처리할 수 있습니다. 전체 문서 세트에 대해 병렬로 읽기, 정보 추출, 요약을 수행하며, 라이브러리, 경쟁 정보 파일, 다중 소스 데이터 수집 자료를 참조할 수 있습니다.
선제적 광범위 연구: 넓은 범위의 정보가 필요한 작업에서 Agent Swarm은 sub-agents를 보내 웹을 검색하고, 출처를 찾고, 콘텐츠를 다운로드하고, 발견 내용을 분류하며, 구조화된 요약을 병렬로 생성합니다.
다중 관점 추론: Agent Swarm은 동일한 문제에 대해 여러 전문가 관점을 동시에 실행할 수 있습니다. 이를 통해 단일 관점으로 검토할 때보다 더 완전한 분석이 가능해지고, 순차 검토에서는 놓치기 쉬운 사각지대가 드러납니다.
깊이 있는 콘텐츠 제공: Agent Swarm의 병렬 아키텍처는 수백 페이지 규모의 연구 보고서, 장문 산업 분석, 학술 문헌 리뷰, 구조화된 학습 가이드, 긴 서사형 콘텐츠처럼 지속적인 깊이가 필요한 산출물을 위해 설계되었습니다.
한 번의 실행으로 다중 형식 출력: Agent Swarm은 같은 작업에서 PDF 보고서, PPT deck, 웹페이지, Excel 데이터셋, 코드 프로젝트처럼 여러 유형의 산출물을 동시에 생성할 수 있습니다.
Kimi Agent Swarm에서 agent 팀 실행하기
1단계: Kimi Agent Swarm을 열고 프롬프트 입력하기
Agent Swarm 페이지를 열고 입력 상자에 작업을 설명하세요. 최상의 결과를 얻으려면 범위, 기대하는 산출물, 기간·출처·형식 요구사항 같은 제약 조건을 구체적으로 적으세요.
예시 프롬프트:
2단계: Kimi Agent Swarm에 작업 맡기기
프롬프트를 보내면 Agent Swarm이 작업을 하위 작업으로 나누고 subagents를 배치해 병렬로 처리합니다. 작업 계획, sub-agent 생성, 병렬 실행을 포함한 진행 상황을 실시간으로 확인할 수 있습니다.
3단계: 결과 받기, 미리보기, 다운로드 또는 공유하기
실행이 완료되면 인터페이스에서 산출물을 바로 미리 볼 수 있습니다. 작업에 따라 연구 보고서, 데이터 분석, PPT deck, 웹페이지, 코드 프로젝트 또는 이들의 조합이 출력될 수 있습니다. 파일을 다운로드하고 바로 공유할 수 있습니다.
Kimi Agent Swarm이 특히 빛나는 활용 사례
입찰서 및 제안서 작성: 병렬 agents를 기술 사양, 컴플라이언스 요구사항, 가격 모델, 사례 연구에 동시에 배정하면 orchestrator가 이를 일관된 제안서로 통합합니다.
재무 분석: 병렬 agents를 시장 데이터, 경쟁사 공시, 거시 지표, 내부 모델 처리에 배정하면 orchestrator가 이를 통합 분석으로 종합합니다.
비즈니스 리서치: 경쟁 구도, 고객 인터뷰, 산업 보고서, 서로 다른 출처의 규제 맥락을 병렬 agents에 배정하면 orchestrator가 구조화된 결과물을 생성합니다.
보안 테스트: 정찰, 취약점 스캔, 의존성 감사, 권한 상승 점검을 병렬 agents로 실행하면 orchestrator가 발견 내용을 최종 보고서로 취합합니다.
풀스택 개발: 프런트엔드 컴포넌트, 백엔드 엔드포인트, 데이터베이스 스키마, 테스트 스위트에 병렬 agents를 구성하면 orchestrator가 전체 스택의 통합을 조율합니다.
결론
Claude Code agent 팀은 엔지니어링 워크플로를 위해 설계되어, 터미널에서 복잡한 코드베이스에 병렬 실행을 바로 적용할 수 있게 해 줍니다. 작업이 코드 범위를 넘어선다면 Kimi Agent Swarm이 연구, 분석, 콘텐츠 등 다양한 영역에 동일한 multi-agent 패러다임을 제공합니다. 작업을 설명하기만 하면 나머지는 swarm이 처리합니다.