Mail

한 명의 개발자가 프로젝트 전체를 혼자 처리하는 시대는 끝났다고들 말하지만, 사실 AI 에이전트도 오랫동안 '혼자 일하는 구조'를 벗어나지 못했습니다. Claude Code가 6월에 공개한 에이전트 팀(Agent Teams) 기능은 그 한계를 정면으로 돌파합니다.

여러 Claude Code 세션이 팀을 이루어 함께 일합니다. 하나는 팀장(Team Lead)이 되고, 나머지는 팀원(Teammates)이 됩니다. 팀장이 전체 작업을 조율하고 분배하면, 팀원들은 각자의 컨텍스트 창에서 독립적으로 일하면서 서로 직접 소통합니다.

1. 에이전트 팀이란 무엇인가

AI들이 서로 소통하며 하나의 프로젝트를 완성합니다.

기존의 Claude Code는 한 세션 안에서 서브에이전트를 생성하여 작업을 분담하는 '수직적 계층 구조'였습니다. 에이전트 팀은 여기서 한 걸음 더 나아가 완전히 독립된 Claude Code 세션들이 수평적으로 협력하는 구조입니다.

팀 리더 세션은 프로젝트 전체를 이해하고 작업을 설계합니다. 팀원 세션들은 각자 받은 작업을 자신의 완전한 컨텍스트 창에서 처리하고, 결과물을 다시 팀장에게 보고합니다.

Claude Code 에이전트 팀 구조

현재 에이전트 팀은 **실험적 기능(experimental)**으로, 기본값은 비활성화 상태입니다. CLI 2026.6 릴리즈 트레인에 포함되어 있습니다.

2. 팀장-팀원 구조의 작동 원리

팀장이 계획하고, 팀원들이 실행하며, 서로 직접 소통합니다.

역할	하는 일
팀장 (Team Lead)	전체 작업 계획 수립, 작업 분배, 결과 통합
팀원 (Teammates)	독립적으로 작업 실행, 팀장 및 다른 팀원과 직접 소통

팀원 간 직접 소통이 핵심입니다. 기존 멀티에이전트 시스템에서는 모든 정보가 반드시 중앙(팀장)을 거쳐야 했지만, 에이전트 팀에서는 팀원들이 서로 필요한 컨텍스트를 직접 공유할 수 있습니다.

3. 중첩 서브에이전트와의 차이

Claude Code는 6월 초에 이미 중첩 서브에이전트(Nested Sub-agents) 기능을 선보인 바 있습니다. 두 기능을 혼동하기 쉬운데, 구조적으로 명확한 차이가 있습니다.

구분	중첩 서브에이전트	에이전트 팀
실행 방식	단일 세션 내 계층적 생성	독립 세션들의 협력
컨텍스트	부모-자식 구조	각 세션 독립 컨텍스트
소통 방식	부모→자식 단방향	팀원 간 직접 소통 가능
깊이 제한	최대 5단계	팀원 수로 제한
토큰 비용	계층 누적	세션 수 × 컨텍스트

쉽게 말하면: 중첩 서브에이전트는 '혼자 여러 역할을 맡는 것', 에이전트 팀은 '실제로 여러 사람이 함께 일하는 것'에 가깝습니다.

4. 가장 효과적인 활용 시나리오

에이전트 팀이 단독 에이전트보다 확실히 유리한 상황이 있습니다.

① 리서치 & 코드 리뷰 여러 팀원이 코드베이스의 다른 모듈을 동시에 분석합니다. 한 팀원은 보안을, 다른 팀원은 성능을, 또 다른 팀원은 테스트 커버리지를 검토합니다. 팀장이 전체 리뷰를 통합합니다.

② 새 기능 개발 프론트엔드, 백엔드, 테스트를 각 팀원이 병렬로 개발합니다. 레이어 간 API 계약을 팀원들이 직접 협의하여 통합 과정의 충돌을 줄입니다.

③ 멀티 가설 디버깅 같은 버그에 대해 여러 팀원이 서로 다른 가설을 동시에 검증합니다. 가장 먼저 원인을 찾은 팀원의 결과를 팀장이 채택합니다.

④ 크로스레이어 작업 프론트엔드·백엔드·인프라 변경이 동시에 필요한 대규모 리팩토링에서 각 레이어를 전담하는 팀원이 병렬로 작업합니다.

5. 비용과 토큰 전략

에이전트 팀은 강력하지만, 토큰 비용이 세션 수에 비례해 증가합니다.

각 팀원 세션은 자신만의 완전한 컨텍스트 창을 가집니다. 팀원 3명이면 토큰 비용은 단순히 3배가 됩니다. 팀장의 토큰 비용까지 더하면 실제로는 그 이상일 수 있습니다.

비용을 줄이는 전략:

작업을 충분히 잘게 분리해 각 팀원의 컨텍스트를 최소화
팀원 수는 꼭 필요한 만큼만 (3~5개가 대부분의 케이스에 적합)
팀원 세션에는 더 저렴한 모델 지정 활용
배치로 처리 가능한 작업은 단독 에이전트 유지

6. 실전 활성화 방법

환경 변수 하나로 시작할 수 있습니다.

# settings.json 또는 환경 변수에 추가
CLAUDE_CODE_EXPERIMENTAL_AGENT_TEAMS=1

활성화 후 팀 설정은 /team 명령어 또는 agent-teams 설정 블록을 통해 구성합니다. CLI 2026.6 이상 버전이 필요합니다.

실험적 기능이므로 프로덕션 환경보다는 개발·스테이징 환경에서 먼저 테스트하는 것을 권장합니다.

7. 에듀테크 관점에서의 시사점

에듀테크 제품을 만드는 입장에서, 에이전트 팀이 흥미로운 이유는 단순히 '개발 속도'가 아닙니다.

학습 콘텐츠 제작 파이프라인에 이 구조를 적용해 보면, 한 에이전트는 커리큘럼 분석을, 다른 에이전트는 문제 생성을, 또 다른 에이전트는 난이도 검증을 병렬로 담당할 수 있습니다. 오늘날 수작업으로 몇 주가 걸리는 콘텐츠 제작이 시간 단위로 압축될 수 있습니다.

AI 에이전트가 '도구'에서 '팀원'으로 진화하는 것을 지켜보며, 사람과 AI가 협력하는 새로운 모델을 연구하는 것이 더 중요한 과제가 됐다는 생각이 듭니다.

마치며

에이전트 팀은 아직 실험적이지만, 방향성은 분명합니다. AI 에이전트들이 서로 협력하며 인간 팀처럼 작동하는 것 — 이건 더 이상 먼 미래의 이야기가 아닙니다. 지금 당장 settings.json 파일 한 줄로 실험해볼 수 있습니다.

관련 글 더 읽기

에이전트 팀을 써보셨거나 도입을 고려 중이신가요? 어떤 프로젝트에 활용할 생각인지 댓글로 알려주세요!

Sources:

Claude Code 에이전트 팀: AI들이 팀을 꾸려 함께 코딩한다

목차