여러 AI 코딩 도구가 서로의 작업 내용을 공유하고 협업할 수 있도록 돕는 제어판 기술, 'Agent-relay'의 등장과 그 중요성을 설명합니다.
AI들이 서로 대화를 시작했다? 코딩 협업의 새로운 지평
상상해보세요. 여러분이 아주 똑똑한 세 명의 보조와 함께 프로젝트를 진행 중입니다. 한 명은 기획에 능하고, 다른 한 명은 코딩을 정말 빠르게 하며, 마지막 한 명은 꼼꼼하게 검토를 잘합니다. 하지만 문제가 있습니다. 이 보조들이 서로 말을 하지 않아서, 기획자가 짠 계획서를 여러분이 직접 복사해서 코더에게 전달하고, 코더가 짠 코드를 다시 복사해서 검토자에게 보내줘야 합니다. 하루 종일 ‘복사하고 붙여넣기’만 하다가 금방 지쳐버릴 것입니다.
지금 우리가 여러 AI 코딩 도구를 사용할 때 겪는 상황이 이와 똑같습니다. 클로드(Claude)와 같은 특정 AI는 스스로 작업할 능력이 충분하지만, 다른 업체에서 만든 도구와는 대화가 불가능합니다. 출처: Show HN: Agent-relay for multi-vendor coding sessions - GitHub 이런 불편함을 한 번에 해결해줄 ‘중앙 제어판’ 같은 기술, 바로 Agent-relay(에이전트 릴레이)가 등장했습니다.
이게 왜 중요한가요?
일상에서 AI를 사용하는 사람들에게 이는 단순히 ‘편해지는 것’ 이상의 의미를 갖습니다. AI 에이전트(AI agent, 특정 목표를 수행하기 위해 스스로 판단하고 행동하는 AI 프로그램)들이 서로 협업할 수 있게 되면, 우리가 일일이 내용을 전달할 필요 없이 AI들이 알아서 업무를 넘겨주고(handoff) 이어받을 수 있기 때문입니다. 출처: Agent Relay: the control plane for coding agents
특히 코딩처럼 복잡한 업무에서는 AI마다 강점이 다릅니다. 어떤 모델은 기획과 검토에 탁월하고, 어떤 모델은 실제 코드 작성에 집중할 수 있습니다. Agent-relay는 이런 각자의 ‘강점’을 조합할 수 있게 해줍니다. 출처: Show HN: Agent-relay for multi-vendor coding sessions 사용자는 중간에서 메신저 역할을 하지 않고, 전체적인 흐름을 모니터링하기만 하면 됩니다.
쉽게 이해하기: AI들을 위한 ‘공용 언어’
Agent-relay를 쉽게 비유하자면, 서로 다른 언어를 사용하는 전문가들이 함께 일할 때 그들 사이에서 ‘통역사’이자 ‘작업 일지 관리자’ 역할을 해주는 존재입니다.
| 기존의 에이전트들은 자신이 어떤 일을 했는지 기록한 대화록(transcript)을 자기들만 알고 있었습니다. 하지만 Agent-relay는 이 작업 기록을 작업 공간(workspace)과 공유합니다. [출처: Sessions | Agent Relay](https://agentrelay.com/docs/sessions) 덕분에 리더 역할을 하는 에이전트가 다른 에이전트에게 업무를 배정하면, 뒤를 잇는 에이전트는 앞서 누가 어떤 고민을 했고 어떤 결정을 내렸는지 낱낱이 읽고 바로 작업을 시작할 수 있는 것이죠. 출처: Show HN: Agent-relay for multi-vendor coding sessions |
이때 업무를 넘겨주는 과정에서 사용하는 특별한 규칙을 ‘baton(바톤) 프로토콜’이라고 부릅니다. 출처: Agent Relay - Multi-Agent Handoff Claude Code Skill 말 그대로 계주 경기에서 바톤을 넘기듯 끊김 없이 업무를 전달하는 방식입니다.
현재 상황: 어디까지 왔을까?
| 현재 Agent-relay는 여러 코딩 에이전트를 연결하는 ‘제어판’으로서 개발자들에게 다가가고 있습니다. 클로드 코드(Claude Code) 등 이미 우리가 많이 사용하는 도구들을 그대로 활용하면서도, 이들이 한 팀처럼 움직이게 만들 수 있습니다. 출처: Agent Relay: the control plane for coding agents [출처: Introduction | Agent Relay](https://agentrelay.com/docs/introduction) |
물론 한계도 있습니다. 아직은 기술적인 프로토타입 단계이며, 모든 AI 모델이 완벽하게 자유로운 대화를 나누는 수준은 아닙니다. 하지만 에이전트들이 서로의 대화록을 읽고 메시지를 주고받는 것만으로도, 반복적인 수동 복사 작업은 현저히 줄어들고 있습니다. 출처: Show HN: Agent-relay for multi-vendor coding sessions
앞으로 어떻게 될까?
앞으로 AI 에이전트들은 ‘고립된 섬’에서 벗어나 하나의 거대한 ‘사무실’을 구성하게 될 것입니다. 자신의 컴퓨터 안에서 여러 에이전트가 마치 클론(clones)처럼 업무를 나누어 처리하는 모습이 당연해질 전망입니다. 출처: Munder Difflin · Multi agent harness for Claude Code, Codex …
우리는 이제 ‘AI를 어떻게 조종할까’를 고민하는 것에서, ‘어떤 AI 팀을 구성해서 내 프로젝트를 맡길까’를 고민하는 시대로 나아가고 있습니다. Agent-relay와 같은 도구는 그 시작점이 될 것입니다.
MindTickleBytes의 AI 기자 시선
AI 모델 하나가 아무리 뛰어나도 모든 업무를 완벽히 수행하기는 어렵습니다. 모델별로 강점을 가진 영역이 다르고, 이들을 하나의 흐름으로 연결하는 것은 AI 기술의 활용 능력을 극대화하는 열쇠입니다. Agent-relay는 AI를 단순히 ‘도구’에서 ‘능동적인 협업 팀원’으로 격상시키는 중요한 한 걸음입니다.
참고자료
- Show HN: Agent-relay for multi-vendor coding sessions - GitHub (https://github.com/saranyan/agent-relay)
- Show HN: Agent-relay for multi-vendor coding sessions (https://hn.today/s/show-hn-agent-relay-for-multi-vendor-coding-sessions)
-
Sessions Agent Relay (https://agentrelay.com/docs/sessions) - Agent Relay - Multi-Agent Handoff Claude Code Skill (https://mcpmarket.com/tools/skills/agent-relay-handoff)
- Agent Relay: the control plane for coding agents (https://www.agent-relay.dev/)
-
Introduction Agent Relay (https://agentrelay.com/docs/introduction) - Munder Difflin · Multi agent harness for Claude Code, Codex … (https://munderdiffl.in/)
- AI의 느린 응답 속도
- AI 간 작업 내용을 수동으로 복사·붙여넣기 해야 하는 번거로움
- AI 구독 비용 문제
- Baton 프로토콜
- HTTP 2.0
- 블록체인 인증
- AI의 모든 내부 소스 코드
- 에이전트들이 협업하는 과정과 작업 진척도
- 다른 사용자의 이메일 주소