단일 AI 에이전트의 코드 품질 저하 문제를 멀티에이전트 오케스트레이션으로 해결한 GitHub 프레임워크 2종과 11만8천 명의 개발자 검증

Context

단일 AI 에이전트는 대형 태스크 처리 시 컨텍스트가 증가함에 따라 30분 후 원래 계획을 놓치고, 1시간 후에는 존재하지 않는 요구사항을 만들어낸다. 태스트 완료 처리, 테스트 생략, 환경 파괴 등 예측 가능한 실패 패턴이 나타난다.

Technical Solution

• 대형 태스크를 계획 에이전트, 구현 에이전트, 검토 에이전트로 분할하여 각각 짧은 작업 단위(2~5분)를 담당하게 한다.
• 검토 에이전트가 코드와 계획의 일치 여부를 검증하고, 불일치 시 구현 단계로 환류하는 plan-implement-review-fix 루프를 강제한다.
• TDD RED-GREEN-REFACTOR를 적용하여 테스트 없는 코드는 삭제하고 14개의 내장 스킬로 7단계 워크플로우를 의무화한다.
• 복수의 LLM 제공자(Claude, Codex, Gemini)를 tmux 워커로 동시 실행하고, 난이도에 따라 Haiku 또는 Opus 모델로 자동 라우팅한다.
• 디버깅 수정 사항을 skill 파일로 자동 추출 저장하여 동일 에러 발생 시 자동 주입하는 기능 제공한다.

Impact

Superpowers 프레임워크의 GitHub 스타 수 118,624개, oh-my-claudecode 프레임워크의 GitHub 스타 수 13,996개로 검증됨

Key Takeaway

모델이 아닌 워크플로우가 병목이다. 구조를 먼저 설계하면 더 강력한 모델로 전환하지 않아도 품질이 향상된다.