AI 에이전트 15개를 동시에 굴리는 법 — AI 병렬 오케스트레이션 실전 운용기

AI 세션의 기억이 휘발돼 같은 탐색과 실수를 반복하는 문제를 Obsidian, QMD 로컬 임베딩, MCP 기반 기록·검색 스킬로 보완해 과거 지식을 재사용한다. 작업은 먼저 요구사항과 검증 기준을 깊이 플래닝한 뒤, 구현에는 의존성을 반영한 Task DAG를, 디버깅에는 탐색 중 이슈를 분기하는 Branch Hunt를 적용한다. Ralph Loop가 구현과 빌드·타입 체크·테스트를 반복하고, Session Spawn MCP와 메시지 인박스가 독립 세션의 실행과 결과 수집을 지원한다. 핵심 교훈은 에이전트를 많이 띄우는 것보다 일을 잘 분해하고 컨텍스트를 관리하며 검증 구조를 갖추는 것이 속도와 배포 신뢰도를 함께 높인다는 점이다.

• 세션이 끝나도 지식이 남도록 Obsidian에 결정과 트러블슈팅을 기록하고, QMD 로컬 임베딩으로 시맨틱 검색을 구성한다.
• Task DAG는 의존성을 먼저 정리해 위상 순서대로 병렬 실행하고, Branch Hunt는 탐색 중 발견한 이슈를 독립 세션에 동적으로 맡긴다.
• Ralph Loop에는 빌드·타입 체크·테스트를 포함하고, 연속 실패 시 중단하는 안전장치를 둔다.
• 독립 세션과 중앙 인박스를 활용하면 자식 에이전트의 작업 컨텍스트와 부모의 오케스트레이션 컨텍스트를 분리할 수 있다.
• 병렬 실행의 효과를 높이려면 구현 전에 요구사항, 제약, 성공 기준과 검증 방법을 구체적으로 확정해야 한다.