수백 명의 AI 에이전트가 협업하는 자율 코딩의 미래: Cursor의 실험 결과

핵심 요약

Cursor 팀은 단일 에이전트의 한계를 넘어 수백 개의 에이전트가 수주 동안 자율적으로 협업하며 대규모 프로젝트를 수행하는 실험을 진행했다. 초기에는 평면적인 자율 협업 구조를 시도했으나 병목 현상과 책임 회피 문제가 발생하여, 역할을 분리한 'Planner-Worker' 아키텍처로 전환했다. 이 시스템을 통해 100만 줄 이상의 코드로 구성된 웹 브라우저를 처음부터 구축하고, 대규모 코드베이스의 프레임워크 마이그레이션을 성공적으로 수행했다. 실험 결과, 복잡한 시스템 설계보다 적절한 구조와 정교한 프롬프트 설계가 에이전트의 장기 협업 성능에 결정적인 영향을 미친다는 점이 확인됐다.

배경

AI 에이전트 기본 개념, LLM 오케스트레이션, 소프트웨어 아키텍처

대상 독자

AI 에이전트 시스템 설계자 및 대규모 코드베이스 유지보수 개발자

의미 / 영향

AI 에이전트가 단순히 코드 한 줄을 고치는 수준을 넘어, 수주에 걸친 대규모 아키텍처 변경이나 프로젝트 전체 구축을 자율적으로 수행할 수 있는 가능성을 제시한다. 이는 향후 소프트웨어 개발 프로세스에서 인간의 역할이 구현에서 에이전트 오케스트레이션 및 검토로 전환될 것임을 시사한다.

섹션별 상세

단일 에이전트의 한계를 극복하기 위해 수백 개의 에이전트를 병렬로 실행하는 실험을 진행했다. 초기에는 공유 파일과 잠금(Locking) 메커니즘을 통한 평면적 자율 협업을 시도했으나, 에이전트들이 잠금을 해제하지 않거나 병목 현상이 발생하여 실제 처리량이 급감하는 문제가 발생했다. 또한 위계 구조가 없는 상태에서는 에이전트들이 위험을 회피하고 사소한 변경에만 집중하는 경향을 보였다.

문제를 해결하기 위해 역할을 분리한 'Planner-Worker' 파이프라인을 도입했다. Planner는 코드베이스를 탐색하며 작업을 생성하고 하위 Planner를 생성하는 역할을 하며, Worker는 할당된 작업에만 집중하여 코드를 작성한다. 마지막에 Judge 에이전트가 작업 완료 여부를 판단하는 이 구조는 에이전트의 터널 시야(Tunnel Vision) 문제를 해결하고 대규모 프로젝트로의 확장을 가능하게 했다.

이 시스템을 활용해 웹 브라우저를 처음부터 구축(100만 줄 이상의 코드)하거나, Cursor 코드베이스를 SolidJS에서 React로 마이그레이션(+266K/-193K 편집)하는 성과를 거두었다. 또한 특정 제품의 비디오 렌더링 성능을 Rust로 재작성하여 25배 향상시키는 등 실질적인 성능 개선 사례도 확보했다. 이는 수백 개의 에이전트가 하나의 브라우저에서 충돌 없이 협업할 수 있음을 증명한다.

실험 과정에서 모델의 선택과 프롬프트의 중요성이 강조되었다. GPT-5.2와 같은 최신 모델이 장기적인 자율 작업과 지시 이행에서 뛰어난 성능을 보였으며, 역할별로 최적화된 모델을 사용하는 것이 효과적이었다. 특히 시스템의 복잡성을 줄이고 적절한 수준의 구조를 유지하며 정교한 프롬프트를 설계하는 것이 분산 컴퓨팅 이론을 적용하는 것보다 더 나은 결과를 가져왔다.

이미지 분석

Screenshot
에이전트가 수행한 대규모 코드 수정(+266,363 / -193,696 라인) 수치를 시각적으로 보여준다. 이는 에이전트가 실제 프로덕션 수준의 대규모 리팩터링 작업을 수행할 수 있음을 증명하는 증거로 활용된다.
SolidJS에서 React로 마이그레이션하는 과정의 GitHub Pull Request 화면 캡처.

실무 Takeaway

대규모 프로젝트 수행 시 평면적 구조보다 Planner와 Worker로 역할을 분리한 계층적 에이전트 아키텍처가 협업 효율성과 책임 소재 명확화에 유리하다.
에이전트 간의 동기화는 복잡한 잠금 메커니즘보다 낙관적 동시성 제어(Optimistic Concurrency Control)나 명확한 작업 할당 방식이 시스템의 견고함을 높인다.
장기 실행 에이전트의 성능은 모델의 추론 능력뿐만 아니라, 드리프트(Drift) 현상을 방지하기 위한 주기적인 재시작과 정교한 프롬프트 엔지니어링에 크게 의존한다.