agent-avengers

# 🦸 Agent Avengers > "어벤저스, 어셈블!" — 복잡한 태스크를 자동으로 에이전트 팀이 처리 ## 핵심 기능 1. **자동 태스크 분해** — 큰 작업을 독립적 서브태스크로 분할 2. **동적 에이전트 생성** — 각 태스크에 맞는 전문 에이전트 즉석 생성 3. **병렬 실행** — 독립 태스크는 동시 처리 4. **자동 통합** — 결과 수집, 검증, 병합 5. **완료 후 정리** — 임시 에이전트 자동 해제 ## 사용법 ### 기본 사용 ``` 사용자: "어벤저스 어셈블! [복잡한 태스크 설명]" ``` ### 예시 ``` "어벤저스 어셈블! 경쟁사 A, B, C 분석해서 비교 리포트 만들어줘" → 자동으로: 1. 태스크 분해 (3개 리서치 + 1개 통합) 2. 에이전트 3개 스폰 (각 회사 담당) 3. 병렬 리서치 실행 4. 결과 통합 에이전트가 최종 리포트 생성 5. 완료 보고 ``` --- ## 워크플로우 ``` ┌─────────────────────────────────────────────────────────────────┐ │ 🦸 AVENGERS ASSEMBLE │ ├─────────────────────────────────────────────────────────────────┤ │ │ │ 1️⃣ ANALYZE — 태스크 분석 및 분해 │ │ └─ 목표 파악 → 서브태스크 도출 → 의존성 매핑 │ │ │ │ 2️⃣ RECRUIT — 에이전트 팀 구성 │ │ └─ 각 서브태스크에 최적 에이전트 프로필 생성 │ │ └─ 에이전트 역할: 🔬연구 🖊️작성 🔍분석 ✅검토 🔧통합 │ │ │ │ 3️⃣ DEPLOY — 에이전트 스폰 및 태스크 할당 │ │ └─ sessions_spawn으로 병렬 실행 │ │ └─ 각 에이전트에 명확한 입력/출력 지정 │ │ │ │ 4️⃣ MONITOR — 진행 상황 추적 │ │ └─ 완료 대기, 실패 시 재시도 또는 대체 │ │ │ │ 5️⃣ ASSEMBLE — 결과 통합 │ │ └─ 모든 산출물 수집 → 검증 → 병합 │ │ │ │ 6️⃣ REPORT — 최종 보고 및 정리 │ │ └─ 사용자에게 결과 전달, 임시 리소스 정리 │ │ │ └─────────────────────────────────────────────────────────────────┘ ``` --- ## 에이전트 모드 ### 🔷 Mode 1: 기존 에이전트 활용 Gateway에 등록된 에이전트들을 조합하여 사용 ```javascript // 기존 에이전트에게 태스크 전달 sessions_send({ label: "watson", // 기존 에이전트 ID message: "X 리서치해줘", timeoutSeconds: 300 }) ``` **장점:** - 에이전트별 전문성/기억 유지 - Discord 채널 바인딩 활용 가능 - 지속적인 컨텍스트 ### 🔶 Mode 2: 임시 에이전트 스폰 태스크별로 일회성 에이전트 생성 ```javascript // 임시 서브에이전트 스폰 sessions_spawn({ task: "X 분석해줘", model: "sonnet", runTimeoutSeconds: 1800, cleanup: "delete" }) ``` **장점:** - 격리된 실행 - 완료 후 자동 정리 - 유연한 모델 선택 ### 🟣 Mode 3: 멀티 프로필 (봇 인스턴스) 다른 OpenClaw 프로필/봇을 팀에 참여시킴 ```yaml # 프로필 목록 예시 profiles: - name: "main" # 메인 봇 (카라얀) specialty: ["조율", "통합"] - name: "research-bot" # 리서치 전용 봇 specialty: ["심층조사", "데이터수집"] model: opus - name: "code-bot" # 코딩 전용 봇 specialty: ["개발", "테스트"] model: opus - name: "creative-bot" # 크리에이티브 봇 specialty: ["디자인", "콘텐츠"] model: gemini ``` **봇 간 통신:** ```javascript // 다른 프로필의 봇에게 태스크 전달 sessions_send({ sessionKey: "research-bot:main", // 프로필:세션 message: "심층 리서치 요청: X", timeoutSeconds: 600 }) ``` **장점:** - 봇별 전용 모델/설정 - 병렬 처리 능력 극대화 - 각 봇의 전문 스킬 활용 - 부하 분산 ### 🔷🔶🟣 Mode 4: 풀 하이브리드 (권장) 기존 에이전트 + 임시 스폰 + 멀티 프로필 통합 ``` 예시: "대규모 경쟁 분석 프로젝트" ┌─────────────────────────────────────────┐ │ 🟣 research-bot (별도 봇) │ │ └── 🔬 watson (에이전트) → A사 조사 │ │ └── 🔶 temp-1 (스폰) → B사 조사 │ ├─────────────────────────────────────────┤ │ 🟣 code-bot (별도 봇) │ │ └── 💻 분석 스크립트 작성 │ ├─────────────────────────────────────────┤ │ 🔷 main (카라얀) │ │ └── 🔧 결과 통합 + 리포트 생성 │ └─────────────────────────────────────────┘ ``` --- ## 프로필 설정 ### `avengers.yaml` 프로필 섹션 ```yaml profiles: # 메인 봇 (오케스트레이터 역할) main: role: orchestrator canSpawn: true canDelegate: true # 리서치 전용 봇 research-bot: role: specialist specialty: ["research", "analysis", "data"] model: "anthropic/claude-opus-4-5" gateway: "localhost:3001" # 별도 포트 # 코딩 전용 봇 code-bot: role: specialist specialty: ["coding", "testing", "debugging"] model: "anthropic/claude-opus-4-5" gateway: "localhost:3002" # 크리에이티브 봇 creative-bot: role: specialist specialty: ["design", "image", "content"] model: "google/gemini-2.5-pro" gateway: "localhost:3003" ``` ### 프로필 간 통신 프로토콜 ```javascript // 1. 프로필 상태 확인 const profiles = await checkProfileStatus([ "research-bot", "code-bot", "creative-bot" ]) // 2. 사용 가능한 프로필에 태스크 분배 for (const task of tasks) { const bestProfile = matchProfileToTask(task, profiles) if (bestProfile.type === "external") { // 다른 봇에게 전달 await sendToProfile(bestProfile.name, task) } else if (bestProfile.type === "agent") { // 현재 봇의 에이전트에게 await sessions_send({ label: bestProfile.agentId, message: task }) } else { // 임시 스폰 await sessions_spawn({ task: task.description }) } } // 3. 모든 프로필 완료 대기 await waitForAllProfiles(assignedTasks) // 4. 결과 수집 및 통합 const results = await collectFromProfiles(assignedTasks) ``` --- ## 에이전트 타입 | 타입 | 이모지 | 역할 | 모델 추천 | |------|--------|------|-----------| | **Researcher** | 🔬 | 웹 검색, 데이터 수집 | sonnet | | **Analyst** | 🔍 | 데이터 분석, 패턴 발견 | opus | | **Writer** | 🖊️ | 콘텐츠 작성, 문서화 | sonnet | | **Coder** | 💻 | 코드 구현, 테스트 | opus | | **Reviewer** | ✅ | 품질 검토, 피드백 | opus | | **Integrator** | 🔧 | 결과 병합, 최종 산출물 | sonnet | --- ## 기존 에이전트 연동 ### 에이전트 목록 확인 ```javascript // 활성 에이전트 조회 sessions_list({ kinds: ["agent"], limit: 10 }) // 또는 agents_list()로 등록된 에이전트 ID 확인 agents_list() ``` ### 에이전트별 전문 분야 매핑 `avengers.yaml`에 정의: ```yaml agents: watson: type: researcher specialty: "심층 리서치, 경쟁 분석" priority: high picasso: type: creator specialty: "이미지 생성, 디자인" priority: medium coder-bot: type: coder specialty: "코드 구현, 디버깅" priority: high ``` ### 자동 에이전트 선택 태스크 분석 시 적합한 기존 에이전트 자동 매칭: ``` 태스크: "A사 경쟁 분석" → watson (researcher, 심층 리서치) ✅ 매칭 태스크: "인포그래픽 만들기" → picasso (creator, 디자인) ✅ 매칭 태스크: "API 연동 코드 작성" → coder-bot (coder) ✅ 매칭 태스크: "B사 조사" (전문 에이전트 없음) → temp-researcher 스폰 🔶 ``` --- ## 실행 방법 ### Phase 1: 태스크 분석 사용자의 요청을 받으면: ```markdown ## 태스크 분석 **원본 요청:** [사용자 요청 전문] **목표:** [최종 산출물] **서브태스크:** 1. [태스크1] - 담당: [에이전트타입] - 의존성: 없음 2. [태스크2] - 담당: [에이전트타입] - 의존성: 없음 3. [태스크3] - 담당: [에이전트타입] - 의존성: 1,2 **병렬 실행 가능:** 1, 2 **순차 실행 필요:** 3 (1,2 완료 후) ``` ### Phase 2: 에이전트 구성 #### Step 2a: 기존 에이전트 확인 ```javascript // 사용 가능한 에이전트 목록 const availableAgents = agents_list() const activeAgents = sessions_list({ kinds: ["agent"] }) ``` #### Step 2b: 태스크-에이전트 매칭 ```markdown ## 에이전트 배정 | 서브태스크 | 배정 | 모드 | 이유 | |------------|------|------|------| | A사 리서치 | watson | 기존 | 리서치 전문가 | | B사 리서치 | temp-1 | 스폰 | 추가 리소스 필요 | | C사 리서치 | temp-2 | 스폰 | 추가 리소스 필요 | | 통합 리포트 | temp-integ | 스폰 | 일회성 작업 | ``` #### Step 2c: 실행 계획 ```markdown ## 실행 순서 **Phase A (병렬):** - watson → A사 리서치 - temp-1 → B사 리서치 - temp-2 → C사 리서치 **Phase B (순차, Phase A 완료 후):** - temp-integrator → 결과 통합 ``` ### Phase 3: 에이전트 디스패치 #### 기존 에이전트 활용 ```javascript // 기존 에이전트에게 태스크 전달 sessions_send({ label: "watson", message: ` ## 태스크: A사 경쟁 분석 ### 요청 - 회사 개요 - 주요 제품/서비스 - 시장 포지션 - 강점/약점 ### 출력 형식 마크다운 리포트 ### 완료 후 "A사 분석 완료" 라고 알려줘 `, timeoutSeconds: 600 }) ``` #### 임시 에이전트 스폰 ```javascript sessions_spawn({ task: ` [에이전트 역할 설명] ## 태스크 ${subtask.description} ## 입력 ${subtask.inputs} ## 기대 출력 ${subtask.expectedOutput} ## 완료 조건 ${subtask.successCriteria} `, model: subtask.recommendedModel, runTimeoutSeconds: 1800, cleanup: "delete" }) ``` ### Phase 3: 결과 통합 모든 에이전트 완료 후: 1. 각 에이전트의 산출물 수집 2. 품질 검증 (성공 기준 충족 여부) 3. 충돌 해결 (겹치는 내용) 4. 최종 산출물 생성 5. 사용자에게 전달 --- ## 예시 시나리오 ### 시나리오 1: 경쟁사 분석 (하이브리드 모드) ``` 입력: "어벤저스 어셈블! A사, B사, C사 경쟁 분석 리포트" 에이전트 구성: ├── 🔬 watson (기존) → A사 조사 (전문성 활용) ├── 🔬 temp-researcher-1 (스폰) → B사 조사 ├── 🔬 temp-researcher-2 (스폰) → C사 조사 └── 🔧 temp-integrator (스폰) → 비교 리포트 작성 실행: 1. watson에게 sessions_send로 A사 태스크 전달 2. temp-1, temp-2 병렬 스폰 3. 3개 모두 완료 대기 4. temp-integrator 스폰, 결과 통합 5. 최종 리포트 전달 ``` ### 시나리오 2: 앱 개발 (전체 스폰) ``` 입력: "어벤저스 어셈블! 날씨 앱 만들어줘" 에이전트 구성: ├── 🔍 temp-analyst → 요구사항 정의 ├── 💻 temp-frontend → UI 구현 ├── 💻 temp-backend → API 연동 ├── ✅ temp-reviewer → 코드 리뷰 └── 🔧 temp-integrator → 통합 및 테스트 실행: 1. Analyst 먼저 (요구사항 도출) 2. Frontend/Backend 2명 병렬 3. Reviewer가 검토 4. Integrator가 통합 테스트 5. 완성된 앱 전달 ``` ### 시나리오 3: 기존 에이전트 팀 활용 ``` 입력: "어벤저스 어셈블! watson이랑 picasso 써서 리서치 + 인포그래픽" 에이전트 구성: ├── 🔬 watson (기존) → 심층 리서치 └── 🎨 picasso (기존) → 인포그래픽 제작 (watson 완료 후) 실행: 1. sessions_send(watson, "리서치 태스크") 2. watson 완료 대기 3. sessions_send(picasso, "인포그래픽 태스크 + watson 결과") 4. 최종 전달 ``` ### 시나리오 4: 멀티 프로필 대규모 프로젝트 ``` 입력: "어벤저스 어셈블! 전체 봇 동원해서 신규 서비스 기획부터 개발까지" 프로필 구성: ┌─────────────────────────────────────────┐ │ 🟣 research-bot │ │ └── 시장 조사 + 경쟁사 분석 │ ├─────────────────────────────────────────┤ │ 🟣 creative-bot │ │ └── UI/UX 디자인 + 브랜딩 │ ├─────────────────────────────────────────┤ │ 🟣 code-bot │ │ └── 프론트엔드 + 백엔드 개발 │ ├─────────────────────────────────────────┤ │ 🔷 main (카라얀) │ │ └── 오케스트레이션 + 최종 통합 │ └─────────────────────────────────────────┘ 실행: 1. research-bot에 시장 조사 요청 2. 조사 완료 → creative-bot에 디자인 요청 3. 디자인 완료 → code-bot에 개발 요청 4. main이 전체 통합 및 QA 5. 최종 산출물 전달 ``` --- ## 가드레일 ### 자동 중단 조건 - 에이전트 실패 3회 연속 - 전체 타임아웃 초과 (기본 2시간) - 사용자 취소 요청 ### 안전 장치 - 각 에이전트는 격리된 세션에서 실행 - 파일 수정은 지정된 출력 경로만 허용 - 외부 API 호출은 승인된 것만 --- ## 설정 ### 기본값 ```yaml avengers: maxAgents: 5 # 동시 에이전트 수 (기존+스폰 합산) maxProfiles: 4 # 동시 사용 프로필 수 timeoutMinutes: 120 # 전체 타임아웃 retryCount: 2 # 실패 시 재시도 defaultModel: "sonnet" # 스폰 에이전트 기본 모델 cleanupOnComplete: true # 완료 후 임시 에이전트 정리 preferExisting: true # 기존 에이전트 우선 사용 useMultiProfile: true # 멀티 프로필 모드 활성화 ``` ### 프로필 설정 ```yaml profiles: main: role: orchestrator gateway: "localhost:3000" research-bot: role: specialist specialty: ["research", "analysis"] model: opus gateway: "localhost:3001" code-bot: role: specialist specialty: ["coding", "testing"] model: opus gateway: "localhost:3002" creative-bot: role: specialist specialty: ["design", "content"] model: gemini gateway: "localhost:3003" ``` ### 에이전트 매핑 ```yaml agents: # 기존 에이전트 정의 watson: type: researcher specialty: ["리서치", "경쟁분석", "시장조사"] model: opus picasso: type: creator specialty: ["이미지", "디자인", "인포그래픽"] model: gemini-flash coder-bot: type: coder specialty: ["코딩", "API", "백엔드", "프론트엔드"] model: opus # 스폰 에이전트 템플릿 templates: researcher: model: sonnet timeout: 1800 analyst: model: opus timeout: 1200 writer: model: sonnet timeout: 900 coder: model: opus timeout: 2400 ``` --- ## 🌟 창발적 협업 패턴 ### 1. 🗳️ 경쟁 드래프트 (Competitive Draft) 동일 태스크를 여러 에이전트가 독립적으로 수행 → 결과 비교 → 최고안 선택 ``` 태스크: "마케팅 전략 수립" ├── 🔷 watson → 전략 A (데이터 기반) ├── 🔶 temp-strategist-1 → 전략 B (창의적) ├── 🟣 creative-bot → 전략 C (감성적) └── 🗳️ 투표/평가 → 최고안 선택 또는 하이브리드 장점: 다양한 관점, 최적해 도출 ``` ### 2. 🎭 역할 순환 (Role Rotation) 진행 중 역할을 바꿔서 신선한 시각 확보 ``` Round 1: ├── Agent A: 아이디어 제안 ├── Agent B: 비평 └── Agent C: 개선 Round 2 (순환): ├── Agent B: 아이디어 제안 ├── Agent C: 비평 └── Agent A: 개선 → 고착화 방지, 다각적 검토 ``` ### 3. ⚔️ 적대적 협력 (Adversarial Collaboration) 한 에이전트가 만들면 다른 에이전트가 공격적으로 비판 → 반복 ``` Creator ──→ 초안 작성 ↓ Critic ──→ "이건 왜 틀렸는가" 공격 ↓ Creator ──→ 방어 및 개선 ↓ Critic ──→ 재공격 ↓ (3라운드 반복) ↓ Arbiter ──→ 최종 판정 결과: 훨씬 견고한 산출물 ``` ### 4. 🧬 진화적 선택 (Evolutionary Selection) 여러 솔루션 생성 → 평가 → 상위권 교배 → 반복 ``` Generation 1: ├── Solution A (점수: 7) ├── Solution B (점수: 8) ✓ ├── Solution C (점수: 5) └── Solution D (점수: 9) ✓ Generation 2: ├── B + D 하이브리드 → E ├── D 변형 → F └── B 변형 → G ... 3세대 반복 → 최적해 ``` ### 5. 🐝 스웜 인텔리전스 (Swarm Intelligence) 많은 마이크로 에이전트가 작은 조각 처리 → 창발적 결과 ``` 태스크: "100개 기업 분석" Swarm: ├── micro-1 → 기업 1-10 ├── micro-2 → 기업 11-20 ├── micro-3 → 기업 21-30 ... └── micro-10 → 기업 91-100 Aggregator → 패턴 발견, 통합 인사이트 ``` ### 6. 🔗 체인 릴레이 (Chain Relay) 한 에이전트의 출력이 다음 에이전트의 입력 (변형 전달) ``` Agent A: 원시 데이터 수집 ↓ (데이터) Agent B: 패턴 추출 ↓ (패턴) Agent C: 인사이트 도출 ↓ (인사이트) Agent D: 액션 아이템 생성 ↓ (계획) Agent E: 실행 각 단계에서 가치 증폭 ``` ### 7. 💭 합의 프로토콜 (Consensus Protocol) 모든 에이전트가 동의해야 진행 ``` Proposal: "이 방향으로 가자" ├── Agent A: 동의 ✓ ├── Agent B: 반대 ✗ (이유: X) ├── Agent C: 동의 ✓ └── Agent D: 조건부 동의 → 반대 의견 해소 후 재투표 → 만장일치 → 진행 위험한 결정에 안전장치 ``` ### 8. 🎪 크로스 도메인 잼 (Cross-Domain Jam) 완전히 다른 분야의 에이전트가 협업 ``` 태스크: "혁신적인 앱 아이디어" ├── 🎨 Art-Agent: 예술적 관점 ├── 🔬 Science-Agent: 기술적 관점 ├── 📚 History-Agent: 역사적 패턴 ├── 🎮 Game-Agent: 게이미피케이션 └── 🧘 Philosophy-Agent: 윤리적 고려 → 예상치 못한 조합에서 혁신 탄생 ``` ### 9. 🪞 메타 관찰자 (Meta Observer) 다른 에이전트들을 관찰하고 코칭하는 에이전트 ``` Working Agents: ├── Agent A (작업 중) ├── Agent B (작업 중) └── Agent C (작업 중) Meta-Observer: ├── 패턴 감지: "A와 B가 중복 작업 중" ├── 개입: "B는 다른 방향 시도해봐" ├── 조언: "C의 접근법을 A도 참고해" └── 학습: 성공 패턴 기록 팀 전체 효율성 향상 ``` ### 10. ⏰ 시간 분리 협업 (Time-Horizon Split) 같은 문제를 다른 시간 관점으로 접근 ``` 태스크: "비즈니스 전략" ├── 🏃 Sprint-Agent: 다음 주 할 일 ├── 🚶 Quarter-Agent: 분기 계획 ├── 🧘 Year-Agent: 연간 비전 └── 🔮 Decade-Agent: 장기 트렌드 → 단기-장기 균형 잡힌 전략 ``` ### 11. 🎰 태스크 경매 (Task Auction) 에이전트가 자신감 기반으로 태스크에 입찰 ``` Task: "복잡한 API 설계" Bids: ├── code-bot: 신뢰도 92%, 예상 시간 2h ├── watson: 신뢰도 65%, 예상 시간 4h └── temp-agent: 신뢰도 78%, 예상 시간 3h → code-bot 낙찰 (최고 신뢰도) → 실패 시 차순위 시도 ``` ### 12. 🧠 공유 메모리 실시간 동기화 ``` Shared Memory Pool: ┌────────────────────────────────────────┐ │ discoveries/ │ │ ├── agent-a-finding-1.md │ │ ├── agent-b-insight-2.md │ │ └── agent-c-connection-3.md │ │ │ │ 모든 에이전트가 실시간 읽기/쓰기 │ │ → 발견 즉시 공유 → 시너지 │ └────────────────────────────────────────┘ ``` --- ## 통합 이 스킬은 다음 스킬들의 기능을 통합: - **agent-council** — 에이전트 생성 패턴 - **agent-orchestrator** — 태스크 분해 및 조율 패턴 기존 스킬들과 함께 사용 가능. --- ## 트리거 키워드 - `어벤저스 어셈블` - `avengers assemble` - `agent-avengers` - `멀티에이전트 자동화` - `에이전트 팀 구성` --- ## 예시 프롬프트 ``` "어벤저스 어셈블! 다음 작업을 팀으로 처리해줘: [작업 설명]" "avengers assemble - 이 프로젝트를 병렬로 진행해줘" "멀티에이전트로 자동 처리해줘: [복잡한 요청]" ```