I Built a WordPress Plugin with a Team of 6 AI Agents (It Processes 16,000 Posts in 90 Seconds)

Context

Link Whisper, Internal Link Juicer, Rank Math 등 기존 내부 링크 플러그인들은 500개 이상의 규칙으로 스케일할 때 성능 저하가 발생했다. Internal Link Juicer는 매 페이지 로드 시 링크를 처리하여 TTFB를 크게 증가시켰고, Link Whisper는 각 제안마다 수동 승인이 필요했으며, Rank Math는 API가 없고 커스텀 엔티티를 지원하지 않아 대규모 자동화가 불가능했다.

Technical Solution

• 6가지 전문화된 에이전트 역할 도입: Strategist(성능 기준 수호), Research Agent(경쟁사 분석), SEO Engineer(매칭 알고리즘 정의), Performance Agent(메트릭 기준 설정), Architect/Dev(DB 스키마 및 API 구현), QA Agent(엔드포인트 및 엔진 검증)
• 비동기 온-세이브 처리 아키텍처: 페이지 로드 시 처리하는 기존 방식 대신 백그라운드에서 링크 삽입, 프론트엔드 쿼리 0으로 설정
• Action Scheduler 기반 큐 시스템: 100개 포스트 배치로 3개 병렬 작업 처리
• 17개 REST 엔드포인트 및 OpenAPI 명세: 규칙 생성, 대량 가져오기, 모니터링을 프로그래매틱하게 수행
• 3계층 캐싱 구조: Object Cache, Partitioned Transients, Content Cache로 매칭 엔진 성능 최적화
• 자동 준수 메커니즘: rel="sponsored nofollow" 자동 적용, 헤딩·코드 블록·기존 링크 내부 제외
• 명확한 에이전트 자율성 규칙: 사용자 승인이 필요한 경우(MVP 범위 변경, 외부 자격증명 필요, 기술적 차단)만 중단

Impact

• 16,793개 포스트 처리: 90.5초 (처리량 시간당 668,009개)
• TTFB 차이: 5ms 미만
• 저장 포스트 오버헤드: 50ms 미만
• 프론트엔드 추가 쿼리: 0
• 1,000개 규칙 기준 엔진 성능: 포스트당 500ms 미만
• Internal Link Juicer의 부분 재구축(몇 분)에서 전체 사이트 처리(90초)로 개선

Key Takeaway

AI 에이전트 팀의 성공은 한 에이전트가 모든 작업을 수행하는 것이 아니라, 각 에이전트의 명확한 역할과 거부권(Performance Agent의 메트릭 검증 거부권)을 정의하고 초기 3,000단어 프롬프트로 자율성을 확보하는 데 있다. 코드 작성보다 요구사항 정의와 메트릭 사전 설정이 아키텍처의 성능을 결정하는 핵심이다.