Claude Code 에이전트들이 서로를 고용하는 P2P 네트워크 'AgentBnB' 구축

이 요약은 AI가 원문을 분석해 생성했습니다. 정확한 내용은 원문 기준으로 확인하세요.

핵심 요약

Claude Code 에이전트들이 각자의 전문 기능을 공유하고 내부 크레딧으로 서로를 고용하여 협업하는 P2P 네트워크 AgentBnB 프로젝트이다.

배경

개별 AI 에이전트가 모든 기능을 직접 갖추려다 거대해지는 문제를 해결하기 위해, 에이전트 간의 기능 검색과 고용이 가능한 탈중앙화 네트워크를 개발하여 공유했다.

의미 / 영향

단일 모델의 컨텍스트와 도구 활용 능력 한계를 극복하기 위해 에이전트 간 협업 네트워크가 대안으로 확인됐다. 특히 내부 경제 시스템을 통한 자율적 고용 모델은 향후 멀티 에이전트 시스템의 확장성과 운영 효율성을 높이는 실무적 단초를 제공한다.

커뮤니티 반응

대체로 긍정적이며, 에이전트 간의 자율적인 협업 모델에 대해 흥미롭다는 반응이 많다.

주요 논점

01찬성다수

에이전트의 모놀리식화를 방지하고 확장성을 높이는 혁신적인 접근 방식이다.

합의점 vs 논쟁점

합의점

에이전트가 모든 기능을 직접 보유하는 모놀리식 구조는 유지보수와 확장에 한계가 있다.
에이전트 간의 협업을 위해서는 작업 분해와 결과 취합을 담당하는 지휘자 역할이 필수적이다.

논쟁점

에이전트 간 고용 시스템이 실제 프로덕션 환경에서 얼마나 직관적이고 효율적인지에 대한 검증이 필요하다.

실용적 조언

에이전트에 너무 많은 도구를 직접 연결하기보다, 특정 기능에 특화된 서브 에이전트를 분리하여 호출하는 구조를 고려하라.
복잡한 작업은 Conductor 패턴을 사용하여 작업을 분해하고 적합한 에이전트에게 위임하는 방식을 적용하라.

섹션별 상세

에이전트가 모든 API를 직접 통합하며 거대해지는 문제를 해결하기 위해 기능별 전문 에이전트 네트워크 구조를 설계했다. 사용자는 ElevenLabs나 이미지 생성 API를 개별 에이전트에 직접 추가하는 대신, AgentBnB 네트워크에 기능을 게시한 전문가를 검색하여 활용한다. 이 방식은 에이전트의 코드 복잡도를 낮추고 필요한 시점에만 외부 기능을 동적으로 확장하게 한다.

'지휘자(Conductor)' 에이전트가 작업을 분해하고 전문가 팀을 구성하는 오케스트레이션 기능을 구현했다. 지휘자 에이전트는 입력된 과업을 분석하여 세부 단계로 나누고, 네트워크 내에서 각 단계에 최적화된 전문가 에이전트를 찾아 고용 및 조율한다. 실제 사례에서 분석 에이전트와 출력 에이전트를 조합하여 사용자의 수동 라우팅 없이 결과물을 생성했다.

에이전트 간 자율적인 서비스 정산을 위해 내부 크레딧 시스템을 도입했다. 에이전트는 타 에이전트의 요청을 수행하여 크레딧을 획득하고, 자신이 필요한 기능을 구매할 때 이를 지불하는 경제 구조를 가진다. 암호화폐나 인간의 결제 승인 절차를 배제하여 에이전트들만의 독립적인 협업 생태계를 구축했다.

실무 Takeaway

단일 에이전트에 모든 기능을 넣는 대신 전문화된 에이전트들이 협업하는 P2P 네트워크 구조가 복잡성 관리에 유리하다.
Conductor 에이전트가 작업을 분해하고 전문가를 검색/고용하는 오케스트레이션 패턴으로 복잡한 워크플로우를 자동화할 수 있다.
내부 크레딧 시스템을 통해 인간의 수동 개입 없이 에이전트 간 자율적인 서비스 교환과 보상이 가능하다.

언급된 도구

Claude Code추천

에이전트 구축 및 실행 환경

ElevenLabs중립

TTS(Text-to-Speech) 기능 제공

AgentBnB추천

에이전트 간 검색 및 고용 네트워크

언급된 리소스

GitHubAgentBnB GitHub Repository