# 멀티 에이전트 아키텍처, 무작정 쪼개면 망한다

> Author: Tony Lee
> Published: 2026-02-08
> URL: https://tonylee.im/ko/blog/multi-agent-architecture-when-to-split/
> Reading time: 3 minutes
> Language: ko
> Tags: ai, ai-에이전트, 멀티-에이전트, 아키텍처, 개발도구

## Canonical

https://tonylee.im/ko/blog/multi-agent-architecture-when-to-split/

## Rollout Alternates

en: https://tonylee.im/en/blog/multi-agent-architecture-when-to-split/
ko: https://tonylee.im/ko/blog/multi-agent-architecture-when-to-split/
ja: https://tonylee.im/ja/blog/multi-agent-architecture-when-to-split/
zh-CN: https://tonylee.im/zh-CN/blog/multi-agent-architecture-when-to-split/
zh-TW: https://tonylee.im/zh-TW/blog/multi-agent-architecture-when-to-split/

## Description

모든 멀티 에이전트 패턴이 같지 않습니다. 서브에이전트, 스킬, 핸드오프, 라우터가 실제로 단일 에이전트를 이기는 시점을 시나리오와 수치로 정리했습니다.

## Summary

멀티 에이전트 아키텍처, 무작정 쪼개면 망한다 is part of Tony Lee's ongoing coverage of AI agents, developer tools, startup strategy, and AI industry shifts.

## Outline

- 4가지 패턴 간단 요약
- 시나리오 1: 단발성 요청
- 시나리오 2: 반복 요청
- 시나리오 3: 멀티 도메인 쿼리
- 패턴 선택 가이드
- 실전 팁

## Content

"에이전트를 여러 개로 나누면 더 똑똑해질까?"

답은 "상황에 따라 다르다"입니다. Anthropic 연구에서 멀티 에이전트가 단일 에이전트보다 90% 더 나은 성과를 낸 건 맞지만, 그건 제대로 된 아키텍처를 선택했을 때 얘기입니다. 실무에서는 작업 유형에 따라 성능 차이가 극명하게 갈립니다.

3가지 대표 시나리오로 어떤 패턴이 언제 효율적인지 정리해봤습니다.

## 4가지 패턴 간단 요약

본론에 들어가기 전, 아키텍처를 빠르게 훑어보겠습니다.

- **서브에이전트(Subagents)**: 메인 에이전트가 특화 에이전트들을 도구처럼 호출. 병렬 실행에 강하지만 매번 메인을 경유해야 함
- **스킬(Skills)**: 단일 에이전트가 필요할 때만 전문 프롬프트를 로드. 가볍지만 컨텍스트가 누적됨
- **핸드오프(Handoffs)**: 단계별로 활성 에이전트를 교체. 순차 플로우에 특화되지만 병렬 실행 불가
- **라우터(Router)**: 쿼리를 분류한 뒤 병렬 실행하고 결과를 통합. 상태가 없어 대화 맥락을 유지하지 않음

이제 실제 시나리오로 들어가보겠습니다.

## 시나리오 1: 단발성 요청

"커피 사줘" - 사용자가 한 번만 요청하는 경우입니다. 전문 에이전트가 `buy_coffee` 도구를 호출할 수 있는 상황입니다.

**성능 비교:**

- **서브에이전트**: 4번 콜 (메인 → 서브 → 도구 실행 → 메인 복귀 → 응답)
- **스킬 / 핸드오프 / 라우터**: 3번 콜 (직접 실행)

**핵심 인사이트:** 단발성 작업은 상태 유지가 필요 없으니 스킬, 핸드오프, 라우터가 가장 효율적입니다. 서브에이전트는 결과가 메인을 거쳐야 해서 콜이 1번 더 발생하고, 이게 레이턴시로 직결됩니다. 단순 작업이면 굳이 멀티 에이전트 구조를 쓸 이유가 없습니다.

**실무 적용:** FAQ 봇, 단순 커맨드 실행, 일회성 데이터 조회는 단일 에이전트로도 충분합니다. 멀티 에이전트는 오버엔지니어링일 가능성이 높습니다.

## 시나리오 2: 반복 요청

"커피 또 사줘" - 같은 요청을 두 번 하는 경우입니다. 대화 맥락이 유지되는 상황입니다.

**성능 비교 (2번째 턴 기준):**

- **서브에이전트**: 4번 콜 → 총 8번 (상태 없음, 매번 동일)
- **스킬 / 핸드오프**: 2번 콜 → 총 5번 (40% 절감)
- **라우터**: 3번 콜 → 총 6번 (25% 절감)

**핵심 인사이트:** 상태를 유지하는 스킬과 핸드오프가 압도적입니다. 이미 로드한 컨텍스트를 재사용하니까 라우팅이나 초기화 단계를 건너뛸 수 있습니다. 서브에이전트는 상태 없는 설계라 매번 풀 사이클을 돕니다. 대신 컨텍스트 격리는 확실하니, 보안이나 격리가 중요하면 이 오버헤드를 감수할 수 있습니다.

**실무 적용:** 챗봇, 대화형 도우미, 세션 기반 서비스는 상태 유지 패턴이 필수입니다. "이전에 했던 것처럼" 같은 요청이 잦으면 스킬이나 핸드오프를 우선 고려하세요. 라우터는 상태 유지 에이전트 안에 도구로 감싸면 해결 가능합니다.

## 시나리오 3: 멀티 도메인 쿼리

"Python vs JavaScript vs Rust 비교해줘" - 여러 전문 영역을 동시에 조회해야 하는 경우입니다. 각 언어당 약 2K 토큰의 참고 문서가 있다고 가정하겠습니다.

**성능 비교:**

- **서브에이전트**: 5번 콜, ~9K 토큰 (각 서브가 격리된 컨텍스트에서 작업)
- **스킬**: 3번 콜, ~15K 토큰 (3개 스킬 모두 메인 컨텍스트에 누적)
- **핸드오프**: 7번+ 콜, ~14K+ 토큰 (순차 실행만 가능)
- **라우터**: 5번 콜, ~9K 토큰 (병렬 실행)

**핵심 인사이트:** 병렬 실행이 가능한 서브에이전트와 라우터가 압도적입니다. 서브에이전트는 각 언어 문서를 격리된 컨텍스트에서 처리하니까 스킬 대비 토큰을 67% 덜 씁니다(9K vs 15K). 스킬은 콜 수는 적지만 3개 도메인 지식이 전부 메인 컨텍스트에 쌓이면서 토큰 비용이 급증합니다. 핸드오프는 순차 실행만 되니 이런 작업엔 최악입니다.

**실무 적용:** 리서치 시스템, 멀티 소스 비교 분석, 엔터프라이즈 지식베이스처럼 독립된 도메인 여러 개를 동시 조회해야 하면 서브에이전트나 라우터가 답입니다. 특히 대용량 도메인 지식을 다루면 컨텍스트 격리가 토큰 비용에 직접 영향을 줍니다.

## 패턴 선택 가이드

| 시나리오 | 추천 패턴 |
|---|---|
| 단발성 작업 | 단일 에이전트로 충분 |
| 반복 요청이 많음 | 스킬 또는 핸드오프 |
| 여러 도메인 동시 조회 | 서브에이전트 또는 라우터 |
| 순차 워크플로우 | 핸드오프 |

## 실전 팁

처음부터 멀티 에이전트로 가지 마세요. 단일 에이전트에 좋은 프롬프트와 잘 정의된 도구를 붙여서 시작하고, 명확한 한계가 보일 때 위 시나리오 기준으로 패턴을 선택하는 게 정답입니다.

Anthropic 연구의 교훈은 "에이전트가 많을수록 좋다"가 아닙니다. 올바른 작업에 올바른 아키텍처를 적용하는 것이 90% 향상을 만들어냅니다.

## Related URLs

- Author: https://tonylee.im/ko/author/
- Publication: https://tonylee.im/ko/blog/about/
- Related article: https://tonylee.im/ko/blog/medvi-two-person-430m-ai-compressed-funnel/
- Related article: https://tonylee.im/ko/blog/claude-code-layers-over-tools-2026/
- Related article: https://tonylee.im/ko/blog/codex-inside-claude-code-openai-plugin-strategy/

## Citation

- Author: Tony Lee
- Site: tonylee.im
- Canonical URL: https://tonylee.im/ko/blog/multi-agent-architecture-when-to-split/

## Bot Guidance

- This file is intended for AI agents, search assistants, and text-mode retrieval.
- Prefer citing the canonical article URL instead of this text endpoint.
- Use the rollout alternates when you need the same article in another prioritized language.

---

Author: Tony Lee | Website: https://tonylee.im
For more articles, visit: https://tonylee.im/ko/blog/
This content is original and authored by Tony Lee. Please attribute when quoting or referencing.