AI 에이전트 팀 만들기: Claude 서브에이전트부터 MCP까지

"AI 에이전트 팀"이라는 말은 여기저기서 들리는데, 막상 만들려고 하면 어디서부터 손대야 할지 막막하죠. 복잡한 프레임워크를 깔아야 할 것 같고, 여러 AI가 동시에 돌아가는 그림이 그려지지 않습니다.

그런데 Anthropic(Claude를 만든 회사)의 공식 설계 원칙은 정반대를 말합니다. 핵심은 "크게 시작"이 아니라 "작게 시작"이에요. AI 에이전트 팀은 거창한 시스템이 아니라 마크다운 파일 하나에서 출발합니다. 이 글에서는 Claude로 첫 에이전트 팀을 만드는 길을, 사다리를 한 칸씩 올라가듯 정리해 드릴게요.

왜 지금 AI 에이전트 팀인가

먼저 용어부터 편하게 풀어볼게요. **에이전트(agent)**는 사람이 매번 지시하지 않아도 스스로 도구를 골라 쓰고 여러 단계를 밟아 목표를 끝내는 AI를 말합니다. 에이전트 팀은 그런 AI 여러 명이 각자 역할을 맡아 일을 나눠 하는 구조고요.

Anthropic이 2024년 12월 19일 공개한 "Building Effective Agents"라는 글에는 이런 문장이 있습니다. "가장 성공적인 구현은 복잡한 프레임워크나 특수 라이브러리가 아니라, 단순하고 조합 가능한 패턴으로 만들어졌다."

이게 왜 중요할까요? 첫 에이전트 팀일수록 처음부터 크게 짜면 디버깅도 어렵고 비용도 커지기 때문이에요. 단순한 시스템이 더 싸고, 고치기 쉽고, 성과와 바로 연결되는 지표를 줍니다. 그래서 처음엔 작게 만들고, 정말 필요할 때만 한 칸씩 올리는 게 정석입니다.

에이전트 팀으로 올라가는 4단계 사다리

Claude로 여러 에이전트를 다루는 방법은 크게 네 칸의 사다리로 정리됩니다. 아래로 갈수록 강력하지만 그만큼 무거워져요.

단계무엇을언제 올라가나
0. 에이전트 1개Claude Code 세션 하나 + 도구대부분의 작업. 여기서 시작해요
1. 서브에이전트.claude/agents/*.md 전문 일꾼(팀장에게 보고)탐색·리뷰를 메인 대화에서 분리하고 싶을 때
2. 에이전트 팀동료끼리 직접 대화 + 공유 작업목록일꾼들이 서로 발견을 공유·조율해야 할 때
3. SDK / MCP코드로 에이전트 빌드 + 외부 도구 연결제품에 심거나 외부 시스템과 연동할 때

한 가지만 기억하세요. 대부분의 일은 0단계나 1단계로 충분합니다. 2단계 이상은 "이 일이 정말 팀이 필요한가"를 스스로 묻고 나서 올라가는 게 좋아요. 그 이유는 뒤에서 비용 이야기와 함께 짚겠습니다.

서브에이전트: 파일 하나로 만드는 첫 일꾼

사다리의 1단계, **서브에이전트(subagent)**부터 볼게요. 서브에이전트는 특정 일만 맡는 전문 일꾼입니다. 메인 대화와 별도의 컨텍스트 창(대화 기억 공간)을 가지고 일한 뒤, 결과만 팀장에게 보고해요.

만드는 방법은 놀라울 만큼 단순합니다. .claude/agents/ 폴더에 마크다운 파일 하나를 두면 끝이에요. 파일 맨 위에 YAML 머리말(파일 설정을 적는 짧은 블록) 네 줄만 넣으면 됩니다.

  • name: 이 에이전트의 식별자(이름)
  • description: Claude가 언제 이 에이전트에게 일을 넘길지 판단하는 근거예요. 명확히 써야 자동 위임이 정확해집니다
  • tools: 허용할 도구(예: Read, Grep, Bash). 좁게 줄수록 안전해요. 안 적으면 메인의 모든 도구를 물려받습니다
  • model: 어떤 모델로 돌릴지(예: 값싼 모델로 비용 절감)

예를 들어 코드 보안 점검용 서브에이전트라면 tools를 Read·Grep·Glob처럼 읽기 전용으로만 주면 됩니다. 그러면 코드를 읽고 문제점 목록만 돌려줄 뿐, 실수로 파일을 고칠 위험이 사라져요. 파일을 직접 쓰기 어려우면 /agents 명령으로 대화하듯 만들 수도 있습니다.

서브에이전트에는 두 가지 주의점이 있어요.

첫째, 로딩 시점입니다. .claude/agents/ 안의 파일은 세션이 시작할 때만 읽힙니다. 작업 도중에 새 파일을 만들면 세션을 다시 켜야 인식돼요.

둘째, 너무 많이 만들지 마세요. 이건 Anthropic이 꼽는 공식 함정 1호입니다. 뭐든 전용 에이전트로 만들고 싶은 유혹이 있지만, 선택지가 많아질수록 Claude가 "어디에 맡길지" 헷갈려서 자동 위임이 부정확해집니다. 대부분의 팀은 잘 정의된 소수 에이전트로 안착해요.

마지막으로 한계 하나. 서브에이전트는 메인(팀장)에게만 보고하고 서로 대화하지 못합니다. 이런 구조를 허브-앤-스포크(자전거 바퀴처럼 중심축과 살로 연결된 모양)라고 불러요. 일꾼끼리 직접 협의가 필요하면 다음 칸으로 올라갑니다.

에이전트 팀: 동료끼리 대화하는 진짜 팀

사다리의 2단계, **에이전트 팀(agent teams)**은 이름 그대로 동료끼리 직접 대화하는 진짜 팀입니다. 서브에이전트가 팀장에게만 보고했다면, 에이전트 팀은 팀원끼리 메시지를 주고받고 공유 작업목록으로 스스로 조율해요.

이 기능은 아직 실험적(experimental) 단계입니다. 기본은 꺼져 있고, CLAUDE_CODE_EXPERIMENTAL_AGENT_TEAMS를 설정 파일이나 환경변수에 켜야 활성화돼요. 안 켜면 팀이 아예 만들어지지 않습니다.

에이전트 팀은 네 가지 요소로 돌아갑니다.

  • 팀장(Team lead): 팀원을 불러오고 일을 조율·종합하는 메인 세션
  • 팀원(Teammates): 각자 독립된 컨텍스트 창에서 배정받은 일을 하는 별도의 Claude Code 인스턴스
  • 작업 목록(Task list): 팀원이 스스로 집어 처리하는 공유 목록
  • 메일함(Mailbox): 에이전트끼리 직접 메시지를 주고받는 통로

서브에이전트와 결정적으로 다른 점은 이 메일함과 공유 작업목록이에요. 팀원이 서로 직접 메시지를 보내고, 발견한 것을 공유하고, 필요하면 반박하면서 스스로 일을 나눠 갑니다.

그럼 언제 서브에이전트를 쓰고 언제 팀을 쓸까요? 기준은 간단합니다. 빠르게 보고만 받으면 되면 서브에이전트, 팀원이 서로 발견을 공유하고 조율해야 하면 에이전트 팀입니다. 리서치·리뷰(여러 명이 다른 각도를 조사한 뒤 서로 검증), 신규 기능 개발(각자 한 조각 담당), 여러 가설을 동시에 검증하는 디버깅 같은 병렬 작업에 잘 맞아요.

오케스트레이터-워커: 팀의 표준 설계

팀을 짤 때 표준이 되는 형태가 오케스트레이터-워커(orchestrator-workers) 패턴입니다. 오케스트레이터는 지휘자, 워커는 연주자라고 생각하면 편해요. 중앙의 LLM(오케스트레이터)이 일을 잘게 쪼개 워커에게 나눠 주고, 결과를 다시 모아 종합합니다.

이 패턴은 하위 작업을 미리 예측할 수 없는 복잡한 일에 특히 잘 맞아요. 예를 들어 코딩에서 "몇 개 파일을 어떻게 고칠지"는 입력마다 달라지죠. 이렇게 작업 조각이 사전에 정해지지 않고 상황에 따라 결정될 때, 오케스트레이터가 유연하게 나눠 줍니다. Anthropic 자체 리서치 시스템도 바로 이 구조예요. 2025년 6월 13일 공개된 사례에서, 팀장 에이전트가 질문을 분석하고 전략을 세운 뒤 여러 서브에이전트를 불러 각자 다른 측면을 동시에 탐색하게 했습니다.

여기서 실전 팁 하나가 나옵니다. 팀장이 워커에게 일을 넘길 때는 반드시 네 가지를 함께 줘야 해요. 이걸 위임 4요소라고 부릅니다.

  1. 목표(objective): 무엇을 이뤄야 하는지
  2. 출력 형식(output format): 결과를 어떤 모양으로 돌려줄지
  3. 쓸 도구·소스 가이드: 어떤 도구와 자료를 참고할지
  4. 명확한 작업 경계(task boundaries): 어디까지가 이 일인지

이 네 가지 중 하나라도 빠지면 워커가 엉뚱한 곳에서 헛돌게 됩니다. 사람에게 일을 시킬 때 "무엇을, 어떤 형식으로, 어떤 자료로, 어디까지"를 알려주는 것과 똑같아요.

비용의 현실: 토큰 15배, 과설계는 금물

여기까지 읽으면 "그럼 다 팀으로 만들면 되겠네" 싶지만, 정직하게 말씀드릴 게 있습니다. 멀티에이전트는 **토큰(AI가 글을 읽고 쓸 때 세는 처리 단위, 곧 비용)**을 빠르게 태웁니다.

Anthropic의 실측치를 보면, 에이전트 하나는 일반 채팅보다 약 4배, 여러 에이전트가 협력하는 멀티에이전트 시스템은 일반 채팅보다 약 15배 토큰을 씁니다. 그래서 공식 권고는 분명해요. "아키텍처 복잡도를 비즈니스 가치에 맞춰라. 과설계하지 마라." 정형적이고 반복적인 작업이라면 멀티에이전트는 과합니다.

다만 비싼 만큼 성능이 실제로 오르기도 합니다. 브라우징 리서치를 평가하는 BrowseComp라는 벤치마크에서, 성능 차이의 80%를 토큰 사용량 하나가 설명했어요. 여기에 도구 호출 횟수와 모델 선택까지 더한 **세 가지 요소가 95%**를 설명했습니다. 다시 말해 멀티에이전트가 통하는 근본 이유는 "문제를 풀 만큼 충분한 토큰을 여러 갈래로 나눠 쓰기 때문"입니다.

그러니 판단 기준은 이렇게 정리돼요. 값이 크고 복잡하고 전문 지식이 필요하며 혼자서는 감당 못 할 만큼 큰 일이라면, 15배 비용이 정당화됩니다. 반대로 정형적이고 반복적이며 비용에 민감한 일이라면 단일 에이전트나 단순한 구조가 낫습니다.

Agent SDK와 MCP: 코드로 만들고, 도구를 붙이기

사다리의 마지막 3단계는 두 갈래입니다. 에이전트를 코드로 직접 만들고 싶으면 Claude Agent SDK, 에이전트에 외부 도구와 데이터를 붙이고 싶으면 MCP예요.

Claude Agent SDK(예전 이름은 Claude Code SDK)는 Claude Code를 움직이는 것과 똑같은 에이전트 루프·도구·컨텍스트 관리를 코드로 제공합니다. 파이썬과 타입스크립트를 지원하고, 파일 읽기·명령 실행·코드 편집 같은 도구가 기본 내장돼 있어서 도구를 직접 구현하지 않아도 바로 돌아가요. 파이썬을 쓴다면 버전이 3.10 이상이어야 합니다(그 아래면 설치 단계에서 막혀요). Quickstart를 따라 하면 "버그를 찾아 고치는 에이전트"를 몇 분 안에 만들 수 있습니다.

**MCP(Model Context Protocol, 모델 컨텍스트 프로토콜)**는 Anthropic이 직접 붙인 비유가 가장 정확해요. "AI 애플리케이션용 USB-C"입니다. USB-C 하나로 온갖 기기를 연결하듯, MCP는 AI에 외부 시스템을 붙이는 방식을 표준으로 통일합니다. MCP가 없던 시절엔 도구와 데이터 짝마다 따로 통합 코드를 짜야 해서 파편화됐는데, MCP는 에이전트에 한 번만 구현하면 연결 생태계 전체가 열려요.

구조는 서버(데이터·도구를 열어 주는 쪽)와 클라이언트(그 서버에 연결하는 AI 앱)로 나뉩니다. Anthropic은 2024년 11월 25일 MCP를 처음 공개하면서 미리 만들어 둔 서버들을 함께 내놨어요. Google Drive, Slack, GitHub, Git, Postgres, Puppeteer가 그것입니다.

한 가지 보안 주의점만 기억하세요. MCP는 Claude에 외부 서비스 접근 권한을 넘겨줍니다. 그래서 검증되지 않은 아무 서버나 연결하면 데이터가 새거나 바뀔 위험이 있어요. 신뢰할 수 있는 원격 MCP 서버에만 연결하는 게 안전합니다.

마무리: 작게 시작해서 필요할 때만 키우세요

AI 에이전트 팀은 거대한 프레임워크가 아니라 마크다운 파일 하나에서 시작합니다. 에이전트 1개로 충분한 일이 대부분이고, 탐색과 리뷰를 분리하고 싶을 때 서브에이전트로, 동료끼리 조율이 필요할 때 에이전트 팀으로, 제품에 심거나 외부 도구를 붙일 때 SDK와 MCP로 한 칸씩 올라가면 됩니다. 그리고 올라갈 때마다 "이 복잡도가 정말 값어치를 하나"를 물어보세요. 그게 15배 비용을 낭비하지 않는 유일한 안전장치예요.

혹시 우리 회사에 맞는 AI 에이전트 팀을 어디서부터 어떻게 설계할지 막막하다면, QJC(퀀텀점프클럽)가 회사 업무에 맞는 에이전트 팀을 함께 설계하고 구축해 드립니다.

자주 묻는 질문

Q. 서브에이전트와 에이전트 팀은 뭐가 다른가요?

서브에이전트는 팀장에게만 결과를 보고하고, 서브에이전트끼리는 서로 대화하지 못하는 허브-앤-스포크 구조예요. 반면 에이전트 팀은 팀원끼리 메일함으로 직접 메시지를 주고받고 공유 작업목록으로 스스로 조율합니다. 빠르게 보고만 받으면 되면 서브에이전트, 팀원이 서로 발견을 공유·조율해야 하면 에이전트 팀입니다.

Q. 멀티에이전트를 쓰면 비용이 얼마나 늘어나나요?

Anthropic 실측 기준으로 에이전트 하나는 일반 채팅보다 약 4배, 여러 에이전트가 협력하는 멀티에이전트 시스템은 약 15배 토큰을 씁니다. 그래서 정형적이고 반복적인 작업에는 과하고, 값이 크고 복잡한 고가치 작업에만 이 비용이 정당화됩니다. 공식 권고도 "과설계하지 말라"예요.

Q. 첫 서브에이전트는 어떻게 만드나요?

.claude/agents/ 폴더에 마크다운 파일을 하나 만들고, 맨 위에 name·description·tools·model 네 필드의 YAML 머리말을 넣으면 됩니다. /agents 명령으로 대화하듯 만들 수도 있어요. 한 가지 주의점은 이 파일이 세션 시작 시점에만 읽힌다는 것입니다. 작업 도중 새로 만들면 세션을 다시 켜야 인식돼요.

Q. MCP는 정확히 무엇인가요?

MCP(Model Context Protocol)는 AI에 외부 도구와 데이터를 붙이는 방식을 표준화한 규격이에요. Anthropic은 이걸 "AI 애플리케이션용 USB-C"라고 표현합니다. 2024년 11월 25일 공개됐고, Google Drive·Slack·GitHub·Git·Postgres·Puppeteer 같은 서버가 미리 제공됩니다. 단, 신뢰할 수 있는 서버에만 연결해야 안전합니다.

참고자료