← Gritz World Engine
brief

서브에이전트 풀 아키텍처 단독 에이전트의 한계를 넘어선 병렬 실행 패러다임

핵심 요약

Claude Code는 GAV 루프를 순차적으로 반복하며 한 번에 하나의 도구만 실행하는 단일 스레드 모델인 반면, OpenClaw는 sessions_spawn으로 다수의 서브에이전트를 동시 생성하여 격리된 세션에서 병렬로 작업을 처리하는 구조적 차이를 보인다. 최대 40개의 동시 에이전트 실행을 지원하며 ACP 채널바인딩8단계 우선순위 라우팅과 지수적 백오프 재시도로 결함을 격리하는 동시에 멀티모델 프록시와 위원회 오케스트레이션을 통해 확장 가능한 분산 아키텍처를 제공한다.

이 글의 핵심 주장과 근거

핵심 주장
OpenClaw의 ACP 8단계 채널바인딩은 채널 식별부터 종료 바인딩까지 8단계 폐곡선 구조를 형성하여 세션 응집력을 보장하며, 이는 정적 자동화 도구의 순차 실행 한계를 동시성 실행으로 초월하는 구조적 기반이다
직접 근거: [1] ZeroInput 직접 경험 (첫 코딩 30분 만에 체감하는 OpenClaw 속도 학습법: AI 피로감을 역이용하는 실천 온보닝 루프) [2] OpenClaw Fault Isolation Architecture [3] OpenClaw Session Recovery Mechanisms
핵심 주장
execFileAsync/spawn 이중 실행 모드는 비동기 파일 실행과 프로세스 생성 기반 병렬 실행을 각각 담당하며, dmScope 격리 계층과 결합되어 단일 장애점 의존을 구조적으로 제거한다
직접 근거: [1] ZeroInput 직접 경험 (첫 코딩 30분 만에 체감하는 OpenClaw 속도 학습법: AI 피로감을 역이용하는 실천 온보닝 루프) [2] Claude Code GAV Feedback Loop
핵심 주장
ACP 이중 격리 구조(물리적 격리+논리적 라우팅)는 단일 장애점·확장瓶頸·인지 부담을 제거하며, 이는 기존 CI/CD 자동화가 갖는 경직된 순차 실행 패러다임과의 근본적 차이다
직접 근거: [1] ZeroInput 직접 경험 (첫 코딩 30분 만에 체감하는 OpenClaw 속도 학습법: AI 피로감을 역이용하는 실천 온보닝 루프) [2] Claude Code GAV Feedback Loop
서브에이전트 풀은 3~5개 Worker를 동시에 생성·실행하는 풀 기반 관리 방식으로, 某个 에이전트 실패가Others에게 전파되지 않는 결함 격리机制으로 바이브코딩 환경에서 안전한 병렬 실행을 실현한다
출처: [1] Claude Code GAV Feedback Loop [2] OpenClaw CLI Getting Started
ACP 세션 연속성은 ACP 런타임 경로 우선 원칙에 따라 세션 종료 후에도 컨텍스트를 복원하며, wd_Linker 검증과 결합된 연속성 확장으로 Autonomous Scouter의 작업 흐름을 중단 없이 유지한다
출처: [1] OpenClaw Documentation [2] OpenClaw Session Recovery Mechanisms [3] OpenClaw Session Recovery Mechanisms
Fan-Out/Fan-In 패턴의 2단계 실행 체계는 8개 동시 생성 에이전트를 각각 독립 격리하고, 실패한 エージェント를 자동으로 복구하는 Exponential Backoff 메커니즘으로 생산성의 동시성 한계를 극복한다
출처: [1] OpenClaw Documentation [2] OpenClaw Binding Routing
인지 부담 3단계 분산 구조는 복잡한 코딩 작업을 ACP 채널·dmScope 격리·에이전트Pool 계층으로 나누어 인간 개발자가 감당해야 할 인지 부담을 물리적으로 줄이며, 이는 정적 자동화 도구와의 결정적 차이다
출처: [1] OpenClaw Documentation [2] llama.cpp GitHub Repository
ACP 8단계 우선순위 라우팅은 결정적 메시지 라우팅을 통해 세션 분열을 방지하며, dmScope 격리·ECDHE 키 교환·3-tier Gateway 구조와 결합된 삼중 안전망으로 바이브코딩 Fan-Out/Fan-In의 신뢰성을 보장한다
출처: [1] Claude Code GAV Feedback Loop [2] OpenClaw Session Recovery Mechanisms [3] OpenClaw Fault Isolation Architecture
서브에이전트 풀이 3~5개 Worker를 병렬 실행하는 구조를 가진다
출처: [1] OpenClaw 서브에이전트 풀 architecture entity

순차적 GAV 루프 vs 병렬 서브에이전트 풀: 근본적인 실행 모델의 차이

Claude Code는 단독 에이전트 세션 안에서 Gather, Action, Verify의 3단계 루프를 순차적으로 반복하며 모든 도구 실행과 검증을 단일 스레드에서 처리한다. 이 구조는 한 번에 하나의 도구만 실행하고 결과를 검증한 다음 다음 단계로 넘어가는 방식이기 때문에 병렬 처리가 불가능하다. 반면 OpenClaw는 sessions_spawn 명령을 통해 다수의 서브에이전트를 백그라운드로 동시 생성하여 각 서브에이전트가 격리된 세션에서 독립적으로 작업을 수행한 뒤 결과를 상위 에이전트에게 보고하는 분산 실행 구조를 채택하고 있다. 실제 성능 테스트에서 날씨, 캘린더, 이메일, 뉴스 등 4가지 작업을 순차적으로 처리할 때 약 36초가 소요되었으나, 서브에이전트를 병렬로 배포하여 동일한 작업을 수행한 결과 약 20초로 단축되어 44%의 시간 절감 효과를 입증했다. 이는 단순한 성능 향상을 넘어 에이전트 아키텍처의 근본적인 패러다임 전환을 의미한다.

세션 격리와 컨텍스트 고립: 독립적인 에이전트 실행 환경

OpenClaw 서브에이전트는 'agent:<agentId>:subagent:<uuid>' 포맷의 고유 세션 키를 할당받아 메인 에이전트와 물리적으로 분리된 독립 세션에서 실행된다. 이 격리 구조는 각 서브에이전트가 명시적 명령(instruction) 파라미터만을 수신하고 메인 에이전트의 대화 이력을 공유하지 않도록 설계되어 있다. 이러한 컨텍스트 고립은 서브에이전트가 외부 간섭 없이 순수하게 주어진 작업에만 집중할 수 있도록 보장하며, 동시에 여러 서브에이전트가 동일한 리소스를 경쟁적으로 접근할 때 발생할 수 있는 상태 충돌을 방지한다. 세션 격리는 단순히 실행 환경을 분리하는 것을 넘어 각 에이전트의 결과물이 메인 에이전트에 announce되는 명확한 결과 흐름 구조를 제공한다. Depth 2의 리프 워커는 Depth 1 오케스트레이터에 보고하고, Depth 1은 최종적으로 메인 에이전트에게 결과를 전달하는 위계적 구조가 작동한다.

멀티모델 프록시와 위원회 오케스트레이션: 단일 API를 통한 다중 엔진 운용

OpenClaw Claude Code 플러그인은 Anthropic의 Claude, OpenAI의 Codex, Gemini, Cursor Agent 등 복수의 AI 엔진을 Unified ISession 인터페이스로 추상화하여 하나의 통합 API로 접근할 수 있도록 설계되었다. 특히 Anthropic↔OpenAI 포맷 번역 핸들러를 통해 서로 다른 프로바이더 간의 형식 차이를 자동으로 변환하며 멀티모델 프록시 역할을 수행한다. 이 구조는 사용자가 특정 모델에 종속되지 않고 작업 성격에 따라 최적의 AI 엔진을 동적으로 선택할 수 있게 한다. 또한 위원회 오케스트레이션(Council Orchestration) 메커니즘은 git worktree 격리를 기반으로 복수의 에이전트가 합의 투표(consensus voting)와 2단계 프로토콜(plan then execute)로 협업할 수 있도록 지원한다. Ultrareview는 이 기능을 활용하여 5~20대의 버그 헌팅 에이전트를 병렬로 배포하고 각기 다른 시각에서 코드 검토를 수행하며, 최종적으로 합의된 결과를 메인 에이전트에 보고하는 워크플로우를 구현한다.

백그라운드 작업 추적과 동시성 제어: 대규모 에이전트 풀 관리

OpenClaw는 서브에이전트를 백그라운드 작업으로서 체계적으로 추적할 수 있는 메커니즘을 제공한다. /subagents list, sessions_list, sessions_history 명령어를 통해 각 서브에이전트의 상태, 타임스탬프, 세션 ID, 트랜스크립트 경로 등의 메타데이터를 실시간으로 모니터링할 수 있다. 동시성 제어는 'subagent'라는 전용 레인에서 이루어지며 기본값은 maxConcurrent=8로 설정되어 있다. 각 에이전트 세션당 최대 5개(maxChildrenPerAgent=5)의 활성 하위 에이전트를 지원하므로 이론상 최대 40개(8×5)의 동시 서브에이전트 실행이 가능하다. sessions_spawn 함수는 onComplete 콜백 메커니즘을 제공하여 모든 서브에이전트가 완료되면 메인 에이전트가 자동으로 결과를 수집하고 종합 보고서를 생성할 수 있다. 이 구조는 대규모 에이전트 풀을 효율적으로 관리하면서도 각 에이전트의 독립성을 보장하는 균형 잡힌 아키텍처를 제공한다. > 이 주제의 전체 맥락 방향성은 **8. 나는 더 이상 예전 방식으로 일하지 않는다.** 원본 글에 세밀하게 정리되어 있습니다. 더 깊게 탐구하고 싶다면 관련 내부 대표 문서(Pillar/Entity)를 참조하세요.

자주 묻는 질문

OpenClaw 서브에이전트의 세션 격리 구조는 왜 중요한가?

세션 격리는 각 서브에이전트가 메인 에이전트의 대화 이력을 공유하지 않고 명시적 명령만을 수신하도록 보장하여 독립적인 컨텍스트를 유지하게 한다. 이는 외부 간섭 없이 순수하게 주어진 작업에만 집중할 수 있게 하며, 여러 에이전트가 동일한 리소스를 접근할 때 발생할 수 있는 상태 충돌을 방지한다.

OpenClaw의 멀티모델 프록시 기능은 어떻게 작동하는가?

Claude Code 플러그인은 Claude, Codex, Gemini, Cursor Agent 등 복수의 AI 엔진을 Unified ISession 인터페이스로 추상화하고 Anthropic↔OpenAI 포맷 번역 핸들러를 통해 서로 다른 프로바이더 간의 형식 차이를 자동으로 변환한다. 이를 통해 사용자는 단일 API로 다중 모델을 동적으로 선택하여 운용할 수 있다.

서브에이전트 풀의 최대 동시 실행 용량은 얼마인가?

OpenClaw는 'subagent' 레인에서 maxConcurrent=8의 동시성 제한을 설정하고 각 에이전트 세션당 maxChildrenPerAgent=5의 하위 에이전트를 지원한다. 따라서 이론상 최대 40개(8×5)의 서브에이전트를 동시에 실행할 수 있는 병렬 처리 용량을 제공한다.

위원회 오케스트레이션은 어떤 협업 메커니즘을 제공하는가?

git worktree 격리를 기반으로 복수의 에이전트가 합의 투표와 2단계 프로토콜(plan then execute)로 협업할 수 있도록 지원한다. Ultrareview는 이 기능을 활용하여 5~20대의 버그 헌팅 에이전트를 병렬로 배포하고 각기 다른 시각에서 코드 검토를 수행한 뒤 합의된 결과를 보고하는 워크플로우를 구현한다.

관련 분석

에이전트 루프 구조 비교와 워크플로우 선택 기준바이브코딩의 핵심은 개발자가 코드를 직접 작성하는 대신 AI 에이전트에게 구현을 위임하는 패러다임에 있다. 그러나 같은 위임이라도 AI 에이전트가 얼마나 많은 판단을 스스로 하는지, 그 자율성의 수준과 구조는 도구마8단계 채널바인딩 바이브코딩 세션 분열을 방지하는 세션 응집력 기술ACP 8단계 채널바인딩은 메시지 라우팅 경로를 8단계 우선순위로 결정하는 메커니즘으로, LLM 토큰 비용 없이 결정적 메시지 배포를 실현한다. 서브에이전트 세션 격리와 결합된 이중 구조는 다중 에이전트 병렬 실행 8단계 채널바인딩이 격리와 결정론적 라우팅으로 세션 분열을 방지하는 기술적 구조ACP 의 8 단계 채널바인딩은 dmScope 격리와 결정론적 라우팅을 결합해 바이브코딩 환경에서 세션 분열을 근본적으로 차단한다. 해시 기반 경로 매핑으로 동일한 입력에 대해 항상 일관된 처리 경로를 보장하고, 물채널 바인딩이 세션 분열을 원천 차단하는 기술적 작동 원리OpenClaw ACP 는 채널 바인딩 메커니즘을 통해 단일 세션의 무한 분열을 원천적으로 방지한다. 8 단계 CID 바인딩 프로세스와 3 계층 게이트웨이 강제 정책이 결합되어, 각 메시지가 고유 식별자와 엄격한 유8단계 채널바인딩과 격리의 결정론적 메시지 라우팅 원리OpenClaw의 ACP 프로토콜은 물리적·논리적 이중 격리 구조를 통해 다중 에이전트 병렬 실행 중에도 세션 컨텍스트의 분열을 방지한다. dmScope는 cgroups와 네임스페이스 분리를 통해 단일 장애점을 구조