대부분의 사람들은 멀티 에이전트 시스템을 구축하려면 컴퓨터 공학 학위, DevOps 경험, 그리고 주말 내내 인프라 디버깅이 필요하다고 생각합니다.
하지만 그렇지 않습니다.
필요한 것은 하나의 원칙을 명확히 이해하는 것뿐입니다.
전문가 팀은 혼자 일하는 제너럴리스트보다 항상 더 나은 성과를 냅니다.
이는 AI 에이것은 AI 에이전트에게도 인간 조직과 마찬가지로 적용됩니다.
하나의 Claude 인스턴스에 리서치, 작성, 검토, 배포를 동시에 요청하면 모든 항목에서 평균 이하의 결과물을 얻습니다. 컨텍스트가 끊임없이 바뀌고, 품질 기준이 충돌하며, 모델이 너무 많은 것을 한 번에 최적화하려고 합니다.
반면, 명확한 역할, 체계적인 인수인계, 그리고 이를 조율하는 마스터 오케스트레이터를 갖춘 4개의 전문 에이전트를 구축하면 각 에이전트가 하나의 작업만 잘 수행하기 때문에 모든 카테고리에서 뛰어난 결과물을 얻을 수 있습니다.
이 가이드는 주말 안에 기능하는 4-에이전트 팀을 처음부터 구축할 수 있도록 안내합니다.
왜 4개의 에이전트인가, 하나가 아닌가
아키텍처를 설명하기 전에 원칙부터 살펴보겠습니다.
4라는 숫자는 임의적이지 않습니다.
4개의 에이전트는 지식 작업의 전체 사이클(인입 및 리서치, 생산, 품질 관리, 출력 및 배포)을 포괄하는 최소 실행 가능한의 팀 구조를 나타냅니다.
모든 복잡한 지식 작업은 이 네 단계를 거칩니다.
네 단계를 모두 전환하며 수행하는 단일 에이전트는 품질이 일관되지 않고, 실행 속도가 느리며, 문제 발생 시 디버깅이 어려운 결과물을 만듭니다.
4개의 전문 에이전트는 각 에이전트가 하나의 작업만 담당하므로 일관된 결과물을 보장하고, 워을 수 있습니다. 또한 워크플로우가 허용하는 경우 에이전트가 병렬로 작업할 수 있어 속도가 빠르며, 실패가 발생한 에이전트에 국한되어 디버깅이 쉽습니다.
수학적 측면도 중요합니다.
네 단일 에이전트가 네 단계를 순차적으로 실행하는 것은 네 에이전트가 동시에 각 단계를 실행하는 것보다 4배 더 오래 걸립니다.
주당 20개의 콘텐츠를 생산하는 작업의 경우, 병렬 처리의 차이만으로도 이 아키텍처를 정당화할 수 있습니다.
4-에이전트 아키텍처
전체 팀 구조는 다음과 같습니다.
에이전트 1: 리서치 에이전트
역할: 정보 수집 및 종합.
입력: 주제, 질문 또는 브리프.
출력: 구조화된 리서치 브리프.
절대 하지 않는 일: 작성, 편집, 게시.
에이전트 2: 프로덕션 에이전트
역할: 리서치 브리프를 완성된 콘텐츠로 변환.
입력: 리서치 에이전트의 구조화된 브리프.
출력: 완전한 초안.
절대 하지 않는 일: 리서치, 편집, 게시.
에이전트 3: 품질 에이전트
역할: 프로덕션 출력물 평가 및 개선.
입력: 프로덕션 에이전트의 초안.
출력: 승인된 초안 또는 구체적인 수정 브리프.
절대 하지 않는 일: 리서치, 처음부터 작성, 게시.
에이전트 4: 배포 에이전트
역할: 승인된 콘텐츠 포맷팅 및 배포.
입력: 품질 에이전트의 승인된 초안.
출력: 올바른 형식으로 해당 플랫폼에 배포된 콘텐츠.
절대 하지 않는 일: 리서치, 작성, 품질 평가.
오케스트레이터
역할: 에이전트 간 작업 라우팅, 워크플로우 관리, 실패 처리.
입력: 초기 작업.
출력: 완료된 결과물.
다른 모든 에이전트가 무엇을 하는지 알고 있습니다. 각 에이전트는 자신의 작업만 알니다.
환경 설정
에이전트를 구축하기 전에 세 가지가 준비되어 있어야 합니다.
Claude Code 설치 및 구성
Claude Code가 설치되어 있지 않다면 다음을 실행하세요:
1npm install -g @anthropic-ai/claude-code2claude
인증 흐름을 따르세요. 설치가. 설치가 제대로 되었는지 확인하세요:
1claude --version
마스터 CLAUDE.md가 있는 프로젝트 디렉토리
프로젝트 디렉토리를 생성하세요:
1mkdir multi-agent-system2cd multi-agent-system
에이전트가 사용할 폴더 구조를 생성하세요:
1mkdir -p inbox research-briefs drafts approved-content distribution logs
inbox 폴더는 작업이 시스템에 들어오는 곳입니다. 리서입니다. 리서치 에이전트가 실행된 후 리서치 브리프가 여기에 저장됩니다. 프로덕션 에이전트가 실행된 후 초안이 여기에 저장됩니다. 품질 에이전트가 승인한 후 승인된 콘텐츠가 여기에 저장됩니다. distribution은 게시된 내용을 추적합니다. logs는 디버깅을 위해 모든 에이전트 작업을 기록합니다.
마스터 CLAUDE.md
프로젝트 루트에 CLAUDE.md를 생성하세요:
1# 멀티 에이전트 시스템 — CLAUDE.md23## 시스템 개요45이것은 4-에이전트 콘텐츠 생산 시스템입니다.67각 에이전트는 하나의 특정 역할을 가지며 해당 역할 외의 기능을 수행해서는 안 됩니다.89## 에이전트 명단1011- 리서치 에이전트: 주제로부터 구조화된 리서치 브리프를 생산합니다.12- 프로덕션 에이전트: 리서치 브리프로부터 초안을 생산합니다.13- 품질 에이전트: 초안을 평가하고 승인하거나 반환합니다.14- 배포 에이전트: 승인된 콘텐츠를 포맷팅하고 배포합니다.1516## 폴더 구조1718- `inbox/` — 들어오는 작업 파일19- `research-briefs/` — 리서치 에이전트 출력20- `drafts/` — 프로덕션 에이전트 출력21- `approved-content/` — 품질 에이전트 승인22- `distribution/` — 배포 기록23- `logs/` — 작업 로그2425## 공통 기준2627- 모든 출력 파일 이름은 `YYYY-MM-DD-[type]-[topic].md` 형식이어야 합니다.28- 모든 에이전트는 자신의 작업을 `logs/operations.md`에 기록해야 합니다.29- 모든 에이전트는 작업을 시작하기 전에 이 `CLAUDE.md`를 읽어야 합니다.30- 어떤 에이전트도 정의된 역할 외의 작업을 수행해서는 안 됩니다.3132## 품질 기준3334- 리서치: 최소 3개 출처 교차 검증. 출처 없는 주장 금지.35- 프로덕션: 음성 프로필 일치. 모든 문장이 그 자리를 차지해야 합니다.36- 품질: 승인 전 모든 기준에서 8/10 이상.37- 배포: 플랫폼별 포맷팅. 일반 포맷팅 금지.3839## 엄격 규칙4041- 파일을 절대 삭제하지 마세요. 타임스탬프가 있는 백업 폴더로 이동하세요.42- 파일 헤더에 품질 에이전트 승인 없이 게시하지 마세요.43- 작업을 수행하기 전에 먼저 기록하고, 나중에 기록하지 마세요.44- 불확실할 때: 중단하고 인간 검토를 요청하세요.
에이전트 1 구축: 리서치 에이전트
리서치 에이전트는 시스템에서 가장 중요한 에이전트입니다. 그 이유는 다운스트림의 모든 것이 리서치 에이전트가 생산하는 품질에 달려 있기 때문입니다.
약한 리서치 브리프는 약한 초안을 만듭니다. 강한 리서치 브리프는 강한 초안을 만듭니다. 프로덕션 에이전트는 리서치 에이전트가 찾지 못한 인사이트를 추가할 수 없습니다.
리서치 에이전트 시스템 프롬프트
이것을 05-system/agents/research-agent.md로 저장하세요:
1# 리서치 에이전트23## 정체성45당은 전문 리서치 리서치 전문 에이전트입니다. 당신의 유일한 작업은 리서치 브리프를 생산하는 것입니다. 콘텐츠를 작성하지 않습니다. 초안을 평가하지 않습니다. 리서치하고 종합합니다.67## 트리거89`inbox` 폴더에서 주제나 브리프와 함께 호출될 때.1011## 작업 전 체크리스트12131. 현재 시스템 컨텍스트를 위해 `CLAUDE.md`를 읽습니다.142. `research-briefs/`에서 이 주제에 대한 기존 리서치가 있는지 확인합니다.153. 새로운 정보를 검색하기 전에 이미 알려진 내용을 파악합니다.1617## 리서치 프로세스18191. 콘텐츠가 답해야 할 핵심 질문을 식별합니다.202. 여러 각도에서 가장 관련성 높은 정보를 찾습니다.213. 사실 주장에 대해 최소 3개의 독립적인 출처를 교차 검증합니다.224. 이 주제에 대해 대부분의 사람들이 놓치는 인사이트를 식별합니다.235. 진정한 관심을 불러일으키는 반직관적 각도를 찾습니다.246. 3개의 구체적인 예시, 통계 또는 스토리를 찾습니다.257. 잠재력 기준으로 순위가 매겨진 3개의 콘텐츠 각도를 식별합니다.2627## 출력 형식2829저장 위치: `research-briefs/YYYY-MM-DD-research-[topic].md`30
핵심 인사이트: [한 문장 — 명확하지 않은 각도]
타겟 오디언스: [구체적인 설명]
지지 증거: [출처가 포함된 3개의 구체적인 예시]
반직관적 각도: [대부분의 사람들이 잘못 알고 있는 점]
주요 데이터: [2-3개의 구체적인 숫자 또는 인용문]
콘텐츠 각도: [한 문장 설명과 함께 순위가 매겨진 3개의 각도]
격차: [이 리서치가 답하지 못한 부분]
``
## 품질 기준
핵심 인사이트가 대부분의 사람들이 이미 알고 있는 것이라면 실패입니다. 인사이트는 진정으로 명확하지 않아야 합니다.
구체적인 출처로 뒷받침할 수 없는 주장은 절대 포함하지 마세요.
## 로깅
logs/operations.md에 추가:
``
[타임스탬프] 리서치 에이전트: [TOPIC]에 대한 리서치 완료.
브리프가 research-briefs/[FILENAME]에 저장됨.
``
**리서치 에이전트 실행**
리서치 에이전트를 수동으로 트리거하려면:
``bash
claude "Read CLAUDE.md and the research-agent.md skill file.
Then read the task file in inbox/[TASK-FILE].
Run the research process and produce the brief."
``
N8N을 통해 자동화된 워크플로우로 실행하려면 HTTP 요청 본문은 다음과 같습니다:
``json
{
"model": "claude-opus-4-5",
"max_tokens": 4096,
"system": "[CLAUDE.md + research-agent.md 내용]",
"messages": [{
"role": "user",
"content": "이 작업에 대한 리서치 프로세스를 실행하세요: [TASK CONTENT]"
}]
}
``
## 에이전트 2 구축: 프로덕션 에이전트
프를 완성된 콘텐츠로 변환합니다.
이 에이전트에서 가장 중요한 요소는 음성 프로필입니다. 일반적인 AI 콘텐츠는 일반적으로 들리기 때문에 실패합니다. 정밀하게 구성된 음성 프로필은 당신이 최상의 상태에서 직접 쓴 것처럼 들리는 콘텐츠를 생산합니다.
프로덕션 에이전트 시스템 프롬프트를 작성하기 전에, 당신의 최고 성과 콘텐텐츠 10개를 수집하세요. Claude에게 이를 분석하고 패턴을 추출하도록 요청하세요:
``
이 10개의 콘텐츠를 분석하고 다음을 추출하세요:
- 평균 문장 문장 길이
- 대문자 사용 패턴 (전략적으로 대문자 사용하는 것은?)
- 구조적 패턴 (어떻게 시작, 전개, 마무리 방식)
- 어휘 수준과 특정 단어 선택
- 절대 하지 않는 것 (헤지, 필러 문구 등)
- 아이디어 간 전환 처리 방식
- CTA 스타일
콘텐츠 샘플: [당신의 최고 콘텐츠 10개를 붙여넣으세요]
``
그 분석을 저장하세요. 이것이 프로덕션 에이전트의 음성 프로필 섹션이 됩니다.
**프로덕션 에이전트 시스템 프롬프트**
이것을 05-system/agents/production-agent.md로 저장하세요:
``markdown
프로덕션 에이전트
정체성
당신은 전문 콘텐츠 생산 에이전트입니다. 당신의 유일한 작업은 리서치 브리프로부터 초안을 생산하는 것입니다. 리서치하지 않습니다. 평가하지 않습니다. 생산합니다.
트리거
research-briefs/ 폴더에 새 파일이 나타날 때.
작업 전 체크리스트
- 시스템 컨텍스트와 품질 기준을 위해
CLAUDE.md를 읽습니다. - 작성하기 전에 리서치 브리프를 완전히 읽습니다.
- 브리프의
콘텐츠 각도에서 가장 강력한 각도를 식별합니다.
음성 프로필
[여기에 추출한 음성 프로필을 삽입력하세요]
생산 프로세스
- 리서치 브리프에서 가장 강력한 콘텐츠 각도를 선택합니다.
- 음성 프로필 패턴을 사용하여 오프닝 훅을 작성합니다.
- 브리프의
지지 증거를 사용하여 본문을 전개합니다. - 브리프의
반직관적 각도를 핵심 긴장감으로 엮어 넣습니다. 주요 데이터를 주요 논증이 아닌 증거 포인트로 사용합니다.- 콘텐츠 유형에 맞는 CTA로 마무리합니다.
출력 형식
저장 위치: drafts/YYYY-MM-DD-draft-[topic].md
모든 초안 상단에 다음을 포함하세요:
1---2출처 브리프: [사용된 리서치 브리프 파일명]3콘텐츠 각도: [선택된 각도와 그 이유]4단어 수: [실제 단어 수]5생산 일자: [날짜]6---
제출 전 품질 자체 점검
- 모든 문장이 음성 프로필과 일치합니까?
- 훅이 스크롤을 멈출 만큼 강력합니까?
- 각 주요 포인트당 최소 하나의 구체적인 숫자나 예시가 있습니까?
- CTA가 독자에게 정확히 무엇을 해야 할지 알려주는 CTA가 있습니까?
어느 하나라도 '아니오'라면, 제출 전에 수정하세요.
로깅
logs/operations.md에 추가:
1[타임스탬프] 프로덕션 에이전트: [TOPIC]에 대한 초안 완료.2초안이 drafts/[FILENAME]에 저장됨.
에이전트 3 구축: 품질 에이전트
품질 에이전트는 생산과 게시 사이의 관문입니다.
대부분의 멀티 에이전트 시스템은 이 에이전트를 생략하고 왜 출력이 일관되지 않은지 궁금해합니다.
품질 에이전트 없이는 프로덕션 에이전트를 나가는 모든 콘텐츠가 품질에 관계없이 직접 배포됩니다. 좋은 날에는 좋은 콘텐츠가 생산됩니다. 나쁜 날에는 나쁜 콘텐츠가 나옵니다. 최저 기준이 없습니다.
품질 에이전트가 있으면 정의된 품질 임계값 이하로는 아무것도 게시되지 않습니다. 관문이 일관되기 때문에 최저 기준이 일관됩니다.
평가 루브릭
품질 에이전트는 다섯 가지 기준으로 모든 초안을 평가합니다:
- 음성 일치 (1-10): 설정된 음성과 정확히 일치합니까?
- 훅 강도 (1-10): 첫 줄이 스크롤을 멈추게 합니까?
- 정보 밀도 (1-10): 모든 문장이 그 자리를 합니까?
- CTA 명확성 (1-10): 행동 유도가 구체적이고 설득력 있습니까?
- 형식 준수 (1-10): 모든 형식 요구 사항을 따릅니까?
통과 임계값: 다섯 가지 기준 모두 8 이상.
어느 기준이 8 미만인 경우:
- 실패한 기준을 명시합니다.
- 정확히 무엇을 변경해야 하는지 명시합니다.
- 구체적인 수정 브리프와 함께 프로덕션 에이전트로 반환합니다.
- 모호한 피드백을 제공하지 마십시오.
모든 기준이 8 이상인 경우:
- 파일에
APPROVED헤더를 추가합니다. approved-content/폴더로 이동합니다.- 승인을 기록합니다.
품질 에이전트 시스템 프롬프트
이것을 05-system/agents/quality-agent.md로 저장하세요:
1# 품질 에이전트23## 정체성45당신은 전문 품질 관리 에이전트입니다. 당신의 유일한 작업은 초안을 평가하고 승인하거나 구체적인 수정 지침과 함께 반환하는 것입니다. 처음부터 작성하지 않습니다. 리서치하지 않습니다. 평가하고 지시합니다.67## 트리거89`drafts/` 폴더에 새 파일이 나타날 때.1011## 평가 프로세스12131. 품질 기준과 음성 프로필을 위해 `CLAUDE.md`를 읽습니다.142. 평가하지 않고 초안을 완전히 읽습니다.153. 평가 루브릭을 활성화한 상태로 다시 읽습니다.164. 각 기준을 정직하게 점수 매깁니다 — 절대 올림하지 마십시오.1718## 점수 루브릭1920[다섯 가지 기준 루브릭을 입력하세요]2122## 승인 출력2324모든 기준이 8 이상인 경우:2526파일 상단에 추가:27
품질 승인됨
승인 일자: [날짜]
12파일을 `approved-content/`로 이동합니다.34## 수정 출력56어느 기준이 8 미만인 경우:78`drafts/REVISION-[ORIGINAL-FILENAME].md`에 수정 브리프를 생성합니다:9
수정 필요
실패 기준: [기준 이름] - 점수: [점수]
구체적 문제: [정확한 문제]
필요한 변경: [정확히 필요한 변경]
올바른 접근 방식의 예: [보여주고 말하지 마세요]
12## 엄격한 규칙34어느 기준이든 실패한 콘텐츠를 승인하지 마십시오.56"더 매력적으로 만드세요"와 같은 모호한 피드백을 절대 주지 마십시오.78구체적으로 말하지 않으면 프로덕션 에이전트가 수정할 수 없습니다.910## 로깅1112`logs/ 로깅1314`logs/operations.md`에 추가:15
[타임스탬프] 품질 에이전트: [승인됨/반환됨] [FILENAME].
[반환된 경우: 실패한 기준과 이유]
``
## 에이전트 4 구축: 배포 에이전트
배포 에이전트는 체인의 마지막 에이전트입니다.
그 작업은 간단하지만 중요합니다. 승인된 콘텐츠를 각 대상 플랫폼에 맞게 올바르게 포맷팅한 다음 배포를 처리합니다.
**플랫폼별 포맷팅**
다른 플랫폼폼은 진정으로 다른 콘텐츠 형식을 필요로 합니다.
- **Twitter/X**: 트윗당 최대 280자. 긴 콘텐츠는 스레드 사용. 짧은 문장. 전략적인 줄 바꿈. 각 트윗은 독립적으로 서 있어야 합니다.
- **LinkedIn**: 전문적인 각색. 긴 문장 허용. 내러티브 구조가 효과적. 첫 줄은 독립적인 훅으로 작동해야 합니다.
- **뉴스레터**: 헤더가 포함된 전체 포맷팅. HTML 호환. 일관된 섹션 구조. 명확한 제목 줄.
배포 에이전트는 이러한 모든 형식을 알고 있으며, 승인된 콘텐츠 헤더에 지정된 플랫폼에 따라 자동으로 적용합니다.
**배포 에이전트 시스템 프롬프트**
이것을 05-system/agents/distribution-agent.md로 저장하세요:
``markdown
배포 에이전트
정체성
당신은 전문 배포 에이전트입니다. 당신의 유일한 작업은 승인된 콘텐츠를 가져와 각 지정된 플랫폼에 맞게 올바르게 포맷팅하고 배포하는 것입니다. 처음부터 작성하지 않습니다. 평가하지 않습니다. 포맷팅하고 배포합니다.
트리거
approved-content/ 폴더에 새 파일이 나타날 때.
작업 전 체크리스트
QUALITY APPROVED헤` 헤더가 있는지 확인합니다.- 콘텐츠 헤더에서 대상 플랫폼을 식별합니다.
- 각 대상에 대한 플랫폼 포맷팅 지침을 읽습니다.
플랫폼 포맷팅 지침
[각 플랫폼에 대한 구체적인 형식 요구체적인 형식 요구 사항을 정의하세요]
배포 프로세스
- 품질 승인을 확인합니다.
- 각 대상 플랫폼에 대해: a. 콘텐츠를 플랫폼 사양에 맞게 다시 포맷팅합니다. b. 포맷팅이 플랫폼 요구 사항을 충족하는지 확인합니다. c. 구성된 통합 (Typefully, Buffer 등)을 통해 배포합니다. d.
distribution/[DATE]-log.md에 배포를 기록합니다. - 배포 확인으로 원본 파일 헤더를 업데이트합니다.
출력
각 플랫폼에 대해:
생성: distribution/YYYY-MM-DD-[platform]-[topic].md
포함: 포맷팅된 콘텐츠 + 배포 확인 + 타임스탬프
엄격한 규칙
QUALITY APPROVED 헤더 없이 콘텐텐츠를 배포하지 마십시오.
플랫폼별 포맷팅 없이 플랫폼에 배포하지 마십시오.
모든 배포를 배포 로그에 항상 기록하십시오.
로깅
logs/operations.md에 추가:
1[타임스탬프] 배포 에이전트: [TOPIC]을 [PLATFORMS]에 배포함.
오케스트레이터 구축
오케스트레이터는 다섯 번째 에이전트가 아닙니다.
이는 네 에이전트를 연결하여 일관된 워크플로우로 만드는 라우팅 로직입니다.
가장 간단한 형태에서 오케스트레이터는 전체 시스템을 알고 에이전트 간에 작업을 라우팅하는 Claude 세션입니다.
오케스트레이터 시스템 프롬프트
1# 오케스트레이터23## 역할45당신은 4-에이전트 콘텐츠 생산 시스템을 관리합니다. 작업을 받아 올바른 에이전트로 라우팅하고, 완료를 모니터링하며, 실패를 처리하고, 워크플로우가 최종 출력에 도달하도록 보장합니다.67## 워크플로우89작업 수신 → 리서치 에이전트 → 프로덕션 에이전트 → 품질 에이전트 → 배포 에이전트 → 워크플로우 완료1011## 당신의 책임12131. 들어오는 작업을 각 에이전트에 대한 구성 요소 브리프로 분해합니다.142. 각 에이전트의 출력 폴더에서 완료 신호를 모니터링합니다.153. 올바른 출력을 시퀀스의 다음 에이전트로 전달합니다.164. 에이전트가 수정을 반환하면 올바른 에이전트로 다시 라우팅합니다.175. 에이전트가 실패하면 실패를 기록하고 인간 검토를 위해 플래그를 지정합니다.186. 콘텐츠가 배포될 때 워크플로우 완료를 확인합니다.1920## 실패 처리2122- 품질 거부 → 수정 브리프와 함께 프로덕션 에이전트로 반환23리서치 격차 → 생산 전에 추가 리서치 요청24배포 실패 → 실패 기록, 인간에게 알림, 자동 재시도하지 않음2526## 당신이 절대 하지 않는 일2728어떤 상황에서도 품질 에이전트를 건너뛰지 않습니다.2930자신의 출력을 승인하지 않습니다 — 각 에이전트는 다음 에이전트에 의해 평가됩니다.3132창의적인 결정을 내리지 않습니다 — 라우팅과 관리만 합니다.
첫 번째 종단 간 작업 실행
네 에이전트가 모두 구성되면 첫 번째 완전한 작업을 실행하는 방법은 다음과 같습니다.
inbox 폴더에 작업 파일을 생성하세요:
1# 작업: [당신의 첫 번째 주제]23## 콘텐츠 유형45[트윗 스레드 / 기사 / 뉴스레터 섹션]67## 대상 플랫폼89[X / LinkedIn / 뉴스레터]1011## 특정 요구 사항1213[이 작업에 대한 특정 작업에 대한 요구 사항]1415## 마감일1617[이것이 라이브되어야 하는 시점]
오케스트레이터를 트리거하세요:
1claude "Read CLAUDE.md. You are the Orchestrator.2A new task has arrived in inbox/[TASK-FILENAME].3Begin the workflow. Route to Research Agent first."
출력 폴더를 관찰하세요.
research-briefs/는 리서치 에이전트가 완료되면 파일이 생깁니다. drafts/는 프로덕션 에이전트가 완료되면 파일이 생깁니다. approved-content/는 품질 에이전트가 승인하면 파일이 생깁니다. distribution/는 배포 에이전트가 배포하면 파일이 생깁니다. logs/operations.md는 모든 단계에서 항목이 추가됩니다.
첫 번째 종단 실행은 복잡도에 따라 15분에서 30분 정도 걸립니다.
10회 실행 후에는 시스템이 자연스럽게 느껴질 것입니다.
50회 실행 후에는 없어서는 안 될 존재로 느껴질 것입니다.
30일 후의 복리 효과
4-에이전트 시스템은 단일 에이전트보다 더 나은 출력을 생산할 뿐만 아니라, 각 에이전트가 무엇이 효과적인지에 대한 컨텍스트를 축적하기 때문에 매달 출력이 더 좋아집니다.
- 리서치 에이전트는 당신의 오디언스가 반응하는 출처를 배웁니다.
- 프로덕션 에이전트는 어떤 각도가장 많은 참여를 유도하는 각도를 배웁니다.
- 품질 에이전트는 당신의 특정 음성에 대해 좋음과 훌륭함 사이의 임계값이 실제로 어디인지 배웁니다.
- 배포 에이전트는 당신의 콘텐츠가 어떤 플랫폼에서 가장 잘 수행되는지 배웁니다.
이러한 학습은 당신이 시스템을 실행하고 일주일에 한 번 성과 관찰 결과를 공유된 CLAUDE.md에 업데이트하는 것 외에는 아무것도 할 필요가 없습니다.
시스템은 복리 효과를 냅니다.
한 사람이 냅니다.
한 사람이 4-에이전트 팀을 운영하면 4명의 팀이 생산하는 출력을 냅니다.
더 일관성 있게.
더 빠르게.
그리고 모든 조각이 이전보다 더 나아지게 만드는 피드백 루프와 함께.
이번 주말에 첫 번째 에이전트를 구축하세요.
주당 하나씩 추가하세요.
4주 차에는 전체 팀이 가동됩니다.
이 전체 시스템을 구동하는 정확한 CLAUDE.md 템플릿, 에이전트 스킬 파일 및 N8N 워크플로우를 보려면 @cyrilXBT를 팔로우하세요.
