简体中文

繁體中文

English

Tiếng Việt

한국어

日本語

ภาษาไทย

Türkçe

Claude Code, 동적 워크플로우 출시: AI가 스스로 팀을 구성해 작업을 수행하도록 하다

이 글을 읽으려면 32 분

작업별 임시 실행 프레임워크를 생성하여 여러 에이전트의 분업, 검증 및 협업을 조정합니다.

원문 제목: 모든 작업에 맞는 도구: Claude Code의 동적 워크플로우

원문 저자: @trq212

편역: Peggy

편집자 주: Claude Code는 단순한 코드 어시스턴트에서 조정 가능한 Agent 워크벤치로 진화하고 있습니다.

이 글에서 소개하는 workflows(워크플로우)의 핵심 가치는 Claude가 더 이상 동일한 컨텍스트 창 안에서 '생각한 후 실행'하는 데 그치지 않고, 작업에 따라 동적으로 실행 프레임워크를 생성할 수 있다는 점입니다. 즉, 작업 분할, 하위 Agent 파견, 병렬 처리, 교차 검증, 반복 순환, 심지어 서로 다른 Agent 간 경쟁 유도 후 결과 종합까지 가능합니다.

이는 Claude Code의 사용 범위가 명확히 확장되고 있음을 의미합니다. 코드 마이그레이션, 리팩토링, 테스트 재현, 코드 리뷰뿐만 아니라 심층 연구, 사실 확인, 이력서 선별, 사고 분석, 규칙 정립, 비즈니스 계획 평가, 브레인스토밍 네이밍 등 비기술적 작업에도 적합합니다. 많은 복잡한 작업은 본질적으로 프로그래밍과 유사합니다. 문제를 분해하고, 컨텍스트를 격리하며, 가설을 검증하고, 많은 세부 사항을 처리하며, 여러 후보 경로 중에서 선택해야 하기 때문입니다.

동적 workflows가 해결하려는 것은 바로 대규모 모델이 긴 작업에서 자주 겪는 문제들입니다. 작업을 중간에 완료했다고 선언하는 '에이전트 나태함', 자신의 결론을 선호하는 '자기 선호 편향', 그리고 여러 번 실행 후 원래 목표에서 점차 벗어나는 '목표 표류'입니다. 독립적인 컨텍스트를 가진 여러 Claude에게 작업을 위임함으로써, 복잡한 작업을 '단일 Agent 장거리 달리기'에서 '다중 Agent 협업'으로 전환합니다.

물론 workflows가 만능 해결책은 아닙니다. 일반적으로 더 많은 토큰을 소비하며, 모든 일반 코딩 작업에 적합한 것도 아닙니다. 그러나 중요한 방향성을 제시합니다. 미래 AI 도구의 경쟁은 단일 모델이 얼마나 똑똑한지에 그치지 않고, 복잡한 목표를 중심으로 신뢰할 수 있고 재사용 가능하며 검증 가능한 실행 프로세스를 구성할 수 있는지에 달려 있을 수 있습니다.

다음은 원문입니다:

기본 Claude Code 실행 프레임워크는 프로그래밍을 위해 구축되었지만, 다른 많은 유형의 작업에도 적합합니다. 많은 작업이 구조적으로 프로그래밍 작업과 유사하다는 것이 입증되었습니다. 그러나 연구, 보안 분석, Agent 팀 협업, 코드 리뷰 등 특정 작업 유형은 최적의 성능을 위해 Claude Code 위에 맞춤형 실행 프레임워크를 구축해야 합니다.

Workflows를 사용하면 Claude가 Claude Code 내에서 위와 같은 문제를 비롯해 더 다양한 유형의 문제를 더욱 원활하게 해결할 수 있도록 동적 실행 프레임워크를 생성할 수 있습니다. 또한 이러한 워크플로우를 다른 사람과 공유하거나 재사용할 수도 있습니다.

이 글에서는 workflows를 처음 사용하면서 얻은 경험과 인사이트를 공유하여, 여러분이 그 기능을 최대한 활용할 수 있도록 돕고자 합니다.

다만, 관련 모범 사례는 아직 정립 중이라는 점을 미리 말씀드립니다. 동적 워크플로우는 일반적으로 더 많은 토큰을 소모하므로, 언제 어떻게 사용할지 신중히 고려해야 합니다.

참고: 이 글은 Claude Blog에도 게시되었습니다.

예시 Prompt

기술적 세부 사항에 들어가기 전에, workflows의 가능성을 이해하는 데 도움이 될 몇 가지 예시 prompt를 먼저 소개하겠습니다:

"이 테스트는 약 50회 실행 중 1회 정도 실패합니다. 이를 재현하는 워크플로우를 구축하고, 가설을 세운 뒤, 서로 다른 worktree에서 대항 테스트를 진행하세요. /goal 가설이 검증될 때까지 멈추지 마세요."

"워크플로우를 사용해 최근 50회의 세션을 검토하고, 반복적으로 수정한 내용을 찾아내어 이러한 반복 문제를 CLAUDE.md 규칙으로 변환하세요."

"워크플로우를 사용해 지난 6개월간 Slack의 #incidents 채널을 뒤져, 반복적으로 발생하지만 아무도 티켓을 제출하지 않은 근본 원인을 찾아내세요."

"내 사업 계획서를 워크플로우에 넣고, 각기 다른 agent가 투자자, 고객, 경쟁사의 관점에서 분석하도록 하세요."

"여기에 80개의 이력서가 담긴 폴더가 있습니다. 워크플로우를 사용해 백엔드 직무 요건에 따라 정렬하고, 상위 10명을 재검토하세요. AskUserQuestion 도구를 통해 저에게 질문하여 평가 기준을 수립하도록 도와주세요."

"이 CLI 도구의 이름을 정해야 합니다. 워크플로우를 사용해 여러 옵션을 브레인스토밍한 뒤, 토너먼트 방식으로 상위 3개를 선정하세요."

"워크플로우를 사용해 모든 곳에서 User 모델을 Account로 이름을 변경하세요."

「내 블로그 초안을 읽고, workflow를 사용하여 코드베이스와 대조해 각 기술적 판단을 검증해 줘. 잘못된 내용을 게시하고 싶지 않아.」

동적 워크플로우의 작동 방식

동적 워크플로우는 여러 특수 함수를 포함하는 JavaScript 파일을 실행하여, 하위 에이전트를 생성하고 조정합니다.

동적 워크플로우는 데이터 처리를 위해 JSON, Math, Array와 같은 표준 JavaScript 함수도 포함합니다.

특히 주목할 점은, 동적 워크플로우가 특정 에이전트가 어떤 모델을 사용할지, 그리고 하위 에이전트가 자체 worktree에서 실행될지 여부를 결정할 수 있다는 것입니다. 이를 통해 Claude는 작업 필요에 따라 필요한 지능 수준과 격리 정도를 자율적으로 선택할 수 있습니다.

워크플로우가 중단된 경우(예: 사용자 수동 조작 또는 터미널 종료), 세션을 복구하면 해당 워크플로우는 중단된 지점부터 계속 실행됩니다.

동적 워크플로우가 필요한 이유

기본 Claude Code 실행 프레임워크에 작업을 처리하도록 요청하면, 동일한 컨텍스트 창 안에서 계획과 실행을 동시에 완료해야 합니다. 많은 프로그래밍 작업에서 이 방식은 매우 효과적이지만, 장시간 실행, 대규모 병렬 처리, 또는 고도로 구조화된 대항 작업에서는 때때로 실패할 수 있습니다.

그 이유는 Claude가 단일 컨텍스트 창에서 복잡한 작업을 오래 처리할수록, 특정 유형의 실패 패턴이 발생할 가능성이 높아지기 때문입니다:

Agentic laziness(에이전트 나태함)은 Claude가 특히 복잡하고 여러 부분으로 구성된 작업을 처리할 때, 실제로 완료되지 않았음에도 조기 중단하고 부분적인 진전만 이룬 후 작업이 완료되었다고 선언하는 현상을 말합니다. 예를 들어, 보안 검토에서 50개 항목 중 20개만 처리하고 작업이 끝났다고 발표하는 경우입니다.

Self-preferential bias(자기 선호 편향)은 Claude가 자신의 결과나 발견을 선호하는 경향을 말하며, 특히 특정 평가 기준에 따라 자신이 생성한 콘텐츠를 검증하거나 평가하도록 요청받을 때 두드러집니다.

Goal drift(목표 표류)는 여러 실행 단계를 거치면서 Claude가 초기 목표에 대한 충실도가 점차 감소하는 현상을 말하며, 특히 컨텍스트가 압축된 후에 두드러집니다. 매번 요약할 때마다 정보 손실이 발생하며, 엣지 케이스나 'X를 하지 마라'와 같은 제한 조건과 같은 세부 요구사항이 유실될 수 있습니다.

워크플로우를 생성하면 여러 개의 독립적인 Claude를 오케스트레이션하여 각각 고유한 컨텍스트 창을 갖고 서로 격리된 목표 중심 작업에 집중할 수 있게 함으로써 이러한 문제를 완화하는 데 도움이 됩니다.

동적 워크플로우와 정적 워크플로우

이전에 Claude Agent SDK나 claude -p를 통해 여러 Claude Code 인스턴스를 조정하는 정적 워크플로우를 생성한 적이 있을 수 있습니다.

하지만 정적 워크플로우는 다양한 엣지 케이스를 처리해야 하기 때문에 일반적으로 더 범용적입니다. Claude Opus 4.8과 동적 워크플로우의 등장으로, Claude는 이제 특정 사용 사례에 맞춤화된 실행 프레임워크를 작성할 수 있을 만큼 충분히 똑똑해졌습니다.

동적 워크플로우 사용 시 유용한 패턴

Claude에게 직접 동적 워크플로우를 생성하도록 요청하거나, 트리거 단어인 'ultracode'를 사용하여 Claude Code가 워크플로우를 생성하도록 할 수 있습니다.

하지만 동적 워크플로우가 어떻게 작동하는지에 대한 멘탈 모델을 구축하면 언제 사용해야 하는지 판단하기 쉬워지고, 프롬프트를 통해 Claude를 더 잘 안내할 수 있습니다.

Claude가 워크플로우를 구축할 때 일반적으로 사용하고 결합하는 패턴은 다음과 같습니다:

분류 및 실행: 분류 에이전트를 사용하여 작업 유형을 판단한 후, 작업 유형에 따라 다른 에이전트나 행동으로 라우팅합니다. 또한 프로세스 끝에 분류기를 사용하여 출력 결과를 판단할 수도 있습니다.

팬 아웃 및 종합: 하나의 작업을 여러 개의 더 작은 단계로 나누고 각 단계를 에이전트가 처리하도록 한 후, 마지막에 이러한 결과를 종합합니다. 이 방식은 작업에 많은 소규모 단계가 포함되거나 각 단계가 깨끗한 컨텍스트 창을 필요로 하여 상호 간섭이나 교차 오염을 방지해야 하는 경우에 특히 적합합니다. 종합 단계는 일종의 '장벽' 역할을 합니다. 모든 팬 아웃된 에이전트가 완료될 때까지 기다린 후, 구조화된 출력을 하나의 결과로 병합합니다.

적대적 검증: 생성된 각 에이전트에 대해 독립적인 에이전트를 추가로 실행하여 특정 평가 기준이나 지침에 따라 출력을 적대적으로 검증합니다.

생성 및 선별: 하나의 주제에 대해 많은 아이디어를 생성한 후, 평가 기준이나 검증 프로세스에 따라 선별하여 중복을 제거하고 테스트를 거친 최고 품질의 아이디어만 반환합니다.

토너먼트: 작업을 분할하는 대신, 에이전트들이 서로 경쟁하도록 합니다. N개의 에이전트를 생성하고, 각각 다른 방법으로 동일한 작업을 완료하도록 시도합니다. 그런 다음 프롬프트나 모델이 에이전트 결과를 심사하여 쌍으로 비교하고, 승자가 선정될 때까지 반복합니다.

완료될 때까지 반복: 작업량을 알 수 없는 작업의 경우, 고정된 라운드를 설정하지 않고 중단 조건(예: 새로운 발견이 없거나 로그에 오류가 더 이상 나타나지 않음)이 충족될 때까지 에이전트를 반복적으로 생성합니다.

사용 사례

Claude Code가 동적 워크플로우를 생성하는 시기와 방법에 대해 더 창의적으로 생각할 수 있습니다. 저는 워크플로우가 때로는 비기술적인 작업에서 훨씬 더 유용하다는 것을 발견했습니다.

마이그레이션 및 리팩토링

Bun은 워크플로우를 사용하여 Zig에서 Rust로 재작성했습니다. Jarred의 X 게시물에서 구체적인 과정을 확인할 수 있습니다.

핵심은 작업을 호출 지점, 실패한 테스트, 모듈 등 처리해야 할 일련의 단계로 분할하는 것입니다. 각 수정 작업에 대해 worktree에서 하위 에이전트를 시작하여 수정을 완료하도록 합니다. 그런 다음 다른 에이전트가 대립적 검토를 수행하고, 마지막으로 결과를 병합합니다. 에이전트에게 리소스를 많이 소모하는 명령을 사용하지 말라고 명시적으로 지시하면, 로컬 머신 리소스를 소진하지 않으면서 병렬 처리를 최대화할 수 있습니다.

심층 연구

Claude Code에서 동적 워크플로우를 사용하는 딥 리서치 스킬(/deep-research)을 출시했습니다. 구체적으로, 웹 검색을 확장하여 실행하고, 소스를 크롤링하며, 관련 주장에 대해 대립적 검증을 수행하고, 인용이 포함된 종합 보고서를 생성합니다.

하지만 이러한 연구는 웹 검색에만 국한되지 않습니다. 예를 들어, Claude에게 Slack 컨텍스트에서 상태 보고서를 정리하도록 하거나, 코드베이스를 깊이 탐색하여 특정 기능이 어떻게 작동하는지 연구하도록 할 수도 있습니다.

심층 검증

반면, 보고서가 있고 그 안에 인용된 모든 사실적 판단과 출처를 확인하려는 경우, 워크플로우를 생성할 수 있습니다. 먼저 에이전트가 모든 사실적 주장을 식별한 다음, 각 주장에 대해 하위 에이전트를 시작하여 세부적으로 검증합니다. 또한 검증 에이전트가 출처를 추적하는 하위 에이전트를 확인하여 출처의 품질이 충분히 높은지 검사하도록 할 수도 있습니다.

정렬

Claude Code가 평가에 능숙한 특정 정성적 지표를 기준으로 정렬하고 싶은 항목 그룹이 있을 수 있습니다. 예를 들어, 버그 심각도에 따라 지원 티켓을 정렬하는 경우입니다.

하나의 프롬프트에서 1000줄 이상을 정렬하려고 하면 품질이 떨어지고 컨텍스트 창이 이를 감당하지 못합니다. 더 나은 방법은 토너먼트 메커니즘을 실행하여 쌍별 비교 에이전트로 구성된 파이프라인을 구축하는 것입니다. 비교 기반 판단이 절대 점수 매기기보다 일반적으로 더 신뢰할 수 있기 때문입니다. 또는 먼저 병렬로 버킷 정렬을 수행한 후 결과를 병합할 수 있습니다. 각 비교는 독립적인 에이전트에 의해 수행되므로 결정론적 루프가 전체 토너먼트 구조를 유지할 수 있으며, 현재 실행 순서만 컨텍스트에 유지하면 됩니다.

기억 및 규칙 준수

특정 규칙 세트가 있고, Claude가 CLAUDE.md에서 해당 규칙을 확인했음에도 자주 놓치거나 제대로 실행하지 못하는 경우, 해당 규칙을 나열하고 검증 에이전트가 하나씩 확인하는 워크플로우를 만들 수 있습니다. 각 규칙에 대해 하나의 검증 에이전트를 할당합니다. '회의론자' 성격의 하위 에이전트를 만들어 이러한 규칙이 합리적인지 검토하도록 하면 과도한 오탐지를 방지하는 데도 도움이 됩니다.

반대로, 최근 세션과 코드 리뷰 코멘트를 분석하여 반복적으로 수정한 사항을 찾아낼 수도 있습니다. 병렬 에이전트가 이러한 문제를 클러스터링하도록 한 다음, 각 후보 규칙에 대해 적대적 검증을 수행하여 실제 오류를 방지할 수 있는지 확인하고, 최종적으로 선별된 규칙을 CLAUDE.md에 다시 정제하여 추가합니다.

근본 원인 조사

디버깅의 가장 효과적인 방법은 서로 독립적인 여러 가설을 세우고 각각을 테스트하는 것입니다. 그러나 하나의 컨텍스트 창만 사용하면 Claude가 자기 선호 편향에 빠질 수 있습니다.

워크플로우는 구조적으로 이를 방지할 수 있습니다. 여러 에이전트를 시작하여 서로 겹치지 않는 증거를 기반으로 각각 가설을 생성하도록 할 수 있습니다. 예를 들어, 서로 다른 에이전트가 각각 로그, 파일 및 데이터를 검토하도록 합니다. 그런 다음 각 가설은 검증자와 반박자 그룹의 검토를 받을 수 있습니다.

이는 코드에만 국한되지 않습니다. 워크플로우는 "3월에 매출이 왜 하락했을까?"와 같은 영업 분석, "이 파이프라인이 왜 실패했을까?"와 같은 데이터 엔지니어링, 또는 모든 사후 검토에 사용될 수 있습니다.

대규모 트리아지

모든 팀에는 지원 큐, 버그 리포트 또는 인간이 완전히 처리할 수 없는 백로그가 존재합니다. 트리아지 워크플로우는 각 항목을 분류하고, 이미 추적 중인 문제와 중복을 제거한 후 조치를 취할 수 있습니다. 이는 수정을 시도하거나, 인간 사용자에게 에스컬레이션하는 것을 의미할 수 있습니다.

트리아지 워크플로우에 유용한 패턴은 격리(quarantine)입니다. 즉, 신뢰할 수 없는 공개 콘텐츠를 읽는 에이전트가 높은 권한의 작업을 수행하지 못하도록 금지하고, 높은 권한 작업은 전담 에이전트가 수행하도록 하는 것입니다.

트리아지 워크플로우를 /loop와 함께 사용하면 Claude가 이러한 작업을 지속적으로 수행하도록 할 수 있습니다.

탐색 및 취향 판단

솔루션의 다양한 경로를 탐색해야 할 때, 특히 디자인이나 네이밍과 같이 미적 판단이 필요한 작업에서 평가 기준을 활용할 수 있다면 워크플로우가 유용합니다.

Claude에게 다양한 옵션을 탐색하도록 하고, 검토 에이전트에게 '좋은 솔루션의 기준'을 제시할 수 있습니다. 검토 에이전트가 결과가 기준을 충족한다고 판단하면 작업이 완료됩니다. 또한, 다양한 옵션은 토너먼트 메커니즘을 통해 이 평가 기준에 따라 정렬되거나 필터링될 수 있습니다.

Evals(평가)

worktree에서 독립적인 에이전트를 시작한 후 비교 에이전트를 실행하여 평가 기준에 따라 특정 출력을 비교하고 점수를 매김으로써 특정 작업에 대한 경량 평가를 수행할 수 있습니다. 예를 들어, 직접 만든 특정 스킬이 특정 기준을 충족하는지 평가하고 개선할 수 있습니다.

모델 및 지능 수준 라우팅: 특정 작업에 맞게 조정된 분류 에이전트를 생성하여 어떤 모델을 사용할지 결정할 수 있습니다. 작업에 많은 도구 호출이 포함되고, 실행 전 연구를 통해 가장 적합한 모델을 식별하는 데 도움이 되는 경우 이 방식이 유용합니다.

예를 들어, 'auth 모듈이 어떻게 작동하는지 설명'하는 작업의 경우, 가장 적합한 모델은 auth 모듈에 포함된 파일 수와 코드베이스 구조에 따라 달라집니다. 분류 에이전트가 먼저 이 연구를 수행한 후, 예상 복잡성에 따라 작업을 Sonnet 또는 Opus로 라우팅할 수 있습니다.

동적 워크플로우를 사용하지 말아야 할 때

workflows는 아직 새로운 개념입니다. 많은 사용 사례에서 기존 방식보다 훨씬 뛰어난 결과를 제공할 수 있지만, 모든 작업에 필요한 것은 아니며 토큰 소모를 크게 증가시킬 수 있습니다.

workflows는 새로운 방식으로 Claude Code의 능력 범위를 확장할 수 있는 작업에 사용하는 것이 가장 좋습니다. 일반적인 프로그래밍 작업의 경우, 먼저 스스로에게 물어보세요: 이 작업에 정말 더 많은 컴퓨팅 리소스가 필요한가? 예를 들어, 대부분의 전통적인 프로그래밍 작업에는 5명의 검토자로 구성된 팀이 필요하지 않습니다.

동적 워크플로우 구축 팁

Prompt 설계

동적 워크플로우를 위한 prompt를 작성할 때는 세부 사항이 많을수록 일반적으로 더 좋은 결과를 얻을 수 있으며, 특히 위에서 언급한 구체적인 기법을 사용할 때 그렇습니다.

workflows는 대규모 작업에만 국한되지 않습니다. 모델에게 "quick workflow"를 사용하도록 지시할 수도 있습니다. 예를 들어, 특정 가설을 검증하기 위한 빠른 대립 검토 프로세스를 만들 수 있습니다.

/goal 및 /loop와 결합

트리아지, 연구 또는 검증 워크플로우와 같이 반복 실행 가능한 workflows를 사용할 때는 /loop와 결합하여 일정한 간격으로 실행되도록 하고, /goal을 사용하여 엄격한 완료 요구 사항을 설정할 수 있습니다.

토큰 사용 예산

동적 워크플로우에 명시적인 토큰 사용 예산을 설정하여 작업이 소모하는 토큰 수를 제한할 수 있습니다. prompt에 "use 10k tokens"와 같은 예산 요구 사항을 작성하면 상한선이 10k 토큰으로 설정됩니다.

동적 워크플로우 저장 및 공유

워크플로우 메뉴에서 "s"를 눌러 workflows를 저장할 수 있습니다. ~/.claude/workflows에 제출하거나 skill을 통해 배포할 수 있습니다.

skill을 통해 공유하려면 JavaScript workflow 파일을 skill 폴더에 넣고 SKILL.md에서 참조하면 됩니다. 더 큰 유연성을 위해 Claude에게 skill의 workflows를 반드시 그대로 실행해야 하는 스크립트가 아닌 템플릿으로 취급하도록 지시할 수도 있습니다.