7:28Better Stack
Log in to leave a comment
No posts yet
단순한 챗봇에게 코드를 묻고 답변을 기다리는 시대는 끝났습니다. Claude Code나 GitHub Copilot은 훌륭한 비서지만, 수백 개의 파일이 얽힌 엔터프라이즈 시스템을 수정하기에는 너무 느리고 선형적입니다. 세션이 길어지면 컨텍스트를 잃고 헤매는 AI 한 대에게 모든 것을 맡기는 방식은 이제 생산성의 병목일 뿐입니다.
이제는 에이전트 오케스트레이션의 시대입니다. Steve Yegge가 제안한 오픈소스 Gastown(가스타운)은 30개 이상의 AI 에이전트를 동시에 가동하여 기능을 분해하고 병렬로 빌드하는 코딩 공장 시스템을 지향합니다. 당신은 이제 코더가 아니라, AI 군단을 지휘하는 오케스트레이터가 되어야 합니다.
Gastown은 단순한 AI 래퍼가 아닙니다. 분산 컴퓨팅 원리를 채택하여 개별 에이전트의 불안정성을 시스템 구조로 해결합니다. 핵심은 역할을 명확히 분리하고 작업을 원자 단위로 쪼개는 것입니다.
이 구조의 핵심은 Vibe Coding(감으로 짜는 코딩)에서 탈출하는 것입니다. Gastown은 PreToolUse 훅 시스템을 통해 에이전트가 메인 브랜치에 직접 커밋하는 것을 물리적으로 차단합니다. 모든 코드는 별도의 피처 브랜치에서 작성되며, 리파이너리의 엄격한 테스트 검증을 통과해야만 통합됩니다.
모든 작업에 수십 명을 투입하는 것은 API 비용 낭비입니다. 작업의 복잡도에 따라 화력을 적절히 분산해야 합니다.
| 프로젝트 규모 | 에이전트 구성 | 핵심 활용 전략 |
|---|---|---|
| 소규모 (버그 수정) | 시장 1 + 폴캣 1~2 | 직접 코딩보다 지시와 결과물 검토에 집중 |
| 중규모 (신규 API) | 시장 1 + 폴캣 5~10 | 프론트와 백엔드 작업을 병렬 진행 |
| 대규모 (아키텍처 변경) | 시장 1 + 폴캣 20~30 | 위트니스 에이전트를 배치해 병목 실시간 해결 |
대규모 전환 작업 시 30대의 에이전트를 돌리면 수동 작업 시 6시간 걸릴 업무가 20분 내외로 단축됩니다. 하지만 이는 모델 할당 최적화가 전제되어야 합니다. 설계를 담당하는 시장에게는 Claude 3.5 Sonnet 같은 고성능 모델을 맡기고, 단순 구현이나 테스트를 수행하는 폴캣에게는 Gemini 같은 가성비 모델을 배치하여 비용 효율을 극대화하십시오.
Go 기반 애플리케이션에 JWT 인증을 추가하는 상황을 가정해 보겠습니다. 명령 한 줄로 군단을 움직이는 과정은 다음과 같습니다.
gt mayor attach 명령으로 세션을 시작합니다.gt convoy list로 각 에이전트의 진행 상황을 실시간으로 체크합니다.gt status로 확인 후 승인합니다.작동이 원활하지 않다면 환경을 먼저 점검해야 합니다. 특히 Dolt 버전이 1.82.4 이상인지 확인하는 것이 필수입니다. 구버전은 Git 데이터베이스 동기화 오류를 일으켜 에이전트 간의 작업 충돌을 유발합니다. 또한 데몬 실행에 문제가 있다면 tmux -V로 버전 3.0 이상임을 확인한 후 gt doctor --fix를 실행하여 환경을 초기화하십시오.
AI 에이전트 30대를 동시에 가동한다는 것은 당신이 더 이상 타이핑을 하지 않는다는 뜻입니다. 이제 엔지니어의 진짜 실력은 CLAUDE.md 같은 지침 문서에 아키텍처 결정 사항을 얼마나 정교하게 기록하느냐에서 갈립니다.
에이전트는 훌륭한 조력자지만, 제대로 관리하지 않으면 시스템을 마비시키는 초지능 침팬지와 같습니다. 반드시 별도의 실험용 리그(Rig)에서 가동하고 API 비용 한도를 설정하십시오. 수십 개의 PR을 일일이 검토하는 피로를 줄이려면 PR 보안관 역할을 하는 에이전트를 추가로 배치하여 문법 오류와 테스트 미통과 건을 1차로 걸러내야 합니다. 당신의 소프트웨어 공장은 이제 가동 준비를 마쳤습니다.