Notion을 AI 에이전트 간의 공유 메모리로 활용한 Blackboard 아키텍처 구현

Context

기존 AI 에이전트 워크플로우는 결과물만 Notion에 저장하는 단순 저장소 방식으로 동작. 프로세스가 메모리 내에서 처리되는 블랙박스 구조로 인해 중간 단계의 가시성 결여. 런타임 중 계획 수정이나 세밀한 개입이 불가능한 한계 존재.

Technical Solution

• 80년대 AI 패턴인 Blackboard 아키텍처를 적용하여 Notion 데이터베이스를 에이전트 간의 중앙 조정 계층으로 설계
• Manager, Worker, Reviewer 에이전트가 상호 직접 통신하지 않고 Notion의 Task Queue, Results, Audit Log DB를 통해 상태를 공유하는 비동기 협업 구조
• 사용자용 인터페이스(Objectives, Final Reports)와 시스템 백엔드용 데이터베이스(Task Queue, Results, Audit Log, Agent Registry)를 분리한 2계층 워크스페이스 설계
• Python 기반의 최소 스택을 구성하고 Notion API를 통한 직접 REST 호출 방식으로 오버헤드 제거
• OpenRouter를 활용해 계획(Claude), 실행(GPT-4o), 검토(Gemini) 단계별로 최적화된 서로 다른 LLM 모델을 배치하는 전략
• 실제 API 호출 없이 파이프라인 흐름을 검증할 수 있는 로컬 시뮬레이션 dry-run 모드 구현

Key Takeaway

에이전트의 자율성보다 프로세스의 가시성과 편집 가능성에 집중하여 AI 워크플로우를 인간이 제어 가능한 협업 공간으로 전환하는 설계 원칙.