AI에게 일을 시킬 때, 한 명이 아니라 여러 명이 팀을 이루어 동시에 작업한다면 어떨까. Anthropic이 2026년 2월 5일 공개한 Claude Opus 4.6의 Agent Teams는 바로 그 가능성을 현실로 만들었다. 여러 AI 인스턴스가 마치 인간 팀처럼 역할을 나누고, 서로 대화하며, 병렬로 작업을 수행하는 구조다. 저 또한 이 소식을 접하고 상당히 흥미롭게 느껴졌다.
AI 에이전트가 팀을 이루는 방식
Agent Teams의 구조는 생각보다 직관적이다. 쉽게 말하면, 회사의 프로젝트 팀과 비슷하다.
먼저 Team Lead가 있다. 전체 프로젝트를 조망하며 작업을 쪼개고 배분하는 역할이다. 그 아래로 Teammates가 각자 독립적인 Claude 인스턴스로 작동한다. 각 Teammate는 자기만의 작업 공간을 가지고 맡은 영역에 집중한다. 마지막으로 공유 작업 목록이 있어서 누가 어떤 일을 하고 있는지 충돌 없이 조율된다.
가장 흥미로운 점은 소통 방식이다. 기존 멀티 에이전트 시스템은 중앙 허브를 거쳐 메시지를 주고받았다. 하지만 Agent Teams는 피어-투-피어(peer-to-peer) 방식으로 Teammate끼리 직접 대화한다. 보안 담당 에이전트가 취약점을 발견하면, 성능 담당 에이전트에게 바로 확인을 요청할 수 있다. 중간 전달 과정 없이 실시간으로 협업이 이루어지는 것이다.
10만 줄 컴파일러를 AI 팀이 만들었다
이론만으로는 부족하다. 실제 성과가 인상적이다. Anthropic은 16개 에이전트에게 C 컴파일러를 처음부터 만들어보라는 과제를 줬다. 결과는 10만 줄 규모의 작동하는 컴파일러였다. 렉서, 파서, 코드 생성기 등 각 구성 요소를 에이전트들이 나눠 맡고, 서로 인터페이스를 정의하며 자율적으로 완성한 것이다.
성능 수치도 눈에 띈다. GDPval-AA 벤치마크에서 GPT-5.2보다 144 Elo 포인트 앞서고, 코딩 벤치마크인 Terminal-Bench에서는 65.4%로 이전 모델(59.8%) 대비 확실한 향상을 보였다.
1M 토큰 컨텍스트 윈도우와 적응형 사고(Adaptive Thinking) 기능도 함께 탑재되어, 간단한 질문에는 빠르게, 복잡한 문제에는 깊이 있게 대응한다.
실전에서 어떻게 활용할 수 있을까
실무 적용이 가능한 몇 가지 시나리오가 있다.
멀티 관점 코드 리뷰가 대표적이다. 보안, 성능, 테스트, 코드 품질을 각각 다른 에이전트가 동시에 검토한다. 한 명이 순차적으로 보는 것보다 훨씬 포괄적인 리뷰가 가능하다.
경쟁 가설 디버깅도 독특한 방식이다. 원인 불명의 버그가 있을 때, 여러 에이전트가 서로 다른 가설을 세우고 동시에 검증한다. 메모리 누수, 동시성 문제, 네트워크 지연 등 각 방향을 병렬로 탐색하니 근본 원인을 찾는 속도가 빨라진다.
최적 구성은 Teammate 2-5명, 각 Teammate당 작업 5-6개가 권장된다. 비용 측면에서는 Lead에 Opus 4.6, Teammates에 Sonnet을 사용하는 전략이 성능과 비용의 균형을 잘 맞춘다.
아직 남은 과제들
솔직하게 말하면 아직 완벽하지는 않다. 세션이 중단되면 재개할 수 없고, 팀 안에 하위 팀을 구성하는 중첩 구조도 지원되지 않는다. 현재는 연구 프리뷰 단계이므로, 명확하게 정의된 작업과 인간 감독이 가능한 환경에서 먼저 시도해보는 것이 현명하다.
그럼에도 방향성은 분명하다. AI가 혼자 일하던 시대에서 팀으로 협업하는 시대로 전환되고 있다. 이 변화는 개발뿐 아니라 연구, 분석, 콘텐츠 제작 등 지식 작업 전반에 영향을 줄 것으로 보인다. Agent Teams를 지금부터 탐색해두면, 앞으로 AI 활용 전략을 세우는 데 분명 도움이 될 것이다.
참고 자료
- Anthropic 공식 블로그 – Introducing Claude Opus 4.6
- TechCrunch – Anthropic releases Opus 4.6 with new ‘agent teams’
- VentureBeat – Anthropic’s Claude Opus 4.6 brings 1M token context and ‘agent teams’
- The Deep View – Opus 4.6: Claude Code can now do multi-agent tasks, too
