pile·
AI / ML·데보션 (SK)데보션 (SK)·

Claude Code Dynamic Workflow 쉽게 이해하기

Claude Code의 Dynamic Workflow는 단일 에이전트 대신 JavaScript 스크립트가 여러 서브에이전트를 지휘하는 오케스트레이션 방식이다. 컨텍스트 초과와 즉흥 판단이라는 단일 에이전트의 두 한계를 해결하며, "흐름은 코드로 고정, 작업은 에이전트에 위임"이라는 결정론적 설계로 병렬 처리와 교차 검증을 동시에 확보한다.

핵심 포인트
  • meta 블록으로 시작하는 JS 스크립트에서 agent()를 호출하면 서브에이전트가 실행되며, schema를 지정하면 검증된 구조화 객체를 자동으로 반환한다.
  • pipeline()이 기본 선택 — 장벽 없이 항목마다 독립 진행해 빠른 항목이 느린 항목을 기다리지 않으며 전체 시간이 최장 단일 체인 시간과 동일해진다.
  • parallel()은 이전 단계 전체 결과가 필요할 때만 사용한다. 단순 변환·필터링은 pipeline 스테이지 안에서 처리한다.
  • 적대적 검증, 관점 다양화, 심사위원단, 루프-반복, 멀티모달 스윕, 완전성 비평가의 6가지 패턴으로 결과의 신뢰성을 높인다.
  • budget.remaining()으로 남은 토큰을 실시간 확인해 에이전트 수를 동적으로 조절하며, ultracode 키워드나 명시적 요청 시에만 워크플로우를 실행한다.
상세 정리
  • 단일 에이전트 한계: 대규모 작업 시 컨텍스트 창 초과, 매 실행마다 흐름이 달라지는 즉흥 판단 — Dynamic Workflow는 이 두 문제를 결정론적 JS 스크립트로 해결한다.
  • 기본 구조: export const meta = {...}로 시작하는 JS 스크립트 안에서 agent(), pipeline(), parallel(), phase(), log()를 조합한다. meta는 순수 리터럴로 이름·설명·페이즈를 명시한다.
  • agent() 함수: 단일 서브에이전트를 실행하며, schema 없이 호출하면 최종 텍스트 문자열을 반환하고 schema를 주면 StructuredOutput으로 검증된 객체를 자동 반환한다. 오류나 사용자 스킵 시 null을 반환한다.
  • pipeline() 원칙: 항목 A가 스테이지 3에 있는 동안 항목 B가 스테이지 1에 있을 수 있어 벽(barrier) 없이 진행된다. 스테이지 콜백은 (이전결과, 원본항목, 인덱스)를 받는다.
  • parallel() 기준: 전체 중복 제거, 결과가 0이면 이후 단계 생략, 다른 항목 결과를 참조하는 프롬프트가 필요한 경우에만 장벽이 정당화된다. 그 외는 모두 pipeline()을 쓴다.
  • 적대적 검증 패턴: 발견 하나마다 N개의 독립적 회의론 에이전트가 반박을 시도하며, 과반수가 반박하지 못한 것만 확정 결과로 남긴다.
  • 관점 다양화: 동일 에이전트 N복제 대신 정확성·보안·성능·재현 가능성 등 다른 렌즈를 배치해 단순 반복이 못 잡는 실패 유형을 검출한다.
  • 루프-반복 패턴: 목표 수(버그 10개 등)에 도달하거나 budget.remaining()이 충분한 동안 계속 실행하며, seen Set으로 중복을 제거해 수렴한다.
  • 완전성 비평가: 마지막 단계에서 "다루지 않은 모달리티, 검증되지 않은 주장, 읽지 않은 소스가 있는가?"를 묻는 에이전트가 다음 라운드 작업 목록을 생성한다.
  • 전체 예제: 파일 목록을 pipeline으로 받아 에이전트가 버그를 탐색하고, 발견된 버그마다 3명의 적대적 검증 에이전트가 반박 시도를 수행해 확정 버그만 최종 반환한다.
  • 적합 사례: 전수 감사, 대규모 마이그레이션, 병렬 커버리지와 교차 검증이 필요한 코드 리뷰.
  • 부적합 사례: 단순 대화형 질문, 파일 하나 수정 등 단일 에이전트로 충분한 작업에는 오버헤드가 낭비다.
  • 실행 조건: Claude Code v2.1.154 이상, 유료 플랜. Pro 플랜은 /config에서 수동 활성화 필요. Anthropic API, Bedrock, GCP, Foundry에서 동작한다.
왜 읽나Claude Code 워크플로우 기능을 처음 접하거나 멀티에이전트 오케스트레이션 패턴을 체계적으로 익히려는 AI 개발자에게 실전 구조와 선택 기준을 제공한다.
데보션 (SK)
데보션 (SK) 블로그
원문은 여기서 이어서 읽을 수 있어요
원문 읽기
읽음 (0)

이 글과 비슷한

  1. AI / ML·aws-architectureAWS Architecture·

    AgentFlo의 AI 영업 에이전트: Amazon Bedrock AgentCore 적용 사례 2편

    AgentFlo는 Amazon Bedrock AgentCore와 AWS 서버리스 서비스를 결합해 연간 3,000억 달러 규모의 거래를 처리하는 AI 영업 에이전트 플랫폼을 프로덕션에 배포했다. 이 글은 시리즈 2편으로, 예측 불가능한 트래픽 급증과 자율 커머스 운영에서의 신뢰 구축 문제를 다룬다.

    요약 이어보기
    #mcp#ai-agent#vector-db+2
  2. AI / ML·AITRICSAITRICS·

    눈과 귀를 가진 의료 AI : 판독을 넘어 추론으로

    에이아이트릭스가 AITRICS-VC(바이탈케어)와 V.Doc Pro(브이닥 프로) 두 제품에서 멀티모달 AI를 구체화한 방식을 소개한다. 의료진은 EMR 수치·영상·환자 음성을 동시에 다루지만 기존 단일 모달 AI는 각 데이터를 개별적으로만 처리했는데, 멀티모달 AI는 이질적 데이터를 연결해 맥락을 읽어냄으로써 단일 정보로 놓치기 쉬운 신호를 포착한다.

    요약 이어보기
    #llm#time-series#agentic-ai+2
  3. AI / ML·무신사 테크무신사 테크·

    데이터 탐색부터 실행까지 연결하는 MATCH Console과 MAI

    무신사 Core-E Personalization 팀이 개인화 시스템 MATCH의 운영자 인터페이스인 MATCH Console과 AI Assistant MAI를 구축한 과정을 소개한다. 마케터가 분석가 도움 없이 오디언스를 정의·검증·배포하도록 Data Explorer·Audience·Activation 세 모듈과 자연어 쿼리 AI를 하나의 워크플로우로 통합했다.

    요약 이어보기
    #data-platform#text-to-sql#no-code+2