제품

Claude Duet 출시, 멀티 Agent 협업의 핵심은 대화가 아니라 제어

Anthropic이 공개한 Claude Duet는 여러 AI Agent가 나란히 대화하는 방식을 넘어, 작업 분배부터 정보 전달, 결과 검토까지 사용자가 직접 관리하고 개입할 수 있는 협업 환경을 지향한다. 공개된 정보만으로는 구현 방식과 제품 성숙도를 판단하기 어렵다.

글자 크기

Anthropic이 Claude Duet를 출시했다. 주목할 점은 대화창이 하나 늘었다는 사실이 아니다. 여러 AI Agent의 작업 분배, 정보 교환, 결과 검증을 하나의 협업 흐름 안으로 묶었다는 데 있다.

Claude Duet 출시: 멀티 Agent 협업은 대화창을 늘리는 일이 아니다

Anthropic은 Claude Duet 제품 페이지를 공개했다.

공개된 뉴스 요약은 Claude Duet를 단순한 모델 성능 업데이트가 아니라 사용자를 위한 Agent 제품으로 소개한다. 핵심 역시 대화창을 하나 더 추가한 데 있지 않다.

더 정확히 말하면, Anthropic은 여러 AI Agent의 협업 과정을 사용자가 직접 조정할 수 있도록 하려는 것이다.

이 기능은 요소를 나누어 살펴볼 필요가 있다.

먼저 제품을 확인하고 성급한 결론은 피하자

‘Duet’라는 이름은 보통 두 역할의 협업을 떠올리게 한다. 그러나 제품명은 기술 문서가 아니다.

‘Duet’이라는 명칭만으로 협업, 이중 역할 또는 여러 실행 주체 간의 상호작용을 추론할 수는 있지만, 구체적인 구현 방식을 확인할 수는 없다. 특히 ‘두 Claude Agent가 특정 고정 구조로 동작한다’고 단정할 근거는 없다.

현재 확인 가능한 정보는 주로 세 가지다.

  • Anthropic이 Claude Duet 제품 페이지를 공개했다.
  • 공개된 뉴스 요약은 이를 사용자를 위한 Agent 제품으로 설명한다.
  • 단순한 모델 성능 업데이트가 아니다.

현재 공개된 자료에는 Claude Duet의 가격, 출시일, 성능 데이터, 기술 구현에 관한 내용이 없다. 따라서 메시지 버스, 상태 그래프, 작업 대기열 또는 제품 계층의 에이전트 오케스트레이션 가운데 어떤 방식을 채택했는지는 판단하기 이르다.

우선 이 범위를 정해야 한다. 그렇지 않으면 제품 이름을 이미 구현된 사실처럼 취급하기 쉽다.

Duet의 반직관적인 점: 협업은 병렬 대화가 아니다

대화창을 여러 개 여는 것은 멀티 Agent 협업이 아니다.

병렬 대화는 ‘여러 질문을 동시에 묻는’ 문제를 해결한다. 진정한 협업에서는 다음 네 가지를 처리해야 한다.

  1. 작업을 어떻게 나눌 것인가.
  2. 중간 결과를 어떻게 전달할 것인가.
  3. 서로 다른 Agent의 결론이 충돌할 때 어떻게 할 것인가.
  4. 최종 결과를 누가 검증할 것인가.

예를 들어 Agent 오케스트레이션 Demo를 만든다고 하자. 일반적으로 작업을 ‘코드 읽기’, ‘테스트 설계’, ‘실행 검증’ 세 부분으로 나눌 수 있다.

아래는 실행 가능한 Python 예시다. Claude Duet에 의존하지는 않지만, 일반적인 단일 어시스턴트와 멀티 Agent 워크플로의 차이를 보여준다.

from dataclasses import dataclass
from typing import Callable

@dataclass
class Task:
    name: str
    run: Callable[[str], str]

def plan(task: str) -> str:
    return f"计划:{task}"

def implement(plan_text: str) -> str:
    return f"实现依据:{plan_text}\n代码:print('ok')"

def verify(code: str) -> str:
    return "验证通过:输出为 ok"

tasks = [
    Task("plan", plan),
    Task("implement", implement),
    Task("verify", verify),
]

state = "把任务实现并验证"
for task in tasks:
    state = task.run(state)
    print(f"[{task.name}] {state}")

이 코드는 여전히 고정된 파이프라인이다. 상태는 순서대로 전달되고, 충돌은 프로그램 로직에 미리 설정되어 있다. Agent가 그 자리에서 협상하는 방식은 아니다.

Claude Duet가 정말로 멀티 Agent 협업을 사용자가 조정할 수 있게 한다면, 핵심은 호출 횟수를 늘리는 데 있지 않다. 다음 세 가지를 보이고 개입 가능하게 만드는 데 있다.

  • 누가 어떤 작업을 맡았는지.
  • 누가 제공하는 정보에 의존하는지.
  • 누가 최종 산출물을 검사하는지.

멀티 Agent의 어려움은 보통 도구를 호출할 수 있는지가 아니다. 도구 호출은 국소적인 동작이다.真正的 문제는 시스템 전체에 걸친 산출물 관리에 있다.

단일 어시스턴트에서 협업 에이전트로

일반적인 Claude 대화는 다음 형태에 가깝다.

用户提出任务 → Claude 规划并执行 → 用户检查最终结果

Claude Duet가 지향하는 제품 방식은 다음에 더 가깝다.

用户分配任务 → 多个 Agent 交换信息 → 用户审阅冲突与结果

세 단계로 이해할 수 있다.

1. 작업 분배

‘이 프로젝트를 완성해 줘’라고만 말하지 말고, 경계가 분명한 산출물부터 나눈다.

예를 들면 다음과 같다.

  • Agent A: 기존 API와 데이터 구조를 분석한다.
  • Agent B: 인터페이스와 단위 테스트를 구현한다.
  • Agent C: 호출자 관점에서 인수 테스트를 수행한다.

각 작업에는 입력, 출력, 인수 조건이 명확히 정의되어야 한다.

2. 정보 교환

협업 에이전트의 핵심은 각 에이전트가 얼마나 똑똑한지가 아니라, 상위 단계의 산출물을 하위 단계에 안정적으로 전달할 수 있는지다.

Agent B에 필요한 것은 API 계약과 제약 조건이지 Agent A의 전체 대화 기록이 아니다. Agent C에 필요한 것은 실행 가능한 결과와 인수 체크리스트지, 수요를 처음부터 다시 추측하는 과정이 아니다.

‘컨텍스트 공유’를 너무 가볍게 말하는 이유가 여기에 있다. 실제로 관리해야 하는 것은 어떤 정보를 하위 단계에 전달할지, 어떤 과정을 상위 단계에 남겨 둘지, 어떤 민감한 내용을 다음 단계에 넘기지 말지다.

3. 결과 검토

멀티 Agent 시스템은 ‘단계가 많으므로 결과가 더 신뢰할 만하다’라는 착시를 만든다.

실제로는 반대일 때가 많다. Agent가 많아질수록 오류가 결론처럼 포장되기 쉬워진다.

엔지니어가 확인해야 하는 것은 누가 무엇을 말했는지가 아니라, 최종 산출물이 테스트를 통과하고 제약을 충족하며 원래 요구사항과 일치하는지다.

Claude Duet의 제품 설계가 사용자가 작업 전달, 충돌 처리, 결과 검토에 직접 개입할 수 있게 한다면, 그 가치는 모델 매개변수가 아니라 워크플로 제어 계층에 있다.

的关注度背后,开发者在追问边界

공개 자료에 따르면 Claude Duet의 Hacker News 항목은 203점과 댓글 175개를 기록했다.

이런 높은的关注도는 개발자들이 멀티 Agent 협업에 관심을 갖고 있음을 보여준다. 하지만关注도는 도입률이 아니며, 제품이 성숙했다는 증거도 아니다.

개발자들은 아마 다음과 같은 질문을 던질 것이다.

  • 여러 Agent는 병렬로 실행되는가, 단계별로 작업을 넘기는가?
  • 컨텍스트는 어떻게 전달되는가? token이 중복 소비되지는 않는가?
  • Agent 사이의 충돌은 어떻게 해결하는가?
  • 사용자가 특정 중간 단계를 되돌리거나 다시 실행하거나 수정할 수 있는가?
  • 권한 격리, 도구 샌드박스, 감사 로그가 제공되는가?
  • 가격은 어떻게 계산되는가? Agent, 단계, 전체 호출량 중 무엇을 기준으로 하는가?

현재 공개된 뉴스 요약에는 가격, 출시일, 성능 데이터, 기술 구현에 관한 정보가 없다. 즉 커뮤니티가 지금 논의하는 것은 제품 방향이지 재현 가능한 엔지니어링 지표가 아니다.

现阶段는 충분한 자료가 없어 benchmark를 수행할 수 없고, LangGraph, AutoGen, CrewAI와 책임 있게 비교할 수도 없다. Hacker News의 203점과 댓글 175개를 성능 증거로 사용하는 것은关注도를 기술 결과로 오인하는 것이다.

Duet는 새로운 Agent 콘솔이 될까

Claude Duet가 작업 분배, Agent 간 전달, 결과 검토를 계속 강화한다면 Anthropic 생태계의 Agent 콘솔이 될 수 있다.

여기서 ‘콘솔’은 IDE가 아니다. 작업에 더 가까운 개념이다.

  • 왼쪽에는 작업과 실행자가 놓인다.
  • 가운데에는 Agent 간 전달 과정이 보인다.
  • 오른쪽에는 산출물, 테스트 결과, 확인이 필요한 문제가 놓인다.

이는 Claude API에도 영향을 준다. 개발자는 먼저 Claude Duet에서 흐름을 검증한 뒤 안정화된 단계를 API로 옮길 수 있다. 기존 LangGraph 상태 그래프에서 수동으로 관리하던 일부 과정도 제품 기본 기능으로 바뀔 가능성이 있다.

하지만 반직관적인 점도 있다.

Claude Duet는 Claude Code보다 강한 ‘코드 실행 능력’을 반드시具备하지 않아도 중요한 제품 가치를 만들 수 있다.

코드 실행은 산출물 전달 흐름의 한 단계일 뿐이다. 작업 전달이 명확한지, 실패를 특정할 수 있는지, 충돌을 되돌릴 수 있는지, 최종 결과를 검토할 수 있는지가 기업에서 AI Agent를 도입할 때 더 직접적인 병목에 가깝다.

기존 Agent 프레임워크를 대체하는挑战도 아니다. 프레임워크는 코드 기반 오케스트레이션, 자유로운 모델 선택, 서비스 배포에 강하다. Claude Duet가 제품 경험과 완결된 흐름에서 우위를 보인다면, 모든 엔지니어링이 아니라 실험 단계와 사람의 검토가 많이 필요한 작업을 흡수할 가능성이 크다.

현재로선 Claude Duet가 새로운 콘솔이 될 수 있는지 판단할 수 없다. 가격, 출시일, 성능 데이터, 구현 세부 사항이 없는 상황에서 가장 쉽게 저지르는 실수는 먼저 이상적인 아키텍처를 그리고 제품을 그 안에 억지로 넣는 것이다.

편집자의 생각

Claude Duet가 주목할 만한 이유는 Anthropic이 멀티 Agent 진입점을 하나 더 만들었기 때문이다. 여러 대화창과 병렬 호출은 이미 흔한 일이다. 더 중요한 것은 협업 과정을 백그라운드 스크립트에서 사용자 앞으로 가져온 데 있다. 작업을 어떻게 나누고, 정보를 어떻게 전달하고, 누가 충돌을 처리하며, 누가 결과를 검증하는지가 드러난다는 점이다.

멀티 Agent의 다음 병목은 ‘도구를 호출할 수 있는가’에서 ‘결과를 안정적으로 전달할 수 있는가’로 이동할 것으로 본다. 모델이 코드를 작성하고 API를 호출할 수 있다는 사실은 여러 Agent를 결합했을 때도 안정적으로 동작한다는 것을 의미하지 않는다. 기업이 실제로 사려 하는 것은 전달 기록, 실패 원인 추적, 사람의 개입 지점, 감사 가능성일 가능성이 높다.

과거의 단일 Agent 제품과 달리 Claude Duet는 협업 자체를 제품 대상으로 삼았다. 하지만 공개 정보에는 가격, 출시일, 성능 데이터, 기술 구현이 여전히 부족해 성숙도를 판단할 수 없다. 지금은 conclusions을 내릴 수 있는 프로덕션 솔루션이라기보다 계속 지켜볼 만한 워크플로 방향에 가깝다.

출처: Claude Duet 제품 페이지

출처: https://claude.com/product/claude-duet