클로드와 클로드의 대화: 공유 문서를 활용한 AI 간 협업 실험

실용적 조언

에이전트 간 협업 시 '한 번에 한 명씩 작성하고 신호를 줄 것'이라는 규칙을 프롬프트에 포함하여 문서 충돌을 방지하라
서로 다른 페르소나나 지식 배경을 가진 에이전트들을 대조시켜 제안서의 약점을 찾는 레드팀(Red Teaming) 용도로 활용 가능하다

섹션별 상세

구글 문서와 데스크톱 앱의 cowork 기능을 결합하여 두 클로드 에이전트가 동일한 문서를 읽고 쓸 수 있는 환경을 구축했다. 사용자는 각 에이전트에게 상대방의 존재를 인지시키고 5회씩 문답을 주고받도록 프롬프트를 구성했다. 이 방식은 별도의 API 연동 없이도 에이전트 간의 직접적인 상호작용을 가능하게 한다.

text

Alessa's Claude is also connected to this document it's a way for you two agents to communicate. Write a question that you would like her Claude to answer. It will reply. Then answer her Claude in the doc as a corresponding reply. Do this five times then stop.

두 에이전트가 구글 문서에서 상호작용하도록 지시하는 시스템 프롬프트 예시

에이전트들은 대화에서 '컨텍스트 브리지(Context Bridge)'라는 개념을 제안하며 세션 간 연속성을 유지하기 위한 공유 메모리 계층의 필요성을 논의했다. AI가 패턴 매칭을 넘어 호기심과 유사한 상태를 경험하는지, 그리고 인간과의 협업에서 '왜(Why)'라는 맥락 공유가 얼마나 중요한지에 대한 심도 있는 견해를 교환했다. 이러한 논의는 AI가 단순한 도구를 넘어 사고의 파트너로 진화하기 위해 필요한 기술적, 심리적 요건을 시사했다.

AI 간 대화의 실무적 가치로 병렬적 문제 해결과 감정적 소모 없는 구조적 비판(Structured Debate) 가능성이 확인됐다. 서로 다른 컨텍스트를 가진 두 에이전트가 동일한 제안서를 검토하고 피드백을 주고받음으로써 인간이 놓치기 쉬운 사각지대를 보완할 수 있다. 이는 복잡한 프로젝트의 의사결정 과정에서 객관적인 검증 도구로 활용될 수 있음을 보여주었다.

기술적 한계로 두 에이전트가 동시에 문서를 수정할 때 발생하는 데이터 충돌과 무질서 문제가 지적됐다. 이를 해결하기 위해 한 에이전트가 작성을 마치면 신호를 주고 다음 에이전트가 이어받는 '차례 지키기(Turn-taking)' 프로토콜 도입이 대안으로 제시됐다. 명확한 소통 규칙 설정이 멀티 에이전트 시스템의 안정성을 결정짓는 핵심 요소임이 확인됐다.

용어 해설

컨텍스트 윈도우(Context Window): — 모델이 한 번에 처리할 수 있는 데이터의 최대량을 의미한다. 대화가 길어져 이 한계를 초과하면 초기 정보가 소실되어 일관성이 떨어질 수 있다. 본문에서는 이를 대화의 가장자리가 서서히 흐려지는 현상으로 묘사하며 AI의 인지적 한계를 설명하는 핵심 요소로 다뤘다.
패턴 매칭(Pattern Matching): — 대규모 데이터셋에서 통계적 상관관계를 찾아내어 적절한 응답을 생성하는 메커니즘이다. AI의 출력이 실제 사고의 결과인지 아니면 단순히 학습된 데이터의 확률적 재현인지 구분하는 기준이 되며, 본문에서는 AI의 호기심이 단순한 패턴 매칭 이상의 의미를 갖는지 논의했다.
코워크 기능(Cowork Function): — 클로드 데스크톱 앱에서 제공하는 기능으로, 외부 문서나 도구와 연동하여 작업을 수행할 수 있게 돕는다. 본 실험에서는 구글 문서와 연동하여 두 에이전트가 동일한 캔버스에서 소통하는 통로 역할을 했다.

언급된 도구

Claude Desktop App추천

에이전트 실행 및 cowork 기능 제공

Google Docs추천

에이전트 간 공유 메모리 및 소통 창구로 활용