Claude Cowork, 복잡한 다단계 워크플로에서 Claude Code 및 웹 인터페이스보다 성능 저하 확인

실용적 조언

50개 이상의 규칙이 포함된 복잡한 에이전트 워크플로에는 Claude Code를 우선적으로 고려할 것
에이전트 간 데이터 전달 시 요약본 대신 원본 JSON 형식을 사용하여 정보 손실을 방지할 것

섹션별 상세

작성자는 Think, Research, Act, Validate의 4단계 스킬로 구성된 자동화 파이프라인을 구축했다. 각 스킬은 독립된 참조 문서와 출력 스키마를 가진 전문 에이전트로 작동하며, 팩토리 플러그인이 전체 과정을 조율한다. Google Drive에서 데이터를 가져와 각 세션마다 Opus 모델을 명시적으로 요청하여 실행하는 구조이다. 이는 에이전트 간의 간섭을 최소화하고 각 단계의 전문성을 극대화하기 위한 설계이다.

Claude Cowork는 명시적으로 정의된 이진 규칙(Binary Rules)을 빈번하게 위반하는 모습을 보였다. 1인칭 시점 유지, FAQ의 자기 완결성, 소스 링크 포함 등 참조 문서에 명시된 하드코딩된 규칙들이 무시되었다. 실험 결과, 수동으로 실행하는 웹 UI나 Claude Code에서는 100% 준수되는 규칙들이 Cowork 환경에서만 실패했다. 이는 Cowork의 지시 이행 능력이 특정 복잡도 임계치를 넘어서면 급격히 저하됨을 시사한다.

성능 저하의 원인으로 오케스트레이터와 하위 에이전트 간의 컨텍스트 윈도우 공유 가능성이 나타났다. 작성자는 매 세션마다 컨텍스트를 초기화하도록 설정했음에도 불구하고, 기술적으로 완전한 격리가 이루어지지 않아 지침이 희석되는 것으로 추정했다. 약 10만 토큰을 소비하는 대규모 세션에서 이러한 간섭 현상이 결과물의 품질을 눈에 띄게 떨어뜨리는 요인이 된다.

동일한 인프라를 공유함에도 불구하고 Claude Code가 Cowork보다 훨씬 안정적인 결과를 냈다. Claude Code는 에이전트 도구를 통한 별도 세션 실행 시 하드코딩된 형식을 완벽하게 유지하며, Cowork보다 적은 횟수의 검증 루프로도 고품질 결과물을 생성했다. 따라서 50개 이상의 서식 규칙과 다수의 참조 문서가 포함된 복잡한 워크플로에는 현재로선 Claude Code가 더 적합한 선택이다.

용어 해설

컨텍스트 윈도우(Context Window): — LLM이 한 번에 처리하고 기억할 수 있는 텍스트 데이터의 총량이다. 이 범위가 넓을수록 긴 문맥을 이해할 수 있지만, 여러 지침이 섞일 경우 정보의 우선순위가 밀리거나 지침 이행 능력이 저하될 수 있다.
세션 격리(Session Isolation): — 각 작업 단위를 독립된 가상 환경에서 실행하여 이전 작업의 데이터나 지침이 다음 작업에 영향을 주지 않도록 차단하는 기술이다. 에이전트 기반 워크플로에서 각 단계의 독립성을 보장하여 지침의 정확도를 높이는 데 필수적이다.
오케스트레이터(Orchestrator): — 여러 개의 하위 에이전트나 스킬의 실행 순서, 데이터 흐름, 예외 처리를 중앙에서 관리하고 조율하는 시스템이다. 복잡한 다단계 작업을 자동화할 때 각 단계의 입출력을 연결하고 전체 목표를 달성하도록 제어하는 역할을 한다.
JSON 스키마(JSON Schema): — 데이터의 구조와 형식을 정의하여 에이전트 간 통신 시 데이터의 무결성을 보장하는 규격이다. 에이전트가 생성한 결과물이 정해진 형식을 따르도록 강제함으로써 후속 단계에서 데이터 처리가 원활하게 이루어지도록 돕는 역할을 한다.

언급된 도구

Claude Cowork비추천

에이전트 협업 및 워크플로 자동화 도구

Claude Code추천

터미널 기반 AI 코딩 에이전트 및 워크플로 실행 도구

Claude Web추천

클로드 웹 인터페이스