멀티 에이전트 시스템을 도입할 때 많은 사람이 “리서처, PM, 리뷰어” 같은 역할을 여러 개 만들면 시너지가 날 것이라고 기대한다. 그러나 실험과 논문 리뷰 결과, 효과가 나는 지점은 전혀 다르다. 핵심은 컨텍스트를 어떻게 분할하느냐에 달려 있다.
서종훈은 AutoGen, MetaGPT, CAMEL 등 여러 프레임워크와 논문을 분석한 후 다음과 같은 조건에서만 멀티 에이전트가 효과적임을 발견했다: 컨텍스트를 나눠야 할 때, 여러 자료를 병렬로 읽어야 할 때, 독립적인 검토나 반론이 필요할 때, 권한이나 도구를 분리해야 할 때, 명확한 작업 절차와 산출물이 있을 때. 이 모든 조건은 ‘역할’이 아니라 ‘작업 단위의 분리 가능성’에 기반한다.
근거
“논문들을 봐도 multi-agent가 효과를 내는 지점은 ‘페르소나’가 아니었습니다. 효과가 나는 건 보통 이런 경우였습니다. 컨텍스트를 나눠야 할 때. 여러 자료를 병렬로 읽어야 할 때. 독립적인 검토나 반론이 필요할 때. 권한이나 도구를 분리해야 할 때. 명확한 작업 절차와 넘겨줄 산출물이 있을 때.”
연결된 생각
- 20260608-main-agent-worker-architecture — 이 조건을 만족하는 실용적 구현 패턴
- 20260608-context-splitting-vs-persona-trap — 컨텍스트 분할 전략과 페르소나 함정의 대비