이 프로젝트는 여러 전문 AI 에이전트(Claude, Gemini, Copilot)를 활용하여 복잡한 소프트웨어 개발 과업을 수행할 때, 사람(개발자)의 생산성과 결과물의 품질을 극대화하기 위한 운영 매뉴얼입니다.
이 워크플로우는 'AI가 스스로 협업하는 자동화 시스템'이 아니라, **'사람이 각 AI의 강점을 전략적으로 활용하도록 돕는 가이드북'**을 지향합니다.
- 사람 중심 중재 (Human-in-the-Loop): 모든 상호작용은 사람이 중심이 되어 AI에게 작업을 지시하고 결과를 전달합니다.
- 순차 활용 우선 (Sequential First): 하나의 작업은 하나의 AI가 끝까지 책임지는 것을 기본으로 합니다.
- 전략적 개입 (Strategic Intervention): 아키텍처 검토 등 꼭 필요한 시점에만 다른 전문가 AI를 '컨설턴트'처럼 호출하여 품질을 높입니다.
- 상태 관리 (
project_status.md): 모든 작업의 맥락을project_status.md파일에 기록하여 정보 손실을 방지합니다.
각 AI 에이전트는 명확히 정의된 역할을 수행하여 시너지를 창출합니다.
| 에이전트 | 핵심 강점 | 주요 역할 (전문 분야) |
|---|---|---|
| Claude | 체계적인 장문 생성, 계획 수립 | 🔹 기획자 (Planner) / 기술 작가 (Writer) 요구사항 분석, 개발 계획 수립, 테스트 케이스 설계, 최종 문서화를 담당합니다. |
| Gemini | 심층 분석, 추론, 아키텍처 설계 | 🔹 아키텍트 (Architect) / 분석가 (Analyst) 기술 계획 검토, 아키텍처 설계, 복잡한 알고리즘 분석, 최종 산출물 검수를 담당합니다. |
| Copilot | 빠른 코드 생성, 실행, 자동화 | 🔹 구현자 (Implementer) / 실행자 (Executor) PoC 개발, 실제 코드 작성, 테스트 실행, 빌드/배포 자동화를 담당합니다. |
이 워크플로우는 사람(OPERATOR) 의 중재 하에 단계적으로 진행됩니다.
graph TD
subgraph "Phase 1: 분석 및 계획"
A[👨💻 Operator] -- 요구사항 전달 --> B(📝 Claude: 계획 수립);
B -- 계획서 전달 --> A;
A -- 계획서 검토 요청 --> C(🔍 Gemini: 아키텍처 검토);
C -- 검토 의견 전달 --> A;
end
subgraph "Phase 2: 구현"
D[👨💻 Operator] -- 최종 계획 전달 --> E(💻 Copilot: 코드 구현);
E -- 막히는 문제 발생 --> D;
D -- 설계 문제 자문 --> F(🔍 Gemini: 해결책 제안);
F -- 해결책 전달 --> D;
D -- 해결책 적용 지시 --> E;
end
subgraph "Phase 3: 최종화"
G[👨💻 Operator] -- 코드/결과물 전달 --> H(📝 Claude: 문서 초안 작성);
G -- 전체 산출물 검수 요청 --> I(🔍 Gemini: 최종 검수);
I -- 최종 요약 전달 --> G;
G -- 요약본으로 문서 보강 지시 --> H;
end
A --> D --> G;
[중요] 모든 화살표는 사람이 직접 컨텍스트(project_status.md 포함)를 전달하는 수동 작업을 의미합니다.
이 섹션은 각 단계에서 어떤 AI를 어떻게 활용하는지 요약합니다. ➡️ 더 상세한 실제 프로젝트 적용 예시는 워크플로우 사용 예시 문서를 참고하십시오.
- To Copilot: 아이디어를 빠르게 검증하기 위해 "이 기술로 30분 안에 간단한 PoC 코드를 만들어줘." 라고 요청합니다.
- To Gemini (선택): Copilot의 결과물이 기술적으로 타당한지, 더 나은 대안은 없는지 검토를 요청합니다.
- To Claude: 구체적인 요구사항을 전달하며 "상세 기술 계획, WBS, 리스크 분석이 포함된 문서를 만들어줘." 라고 요청합니다.
- To Gemini: Claude가 만든 계획서와
project_status.md를 함께 전달하며 "이 계획의 아키텍처 문제점과 테스트 전략을 제안해줘." 라고 요청하여 계획의 품질을 높입니다. - To Copilot: 최종 확정된 계획의 핵심 기능을 일부 구현시켜 실현 가능성을 최종 확인합니다.
- To Gemini (마일스톤 시작 시): "이번 마일스톤의 기능은 [기능 요약]이야. 테스트 전략을 제안해줘." 라고 요청하여 테스트 방향을 설정합니다.
- To Claude: Gemini의 테스트 전략에 맞춰 "BDD 스타일 테스트 케이스 뼈대를 작성해줘." 라고 요청합니다.
- To Copilot [핵심 작업]: 설계 문서와 테스트 케이스를 전달하며 "이 설계에 맞춰 실제 코드를 구현하고 모든 테스트를 통과시켜줘." 라고 요청합니다.
- (문제가 생기면) To Gemini: Copilot이 해결하기 어려운 설계 문제가 발생하면, Gemini에게 해당 부분의 설계를 구체적으로 자문합니다.
- To Copilot: "이 프로젝트를 위한 CI/CD 파이프라인과 Dockerfile을 만들어줘." 와 같이 배포 자동화 스크립트 생성을 요청합니다.
- To Gemini: 완성된 모든 산출물을 전달하며 최종 검수를 요청하고, 문서화에 필요한 핵심 정보를 요약해달라고 합니다.
- To Claude: Gemini의 요약본과 Git 변경 로그를 바탕으로 사용자 매뉴얼, API 명세 등 최종 문서를 작성하도록 지시합니다.
project_status.md: 각 에이전트에게 작업을 요청할 때 항상 이 파일을 최신 상태로 업데이트하여 함께 전달해야 컨텍스트 손실을 막을 수 있습니다.- 품질 게이트 체크리스트: 다음 단계로 넘어가기 전, 이전 결과물이 최소 요구사항을 만족하는지 스스로 검증하는 습관을 들여야 합니다.
이 워크플로우의 효과는 팀 규모에 따라 다릅니다.
| 팀 규모 | 권장 전략 | 비고 |
|---|---|---|
| 1인 개발자 | 순차 활용만 (Phase 0 생략 가능) | Agent 전환 오버헤드가 이득보다 클 수 있음 |
| 2-5인 팀 | 전체 워크플로우 활용 권장 ✅ | 가장 효과적인 규모 - 역할 분담 명확 |
| 5인+ 팀 | 소규모 팀부터 시작 → 점진적 확대 | 전체 조직 도입 전 2-3인 Strike Team으로 시범 운영 |
이 워크플로우는 4개 AI 에이전트의 합의를 통해 검증되었으나, 다음 제약사항이 있습니다:
현재까지의 검증 결과, 이 워크플로우는 특정 영역에서는 효과적이지만 모든 상황에 적용 가능한 것은 아닙니다.
| 영역 | 상태 | 설명 |
|---|---|---|
| ✅ 검증됨 | 문서 작업, 계획 수립, 신규 프로젝트 | 효율성 증가 확인됨 |
| 대규모 코드베이스(100k+ lines), 레거시 리팩토링 | Phase 0.5 전략 추가 (섹션 8 참조), 파일럿 권장 | |
| ✅ 개선 완료 | 실패 복구 프로토콜 | team_ground_rules.md 섹션 3.2 참조 |
| ✅ 개선 완료 | 측정 가능한 품질 메트릭 | metrics_template.md 문서 제공 |
| 실시간 시스템, 하드웨어 제어 | 도메인 특수성으로 추가 검증 필요 |
- 파일럿 프로젝트로 시작: 2-5인 팀에서 2주간 비핵심 기능 개발로 효과 검증
- 측정 지표 설정: metrics_template.md 활용하여 실제 시간 절감, 버그 발생률 등을 프로젝트 전후 비교
- 점진적 확대: 효과가 입증되면 더 복잡한 프로젝트로 확장
- 레거시 적용 시: agent-workflow-plan.md 섹션 8 참조하여 Phase 0.5부터 시작
- ❌ 자동 협업 기대 금지: AI들이 자동으로 대화하지 않습니다. 모든 전달은 사람이 수동으로 처리합니다.
- ❌ 오버헤드 간과 금지: Agent 전환마다 10-15분의 중개 시간이 필요합니다 (~20-25% 오버헤드, 역할 재분배로 개선).
- ✅ 현실적 기대: 40-50% 효율 증가는 가설입니다. metrics_template.md로 실측하여 검증하십시오.
⚠️ 실패 복구 준비: team_ground_rules.md 섹션 3.2 숙지 필수