AI 생성 이미지
AI 에이전트가 하나일 때는 대화와 실행 흐름이 비교적 단순합니다. 그러나 여러 에이전트가 함께 일하기 시작하면 핵심 문제는 달라집니다. 누가 어떤 작업을 맡았는지, 어떤 결과를 넘겼는지, 실패했을 때 어디서부터 다시 시작해야 하는지 추적할 수 있어야 합니다.
Intelligent Internet이 오픈소스로 공개한 CommonGround Kernel은 바로 이 문제를 다룹니다. GitHub에 공개된 이 프로젝트는 인간, 에이전트, 도구, 외부 런타임이 이어서 일할 수 있도록 작업의 흔적과 문맥을 남기는 기반층을 지향합니다.1
멀티 에이전트 조정의 핵심은 “기록 가능한 협업”이다
멀티 에이전트 조정 패턴은 어떤 에이전트가 존재하는지, 에이전트가 서로를 어떻게 발견하는지, 작업을 어떻게 할당하는지, 상태와 실패를 어떻게 처리하는지를 정의합니다.2 다시 말해 “누가 누구에게 일을 보낼 것인가”를 정하는 방식입니다.
하지만 조정 방식만으로는 충분하지 않습니다. 실제 운영에서는 작업 요청, 핸드오프, 반환 결과, 산출물, 다음 작업이 의존할 사실이 사라지지 않고 남아야 합니다. CommonGround Kernel의 초점은 이처럼 협업 과정에서 없어지면 안 되는 공용 문맥을 보존하는 데 있습니다.1
즉, CommonGround Kernel은 단순히 에이전트를 더 많이 연결하는 도구라기보다, 여러 참여자가 같은 작업을 이어받고 검토할 수 있도록 만드는 “공용 작업 기록”에 가깝습니다.
슈퍼바이저와 P2P가 남기는 빈틈
멀티 에이전트 시스템을 이해할 때 자주 비교되는 방식이 슈퍼바이저/워커 패턴과 피어투피어 패턴입니다.
슈퍼바이저/워커 패턴에서는 단일 오케스트레이터 에이전트가 작업을 받아 하위 작업으로 나누고, 전문 에이전트에 라우팅합니다.2 이 방식은 라우팅 결정 기록이 남기 때문에 피어투피어 방식보다 디버깅이 쉽습니다.2 다만 슈퍼바이저가 단일 장애 지점이 될 수 있고, 각 전문 에이전트의 역량과 데이터 접근 권한을 슈퍼바이저가 파악해야 한다는 부담도 있습니다.2
반대로 피어투피어 패턴에서는 중앙 디스패처 없이 에이전트들이 직접 통신합니다.2 유연성은 높지만, 중앙에서 흐름을 정리해 주는 기록이 없다면 나중에 “무슨 일이 있었는지” 복원하기 어려워질 수 있습니다.
CommonGround Kernel은 이 둘 중 하나를 강제하기보다, 어떤 조정 패턴을 쓰더라도 아래에 남아야 할 공통 기록 계층을 정의하려는 접근에 가깝습니다. Agent identity, Turn이라는 작업 경계, 공개 의미 정보, claim fencing, causal lineage, ledger/feed 같은 요소가 여기에 포함됩니다.1
로그 저장소가 아니라 이어받기 위한 기반층
CommonGround Kernel을 단순 로그 저장소로만 이해하면 핵심을 놓치기 쉽습니다. 중요한 목적은 런타임이나 세션이 사라진 뒤에도 다음 참여자가 작업을 검사하고, 복구하고, 이어받을 수 있게 하는 것입니다.1
그래서 도입 여부를 판단할 때는 “에이전트가 몇 개인가”보다 “작업이 이어져야 하는가”를 먼저 봐야 합니다.
한 번 질문하고 한 번 답하는 서비스라면 이런 커널형 기록 계층은 과할 수 있습니다. 반면 여러 에이전트와 사람이 비동기로 협업하고, 중간 승인·재개·감사·장애 복구가 중요하다면 공용 기록 계층의 필요성은 커집니다.
CommonGround Kernel이 주는 실무적 시사점
CommonGround Kernel이 던지는 메시지는 명확합니다. 멀티 에이전트 시스템의 핵심은 더 똑똑한 개별 에이전트만이 아닙니다. 함께 일한 과정을 신뢰할 수 있게 남기고, 그 기록을 바탕으로 다음 참여자가 안전하게 이어받을 수 있는 구조입니다.
에이전트 협업을 설계한다면 조정 패턴만 고를 것이 아니라, 다음 질문도 함께 확인해야 합니다.
작업의 경계가 명확히 남는가?
에이전트 간 핸드오프를 나중에 추적할 수 있는가?
실패 후 어디서 재개해야 하는지 알 수 있는가?
사람과 에이전트가 같은 작업 상태를 공유할 수 있는가?
감사와 디버깅에 필요한 기록이 남는가?
CommonGround Kernel은 이러한 질문에 답하기 위한 오픈소스 실험으로 볼 수 있습니다. 멀티 에이전트 시스템이 복잡해질수록, 협업의 품질은 모델 성능뿐 아니라 “공통의 작업장을 얼마나 잘 설계했는가”에 달려 있습니다.
이 노트는 보도·비평·교육·연구 목적으로 작성되었습니다. 저작권 문의가 있으시면 에서 알려주세요.