brief

서브에이전트 풀의 / 병렬 실행 아키텍처 인지 부담을 분산시키는 단계 구조

핵심 요약

OpenClaw 서브에이전트 풀은 FanOut/FanIn 패턴과 ACP 채널 바인딩을 활용해 복잡한 작업을 독립된 세션으로 분산 처리하며, maxConcurrent(8) 와 maxChildrenPerAgent(5) 로 병렬 실행을 제한한다. 3 단계 (오케스트레이터 - 워커 - 결과 합성) 인지 부담 분산 구조는 메인 에이전트의 컨텍스트 크기를 관리 가능 수준으로 유지하면서도 시스템 안정성과 처리량을 동시에 확보한다.

서브에이전트 풀의 병렬 실행 구조와 자원 제어 메커니즘

OpenClaw 의 서브에이전트 풀은 dedicated subagent 큐 레인을 통해 모든 실행을 관리하며, 전역 병렬 실행 수는 maxConcurrent(기본값 8) 로 엄격히 제한된다. 이는 시스템 전체의 CPU 와 메모리 자원이 과도하게 소모되는 것을 방지하면서도 충분히 높은 처리량을 유지하기 위한 설계다. 개별 세션당 활성 자식 에이전트 수 또한 maxChildrenPerAgent(기본값 5) 로 제어되어, 하나의 메인 에이전트가 너무 많은 하위 작업을 생성해 컨텍스트를 오염시키는 것을 원천 차단한다. 이러한 이중 제한 구조는 복잡한 다중 에이전트 협업 시에도 시스템이 안정적으로 동작할 수 있는 기반을 제공한다.

세션 격리와 최소 컨텍스트 주입의 보안 및 성능 효과

서브에이전트는 agent:<agentId>:subagent:<uuid> 형태의 고유 세션 키로 완전히 격리된 환경에서 실행된다. 이는 메인 에이전트의 대화 이력이나 개인 정보, Soul 파일 등을 전혀 상속하지 않음을 의미하며, 오직 AGENTS.md 와 TOOLS.md 의 최소한의 컨텍스트만 주입받아 작업을 수행한다. 이러한 설계는 두 가지 주요 효과를 제공한다: 첫째, 보안 측면에서 서브에이전트가 메인 에이전트의 민감한 데이터에 접근할 수 없어 정보 유출 위험을 원천 차단한다. 둘째, 성능 측면에서 각 서브에이전트가 불필요한 컨텍스트를 처리하지 않아도 되어 토큰 소모와 추론 시간이 크게 감소하며, 이는 곧 전체 파이프라인의 효율성 향상으로 직결된다.

FanOut/FanIn 패턴을 통한 인지 부담의 3 단계 분산

OpenClaw 의 FanOut/FanIn 패턴은 단일 오케스트레이터가 처리하기엔 너무 복잡한 작업을 여러 독립 서브에이전트에 병렬로 분배한 뒤, 각 결과물을 중앙에서 종합하는 2 단계 실행 체계를 제공한다. Fan-Out 단계에서는 오케스트레이터가 하위 작업들을 독립된 세션으로 분산하며, 각 워커 에이전트는 제한된 메모리와 토큰 내에서 특정 하위 목표만 처리한다. 이렇게 되면 메인 에이전트가 저장하고 관리해야 하는 컨텍스트 크기가 크게 감소하여 인지 부담이 자연스럽게 분산된다. Fan-In 단계에서는 ACP 채널 바인딩을 통해 모든 결과물이 중앙 오케스트레이터로 모이며, 최종 합성이 이루어진다. 이 3 단계 (오케스트레이터 - 워커 - 결과 합성) 구조는 단일 에이전트의 한계를 극복하고 복잡한 AI 파이프라인을 안정적으로 실행할 수 있게 한다.

비동기 spawn 과 푸시 기반 결과 전달의 실시간 처리 장점

sessions_spawn 명령은 블록킹 없이 즉시 run ID 를 반환하는 비동기 방식으로, 메인 에이전트가 서브에이전트 실행 완료를 기다리는 동안 다른 작업을 계속 수행할 수 있다. 이는 전통적인 동기 방식과 달리 대기 시간을 제거하고 전체 파이프라인의 처리량을 극대화한다. 또한 서브에이전트의 결과물은 폴링이 아닌 푸시 기반 알림 메커니즘으로 전달되며, ACP 채널 바인딩을 통해 요청 채널로 결정적으로 라우팅된다. 중첩 서브에이전트의 경우 상위 오케스트레이터로 연쇄 전달되어 계층적 작업 처리도 원활하게 지원한다. 이러한 실시간 비동기 구조는 대규모 데이터 처리나 복합 파이프라인에서 특히 효과적이다.

ACP 채널 바인딩을 통한 결과 통합과 중첩 서브에이전트 지원

OpenClaw 의 ACP(Agent Communication Protocol) 는 독립 세션 간 결과물이 요청 채널로 결정적으로 전달되도록 보장하는 내부 통신 추상화 계층이다. Fan-Out 단계에서 각 서브에이전트가 생성한 결과는 ACP 프로토콜을 통해 지정된 세션으로 라우팅되며, 이는 해시 기반 채널 식별과 물리적 격리를 통해 데이터 일관성을 유지한다. 특히 중첩 서브에이전트 구조에서도 상위 오케스트레이터로 결과가 연쇄 전달되어 복잡한 다단계 작업 흐름을 지원한다. 이 메커니즘은 분산된 여러 에이전트의 결과를 신뢰성 있게 통합하면서도, 각 세션의 격리성을 훼손하지 않는 독특한 장점을 제공한다. > 이 주제의 전체 맥락 방향성은 **바이브코딩에서 오픈클로까지** 원본 글에 세밀하게 정리되어 있습니다. 더 깊게 탐구하고 싶다면 관련 내부 대표 문서(Pillar/Entity)를 참조하세요.

자주 묻는 질문

OpenClaw 서브에이전트 풀의 병렬 실행 제한 파라미터는 무엇이며, 왜 필요한가?

maxConcurrent(기본값 8) 와 maxChildrenPerAgent(기본값 5) 로 전역 병렬 수와 개별 세션 자원을 제어한다. 이는 시스템 전체의 CPU 와 메모리 자원 과소모를 방지하면서도 충분히 높은 처리량을 유지하기 위한 필수 설계다.

서브에이전트의 세션 격리가 인지 부담 분산에 어떤 영향을 미치는가?

각 서브에이전트가 독립된 네임스페이스에서 실행되어 메인 에이전트의 대화 이력이나 개인 정보를 상속하지 않는다. 오직 AGENTS.md 와 TOOLS.md 만 최소 컨텍스트로 주입되므로, 각 에이전트가 처리하는 상태와 메모리량이 제한되어 전체 오케스트레이터의 인지 부하가 크게 감소한다.

FanOut/FanIn 패턴은 어떻게 인지 부담을 3 단계로 분산시키는가?

Fan-Out 단계에서 오케스트레이터가 작업을 독립된 세션으로 분산하고, 각 워커 에이전트는 제한된 토큰 내에서 특정 하위 목표만 처리한다. Fan-In 단계에서는 ACP 채널 바인딩을 통해 모든 결과물이 중앙으로 모이며 최종 합성이 이루어진다. 이 3 단계 (오케스트레이터 - 워커 - 결과 합성) 구조는 단일 에이전트의 한계를 극복하고 복잡한 AI 파이프라인을 안정적으로 실행할 수 있게 한다.

비동기 spawn 과 푸시 기반 결과 전달의 장점은 무엇인가?

sessions_spawn 은 블록킹 없이 즉시 run ID 를 반환해 메인 에이전트가 서브에이전트 완료를 기다리는 동안 다른 작업을 계속 수행할 수 있다. 결과물은 폴링이 아닌 푸시 기반 알림으로 ACP 채널 바인딩을 통해 요청 채널로 결정적으로 라우팅되며, 중첩 서브에이전트도 상위 오케스트레이터로 연쇄 전달된다.