주요 내용
- Anthropic은 기업들이 하위 에이전트들을 하나의 에이전트로 통합하여 요청에 따라 컨텍스트를 로드할 수 있는지 평가해야 한다고 권장합니다.
- 회사의 경험에 따르면, 많은 전문 하위 에이전트를 사용하면 각 핸드오프 시 지연 시간이 증가하고 비용이 상승하며 정보 손실이 발생한다.
- Anthropic은 팀들이 전환을 진행하는 데 도움을 주기 위해 GitHub에 마이그레이션 키트를 공개했습니다.
안타르피크는 즉시 필요한 맥락을 처리하는 단일 에이전트가 다중 에이전트 설정보다 품질, 비용, 지연 시간 면에서 더 우수하다는 것을 발견했습니다. 이 회사는 팀들이 평가하고 전환을 진행할 수 있도록 도와주는 마이그레이션 키트를 출시하고 있습니다.
Anthropic은 기업들이 하위 에이전트를 통합할 수 있는지 평가해야 한다고 권장합니다. 왜냐하면 필요에 따라 컨텍스트를 처리하는 단일 주요 에이전트가 여러 전문화된 에이전트를 사용하는 방식보다 더 좋은 결과를 제공하기 때문입니다. Opus 4.5부터 시작하는 새로운 모델들과 함께 Opus 5.5 및 Fable 5.1도 복잡한 계획을 단일 루프 내에서 직접 관리할 수 있어 비용과 대기 시간을 줄일 수 있습니다. 한 비교 결과, Anthropic에 따르면 단일 에이전트 아키텍처는 다중 에이전트 설정보다 약 두 배 더 빠르게 작동했습니다.
추천 사항은 여러 기업 배포에서의 실제 경험에서 비롯되었습니다. Anthropic의 Applied AI 팀은 소위 기술을 사용하는 단일 에이전트가 품질 면에서 단일한 프롬프트 설계와 하위 에이전트 설정 모두를 능가한다는 것을 발견했습니다. 예를 들어, 한 회사는 고객 접근 에이전트 내에 수십 개의 전문화된 하위 에이전트를 가지고 있었고, 이로 인해 일관된 브랜드 경험을 유지하기 어렵고 높은 지연 시간으로 사용자 경험이 저하되었습니다.
모델은 이제 대부분의 조정 작업을 스스로 수행할 수 있습니다
Anthropic에 따르면, 많은 에이전트 설계는 의도 감지, 고정된 처리 파이프라인, 사용자 세분화, 별도의 추천 브랜치, 그리고 상위에 위치한 오케스트레이터 등 익숙한 패턴을 따릅니다. 이 중 많은 부분은 모델이 현재 각 사용 사례에 대해 혼자서 처리할 수 있습니다.
Anthropic은 에이전트에 대해 이를 “Conway's Law”이라고 부릅니다. 아키텍처는 조직도의 복사본이 되고, 각 팀은 자체적인 하위 에이전트를 개발하며 수백 개의 중복된 에이전트가 공통된 표준 없이 쌓이게 됩니다. Anthropic이 “Frankenprompt”라고 부르는 것은 각 팀이 시스템 프롬프트에 규칙을 추가하는 것으로, 결국 서로 모순되는 결과가 나옵니다. 회사에 따르면, 깨끗한 시스템 프롬프트, 네다섯 가지의 간결한 데이터 도구, 그리고 고정된 출력 보호 장치는 각각의 사용 사례를 대부분 커버합니다.
한 가지 예로, Anthropic은 새로운 모델을 위한 Claude Code 시스템 프롬프트를 80% 이상 줄였습니다. 이는 기술과 도구가 필요할 때만 로드되기 때문입니다. 새로운 모델들은 자신들의 진행 상황에 대해 코멘트를 하고 자신의 작업을 확인하기도 하므로, 일부 추가적인 제어 레이어가 불필요해질 수 있습니다.
안트로피크는 단일 에이전트의 컨텍스트 윈도우가 측정 가능한 성능 저하를 보일 때, 여러 작업이 별도의 컨텍스트 윈도우와 함께 병렬로 실행되어야 할 때, 또는 단일 에이전트가 도구 선택에 어려움을 겪을 때에도 서브-에이전트가 여전히 의미가 있다고 말합니다.
단계별 마이그레이션을 위해 Anthropic은 GitHub에 마이그레이션 키트를 공개했으며, 이 키트는 팀들이 기존 패턴을 파악하고 대안을 평가하며 최적의 방법을 확인하는 작업 과정을 안내합니다. Anthropic은 맹목적으로 병합하는 것을 경고하는데, 지원 에이전트를 사용한 한 테스트에서 하위 에이전트를 통합하면 지연 시간은 줄었지만 이전에 작동하던 프로세스를 파괴했기 때문입니다. 주 에이전트는 올바른 전문가에게 문의하는 대신 혼자서 답변을 시작했습니다.
팀들은 기술 라이브러리를 과도하게 확장하지 않아야 합니다.
각 팀에 별도의 에이전트를 제공하는 대신, Anthropic은 워크플로우를 스킬으로 패키지화하고, 도구 검색을 통해 필요에 따라 도구를 로드하는 것을 권장합니다. 작은 중앙 팀이 시스템 프롬프트와 전체 품질을 책임져야 합니다. 또한 Anthropic은 모델의 도구 선택이 30~50개의 도구 정의를 넘어서 저하되는 경향이 있으므로, 각 팀의 지정된 책임자들이 스킬 라이브러리를 관리하여 그 수가 불필요하게 증가하지 않도록 해야 한다고 언급합니다.
지침서, 제품 사양, 또는 측정 단위 정의와 같은 참고 자료에 대해서는, Anthropic은 에이전트가 검색 도구를 통해 필요할 때만 정보를 조회하도록 하는 지식 기반을 권장합니다. 이러한 정보는 스킬 내의 참고 파일로도 포함될 수 있습니다. Anthropic은 코드를 통해 컨텍스트를 가져오고 직접 프롬프트에 삽입하는 행위를 반대합니다.
Anthropic의 연구 결과는 최근 연구들과 일치합니다. Vals의 연구에 따르면, 에이전트 팀은 단일 에이전트보다 더 빠를 수 있지만 품질 향상은 없었습니다. 10개에서 30개 또는 100개의 에이전트로 확장해도 품질 향상은 없으며 비용만 크게 증가한다고 연구는 밝혔습니다. OpenAI 개발자 Eric Provencher도 에이전트 스웜의 가치를 의문시했으며, “거의 확실히” 돈 낭비라고 말했습니다.
출처: Anthropic