#멀티 에이전트
6개의 포스트
![[특집] '이거 누가 알아요?'를 없애는 법 — 한 엔지니어링 매니저가 만든 AI 하이브 마인드, 조직의 암묵지를 끌어올리다](/_next/image?url=https%3A%2F%2Ffiles.core.today%2Fstorage%2Fcoredot%2Fpublic%2Fblog%2Fhm-hero.webp&w=3840&q=75)
[특집] '이거 누가 알아요?'를 없애는 법 — 한 엔지니어링 매니저가 만든 AI 하이브 마인드, 조직의 암묵지를 끌어올리다
“시스템이 어떻게 돌아가는지 알아내려면 늘 3~4명을 한 방에 모아야 했다.” 핀테크 기업 SumUp의 엔지니어링 매니저 칸도스트가 2026년 8월 공개한 글은 이 한 문장에서 출발한다. 그는 저장소 66개를 git 서브모듈로 한 저장소에 묶고, 도메인마다 AGENTS.md를 두고, 저장소 하나만 보는 배경 에이전트와 그들을 지휘하는 주 에이전트를 나눠 ‘하이브 마인드’를 만들었다. 에이전트끼리는 Zod 스키마로 정한 JSON 보고서로만 인계하고, 매주 슬랙·노션의 변화를 모아 AGENTS.md를 고치는 PR을 사람이 검토한다. 이 글은 그 구조를 하나씩 뜯어보고, 폴라니의 ‘암묵지’(1966)와 노나카의 SECI 나선(1995), 콘웨이의 법칙(1968), 웨그너의 ‘누가 무엇을 아는가’(1985), ‘Lost in the Middle’과 ‘Context Rot’, 앤트로픽의 멀티 에이전트 연구와 버클리의 실패 분류(MAST)까지 이 설계가 왜 이런 모양이 됐는지를 사례와 함께 풀었다. AGENTS.md가 오히려 성능을 떨어뜨린다는 ETH 취리히의 반론과 2026년의 의미, 그리고 우리 팀에서 시작하는 법까지 여섯 개의 인터랙티브 도구와 함께 정리했다.
읽기는 병렬로, 추론은 깊게 — 896K 토큰 문서를 4B 모델이 읽어 내는 법, PARSER 논문 특집
100만 토큰짜리 창을 가진 모델도 긴 문서 앞에서는 정확도가 수십 점씩 떨어집니다. 홍콩중문대 연구진이 2026년 9월에 내놓은 PARSER는 '문서를 읽는 순서는 문서가 정하지만, 질문을 푸는 순서는 질문이 정해야 한다'는 한 문장에서 출발합니다. 문서를 보지 않는 리드 에이전트가 질문을 쪼개 수천 개의 청크 담당 서브에이전트에게 동시에 흩뿌리고, 돌아온 증거로 다음 질문을 다듬습니다. 4B 모델이 896K 토큰에서 순차 메모리 에이전트를 12점 앞서고, 9B 모델이 DeepSeek-V4-Pro를 6.3점 앞섰으며, 지연은 11배 줄었습니다. 이 글은 Transformer의 어텐션 창에서 시작해 'Lost in the Middle'과 Context Rot, MemAgent의 순차 메모리까지 이 논문이 서 있는 자리를 되짚고, 흩뿌리기-모으기 구조와 리드 에이전트만 강화학습하는 설계, 세 가지 통제 실험, 실패 사례와 한계, 그리고 2026년 멀티 에이전트 지형에서의 의미를 사례와 함께 풀어 씁니다. 시뮬레이터·결과 탐색기·접근법 가이드 위젯 3개.
AI에게 '이 주식 살까요?'라고 묻지 마라 — 투자 거장 4명을 프롬프트로 부활시킨 'AI 버크셔' 해부
ChatGPT에게 종목을 물으면 왜 항상 '양다리' 답이 돌아올까? 오픈소스 프로젝트 'AI 버크셔'는 버핏·멍거·돤융핑·리루 4대 거장을 18개의 구조화된 프롬프트로 부활시켜, 서로를 공격하게 만든다. 강제 결론, 반편향 엔진, LLM 암산 금지, 거울 테스트 — 투자를 넘어 모든 고위험 의사결정에 쓸 수 있는 프롬프트 설계의 마스터클래스를, 실제 프롬프트 전문과 함께 뜯어본다.
232명의 AI 전문가를 한 폴더에: '디 에이전시(The Agency)'로 읽는 멀티 에이전트 아키텍처의 모든 것
레딧 스레드에서 시작해 GitHub 별 12만 개를 모은 오픈소스 저장소 'The Agency'. 프론트엔드 마법사부터 '현실 점검관'까지 232명의 AI 전문가가 어떻게 하나의 팀으로 움직이는가. 만능 AI 하나가 아니라 왜 전문가 팀이어야 하는지 — 민스키의 '마음의 사회'부터 2026년 오케스트레이터-서브에이전트 합의까지, 그리고 프로덕션을 견디는 멀티 에이전트 아키텍처의 다섯 가지 위상(topology)을 깊이 있게 풀어본다.
하니스(Harness) — AI가 스스로 일하는 방식을 설계하다
모델은 같은데 왜 어떤 AI는 50개 작업 중 20개에서 멈추고, 어떤 AI는 6일 만에 Bun을 통째로 다시 쓸까? 답은 '하니스(harness)'에 있습니다. ReAct에서 동적 워크플로우까지 — 모델을 둘러싼 골격이 어떻게 진화해 왔는지, 왜 지금 화제인지를 논문과 사례로 쉽게 풀어드립니다.
Ultraplan 완전 가이드 — AI 코딩 에이전트는 어떻게 '생각'하는가
Claude Code의 Ultraplan은 3개의 독립 탐색 에이전트와 1개의 비평 에이전트가 협업하여 최적의 구현 계획을 만드는 클라우드 기반 멀티 에이전트 아키텍처입니다. 단일 에이전트의 앵커링 바이어스를 극복하고, 더 다양하고 견고한 계획을 생성합니다. 이 글에서는 AI 계획 수립의 역사부터 Ultraplan의 핵심 아키텍처, 실전 활용법까지 풍부한 사례와 함께 깊이 있게 다룹니다.