Agency Agents: AI 전문가 팀을 손끝에서 조립하는 오픈소스 에이전트 컬렉션

Reddit 커뮤니티에서 탄생해 수개월간 반복 개선된 Agency Agents 는 112개 이상의 전문화된 AI 에이전트 페르소나를 제공하는 오픈소스 프로젝트다. 단순한 프롬프트 템플릿이 아니라, 각 에이전트가 고유한 성격 , 워크플로우 , 구체적인 산출물 , 성공 지표 를 갖춘 완전한 에이전트 시스템이다. Claude Code, Cursor, Aider, Windsurf, Gemini CLI, OpenCode 등 주요 에이전틱 코딩 도구에서 즉시 사용할 수 있다.

Sources

• msitarzewski/agency-agents (GitHub)

산업 트렌드: 범용 AI에서 전문 에이전트 시대로

Agency Agents를 이해하려면 먼저 업계의 큰 흐름을 짚어야 한다. 2025년 기업용 AI 지출에서 수직적(Vertical) 전문 에이전트($10.8B) 가 범용 AI($8.4B)를 처음으로 추월했다. 전문 에이전트 시스템은 범용 모델 대비 배포 속도 90% 향상, 개발 비용 50% 절감 이라는 실증적 이점이 보고되고 있다.

flowchart TD
    T1["2024
프롬프트 엔지니어링 전성기"]
    T2["2025
AI 에이전트 성숙화"]
    T3["2026
에이전트 전문화 시대"]

    T1 --> T2 --> T3

    T1 --- T1a["'마법의 단어' 찾기"]
    T2 --- T2a["멀티 에이전트 시스템 확산"]
    T3 --- T3a["컨텍스트 엔지니어링 +
에이전트 스킬이 핵심"]

    classDef past fill:#fde8c0,stroke:#a84,color:#333
    classDef present fill:#c0ecd3,stroke:#3a3,color:#333
    class T1,T1a past
    class T2,T2a past
    class T3,T3a present

이제 프롬프트 엔지니어링은 “마법의 단어를 찾는 것"이 아니라, 커널 코드를 작성하는 것과 같은 엄격한 시스템 디자인 으로 취급된다. 프롬프트가 “대화"라면, 에이전트 시스템은 “운영체제(OS)“에 해당한다. Agency Agents는 바로 이 전환점에서 탄생한 프로젝트다.

일반 프롬프트의 한계, 왜 전문 에이전트인가

AI 코딩 어시스턴트를 사용할 때 흔히 “개발자처럼 행동해” 같은 일반적인 프롬프트를 작성한다. 하지만 이런 범용 프롬프트는 도메인 깊이가 부족 하고, 일관된 품질을 보장하지 못한다. Agency Agents는 이 문제에 대한 근본적인 해법을 제시한다.

flowchart TD
    TitleBad["일반 프롬프트
'개발자처럼 행동해'"]

    subgraph BadGroup[" "]
        A["도메인 전문성 부족"]
        B["일관성 없는 출력"]
        C["측정 불가능한 품질"]
        D["워크플로우 없음"]
    end

    TitleBad --> A
    TitleBad --> B
    TitleBad --> C
    TitleBad --> D

    classDef title fill:#fff,stroke:none,color:#333,font-size:14px
    classDef bad fill:#ffc8c4,stroke:#d44,color:#333
    class TitleBad title
    class A,B,C,D bad

flowchart TD
    TitleGood["전문 에이전트 시스템
Agency Agents"]

    subgraph GoodGroup[" "]
        E["깊은 도메인 전문성"]
        F["고유 성격과 커뮤니케이션 스타일"]
        G["측정 가능한 성공 지표"]
        H["검증된 워크플로우"]
    end

    TitleGood --> E
    TitleGood --> F
    TitleGood --> G
    TitleGood --> H

    classDef title fill:#fff,stroke:none,color:#333,font-size:14px
    classDef good fill:#c0ecd3,stroke:#3a3,color:#333
    class TitleGood title
    class E,F,G,H good

Agency Agents의 핵심 차별점은 다음 네 가지 설계 원칙에 있다:

• 전문화(Specialized): 범용 템플릿이 아닌, 각 도메인에 깊이 있는 전문성을 보유
• 성격 기반(Personality-Driven): 고유한 음성, 커뮤니케이션 스타일, 접근 방식
• 산출물 중심(Deliverable-Focused): 실제 코드, 프로세스, 측정 가능한 결과물
• 프로덕션 대응(Production-Ready): 실전에서 검증된 워크플로우와 성공 지표

“Act as a developer” 같은 일반 프롬프트와 달리, 각 에이전트는 현실의 전문가처럼 자기만의 관점 과 업무 방식 을 가진다.

프로젝트 개요와 규모

Agency Agents는 msitarzewski/agency-agents GitHub 저장소로 관리되며, MIT 라이선스로 공개되어 있다. Reddit의 AI 에이전트 전문화 논의에서 탄생했으며, 공개 12시간 만에 50건 이상의 요청을 받았다.

11개 디비전 구조: 완전한 AI 에이전시

Agency Agents의 가장 두드러지는 특징은 실제 에이전시 조직처럼 디비전(부서) 단위 로 에이전트를 구성한다는 점이다. 각 디비전은 명확한 역할 경계를 가지며, 실제 프로젝트에서 팀을 조립하듯 필요한 에이전트를 골라 쓸 수 있다.

flowchart LR
    Agency["Agency Agents
112+ 전문 에이전트"]

    Agency --> Eng["Engineering
8 에이전트"]
    Agency --> Des["Design
7 에이전트"]
    Agency --> PM["Paid Media
7 에이전트"]
    Agency --> Mkt["Marketing
11 에이전트"]
    Agency --> Prd["Product
3 에이전트"]
    Agency --> PjM["Project Management
5 에이전트"]
    Agency --> Tst["Testing
8 에이전트"]
    Agency --> Sup["Support
6 에이전트"]
    Agency --> SC["Spatial Computing
6 에이전트"]
    Agency --> Spc["Specialized
8 에이전트"]
    Agency --> Game["Game Development
16+ 에이전트"]

    classDef eng fill:#c5dcef,stroke:#4a8,color:#333
    classDef des fill:#e0c8ef,stroke:#84a,color:#333
    classDef mkt fill:#fde8c0,stroke:#a84,color:#333
    classDef tst fill:#ffc8c4,stroke:#d44,color:#333
    classDef other fill:#c0ecd3,stroke:#3a3,color:#333

    class Eng,Game eng
    class Des des
    class PM,Mkt mkt
    class Tst tst
    class Prd,PjM,Sup,SC,Spc other

Engineering Division (엔지니어링)

소프트웨어 개발의 핵심 역할을 담당하는 8개 에이전트로 구성된다:

Design Division (디자인)

UI/UX 전문가 7명이 포진해 있다. 특히 Whimsy Injector 는 마이크로 인터랙션, 이스터에그 등 즐거움을 더하는 독특한 역할을 맡는다.

“모든 장난스러운 요소는 기능적이거나 감정적 목적에 봉사해야 한다. 방해가 아닌 향상시키는 기쁨을 디자인하라.” — Whimsy Injector

Marketing Division (마케팅)

11개 에이전트가 플랫폼별로 특화되어 있다. Reddit Community Builder, TikTok Strategist, Xiaohongshu Specialist, WeChat Official Account Manager 등 플랫폼별 전문가 가 따로 존재한다는 점이 인상적이다.

“Reddit에서 마케팅하는 게 아니다 — 브랜드를 대표하는 커뮤니티의 가치 있는 구성원이 되는 것이다.” — Reddit Community Builder

Testing Division (테스팅)

8개 에이전트가 QA의 전 영역을 커버한다. Evidence Collector는 스크린샷 기반 QA를, Reality Checker는 증거 기반 인증과 품질 게이트를, Accessibility Auditor는 WCAG 준수 감사를 담당한다.

“코드를 테스트하는 것이 아니다 — 기본적으로 3-5개 이슈를 찾아내고, 모든 것에 시각적 증거를 요구한다.” — Evidence Collector

Game Development Division (게임 개발)

가장 세분화된 디비전으로, 엔진별로 특화된 에이전트를 제공한다:

flowchart LR
    GD["Game Development Division"]

    GD --> Cross["Cross-Engine
(엔진 무관)"]
    GD --> Unity["Unity"]
    GD --> Unreal["Unreal Engine"]
    GD --> Godot["Godot"]
    GD --> Roblox["Roblox Studio"]

    Cross --> GD1["Game Designer"]
    Cross --> GD2["Level Designer"]
    Cross --> GD3["Technical Artist"]
    Cross --> GD4["Game Audio Engineer"]
    Cross --> GD5["Narrative Designer"]

    Unity --> U1["Unity Architect"]
    Unity --> U2["Shader Graph Artist"]
    Unity --> U3["Multiplayer Engineer"]
    Unity --> U4["Editor Tool Developer"]

    Unreal --> UE1["Systems Engineer"]
    Unreal --> UE2["Technical Artist"]
    Unreal --> UE3["Multiplayer Architect"]
    Unreal --> UE4["World Builder"]

    Godot --> G1["Gameplay Scripter"]
    Godot --> G2["Multiplayer Engineer"]
    Godot --> G3["Shader Developer"]

    Roblox --> R1["Systems Scripter"]
    Roblox --> R2["Experience Designer"]
    Roblox --> R3["Avatar Creator"]

    classDef cross fill:#fde8c0,stroke:#a84,color:#333
    classDef unity fill:#c5dcef,stroke:#4a8,color:#333
    classDef unreal fill:#e0c8ef,stroke:#84a,color:#333
    classDef godot fill:#c0ecd3,stroke:#3a3,color:#333
    classDef roblox fill:#ffc8c4,stroke:#d44,color:#333

    class Cross,GD1,GD2,GD3,GD4,GD5 cross
    class Unity,U1,U2,U3,U4 unity
    class Unreal,UE1,UE2,UE3,UE4 unreal
    class Godot,G1,G2,G3 godot
    class Roblox,R1,R2,R3 roblox

Unity Architect는 ScriptableObjects와 DOTS/ECS를, Unreal Systems Engineer는 C++/Blueprint 하이브리드와 GAS(Gameplay Ability System)를, Godot Gameplay Scripter는 GDScript 2.0과 정적 타이핑을 전문으로 한다. 각 엔진의 고유한 아키텍처 패턴에 맞춤화된 전문성을 제공하는 것이 핵심이다.

기타 디비전

• Paid Media Division (7): PPC 전략, 검색 쿼리 분석, 트래킹 전문가 등 유료 광고 집행 전문
• Product Division (3): 스프린트 우선순위, 트렌드 리서치, 피드백 종합
• Project Management Division (5): 스튜디오 프로듀서, 프로젝트 셰퍼드, A/B 테스트 트래커
• Support Division (6): 고객 지원, 애널리틱스, 재무 추적, 인프라 유지보수, 법률 준수
• Spatial Computing Division (6): XR 인터페이스, visionOS, WebXR, Metal 엔지니어링
• Specialized Division (8): 에이전트 오케스트레이터, LSP/인덱스 엔지니어, Agentic Identity 아키텍트

에이전트 설계 철학: 5가지 핵심 원칙

각 에이전트 파일은 단순한 프롬프트가 아니라, 아래 5가지 요소를 모두 갖춘 완전한 에이전트 시스템 이다:

flowchart LR
    Agent["에이전트 파일 구조"]

    Agent --> P["Strong Personality
고유한 성격과 음성"]
    Agent --> D["Clear Deliverables
구체적 산출물"]
    Agent --> M["Success Metrics
측정 가능한 지표"]
    Agent --> W["Proven Workflows
검증된 프로세스"]
    Agent --> L["Learning Memory
패턴 인식과 개선"]

    P --> P1["커뮤니케이션 스타일"]
    P --> P2["도메인별 관점"]
    D --> D1["코드 예제"]
    D --> D2["문서/프로세스"]
    M --> M1["품질 기준"]
    M --> M2["KPI"]
    W --> W1["단계별 프로세스"]
    W --> W2["의사결정 체크포인트"]
    L --> L1["패턴 기록"]
    L --> L2["반복 개선"]

    classDef main fill:#c5dcef,stroke:#4a8,color:#333
    classDef sub fill:#fde8c0,stroke:#a84,color:#333
    class Agent main
    class P,D,M,W,L main
    class P1,P2,D1,D2,M1,M2,W1,W2,L1,L2 sub

에이전트 파일의 실제 구조는 다음 항목을 포함한다:

1. Frontmatter: 이름, 설명, 색상 등 메타데이터
2. Identity & Memory: 에이전트의 정체성과 기억 체계
3. Core Mission: 핵심 임무 정의
4. Critical Rules: 도메인별 필수 규칙
5. Technical Deliverables: 코드 예제를 포함한 구체적 산출물
6. Workflow Process: 단계별 업무 프로세스
7. Success Metrics: 측정 가능한 성공 기준

이 구조 덕분에 에이전트는 단순히 “역할극"을 하는 것이 아니라, 실제 전문가가 업무를 수행하는 방식 으로 동작한다.

멀티 도구 통합: 9개 에이전틱 코딩 도구 지원

Agency Agents의 또 다른 강점은 단일 소스에서 다수의 도구로 변환 할 수 있다는 점이다. 한 번 에이전트를 작성하면, 변환 스크립트를 통해 모든 주요 에이전틱 코딩 도구에서 사용할 수 있다.

flowchart LR
    Source["에이전트 소스 파일
(.md)"]

    Source --> CC["Claude Code
~/.claude/agents/"]
    Source --> CP["GitHub Copilot
~/.github/agents/"]
    Source --> AG["Antigravity
SKILL.md"]
    Source --> GM["Gemini CLI
Extension + SKILL.md"]
    Source --> OC["OpenCode
.opencode/agents/"]
    Source --> CR["Cursor
.mdc 규칙 파일"]
    Source --> AI["Aider
CONVENTIONS.md"]
    Source --> WS["Windsurf
.windsurfrules"]
    Source --> OW["OpenClaw
SOUL.md"]

    classDef source fill:#c5dcef,stroke:#4a8,color:#333
    classDef native fill:#c0ecd3,stroke:#3a3,color:#333
    classDef convert fill:#fde8c0,stroke:#a84,color:#333

    class Source source
    class CC,CP native
    class AG,GM,OC,CR,AI,WS,OW convert

도구별 통합 방식

설치 프로세스

설치는 2단계로 진행된다:

# 1단계: 모든 도구용 통합 파일 생성
./scripts/convert.sh

# 2단계: 대화형 설치 (시스템 자동 감지)
./scripts/install.sh

설치 스크립트는 시스템에 설치된 도구를 자동 감지하고, 체크박스 UI를 통해 원하는 도구만 선택하여 설치할 수 있다. 특정 도구만 타겟팅하는 것도 가능하다:

./scripts/install.sh --tool cursor
./scripts/install.sh --tool opencode
./scripts/install.sh --tool antigravity

CI/스크립트 환경에서는 비대화형 모드를 사용한다:

./scripts/install.sh --no-interactive --tool all

실전 활용 시나리오: 팀 조립 패턴

Agency Agents의 진정한 가치는 시나리오별로 적합한 에이전트를 조합 하여 가상 팀을 구성하는 데 있다. 프로젝트 README에서 제시하는 주요 시나리오를 살펴보자.

시나리오 1: 스타트업 MVP 빌드

flowchart LR
    MVP["스타트업 MVP"]
    MVP --> FE["Frontend Developer
React 앱 구축"]
    MVP --> BE["Backend Architect
API + DB 설계"]
    MVP --> GH["Growth Hacker
사용자 확보 전략"]
    MVP --> RP["Rapid Prototyper
빠른 반복"]
    MVP --> RC["Reality Checker
런치 전 품질 검증"]

    classDef main fill:#c5dcef,stroke:#4a8,color:#333
    classDef agent fill:#c0ecd3,stroke:#3a3,color:#333
    class MVP main
    class FE,BE,GH,RP,RC agent

5명의 전문 에이전트가 각 단계에서 전문성을 발휘하여 빠른 출시와 품질을 동시에 확보한다.

시나리오 2: 마케팅 캠페인 런칭

Content Creator, Twitter Engager, Instagram Curator, Reddit Community Builder, Analytics Reporter 5명이 플랫폼별 전문 전략 을 실행하며, 멀티채널 캠페인을 조율한다.

시나리오 3: 엔터프라이즈 기능 개발

Senior Project Manager가 스코핑을, Senior Developer가 복잡한 구현을, UI Designer가 디자인 시스템을, Experiment Tracker가 A/B 테스트를, Evidence Collector와 Reality Checker가 품질 게이트를 담당한다. 엔터프라이즈급 품질 보증 프로세스 가 에이전트 조합으로 구현된다.

시나리오 4: 유료 미디어 계정 인수

flowchart TD
    Takeover["유료 미디어 계정 인수
30일 프로세스"]

    Takeover --> Step1["Paid Media Auditor
종합 계정 평가"]
    Step1 --> Step2["Tracking Specialist
전환 추적 검증"]
    Step2 --> Step3["PPC Strategist
계정 구조 재설계"]
    Step3 --> Step4["Search Query Analyst
낭비 지출 제거"]
    Step4 --> Step5["Ad Creative Strategist
광고 카피 리프레시"]
    Step5 --> Step6["Analytics Reporter
리포팅 대시보드 구축"]

    classDef main fill:#fde8c0,stroke:#a84,color:#333
    classDef step fill:#c0ecd3,stroke:#3a3,color:#333
    class Takeover main
    class Step1,Step2,Step3,Step4,Step5,Step6 step

6명의 에이전트가 순차적으로 투입되어 30일 이내에 체계적인 계정 인수 를 완료한다.

시나리오 5: 풀 에이전시 프로덕트 디스커버리

가장 야심찬 시나리오로, 8개 디비전이 병렬로 하나의 미션에 투입된다. Nexus Spatial Discovery Exercise 예제에서는 Product Trend Researcher, Backend Architect, Brand Guardian, Growth Hacker, Support Responder, UX Researcher, Project Shepherd, XR Interface Architect가 동시에 배치되어 시장 검증, 기술 아키텍처, 브랜드 전략, GTM, 지원 시스템, UX 리서치, 프로젝트 실행, 공간 UI 설계를 포괄하는 종합 제품 청사진 을 단일 세션에서 생산한다.

에이전트 성격의 실제: 인용으로 보는 개성

Agency Agents의 각 에이전트는 기계적 응답이 아닌, 독립적인 관점을 가진 전문가 처럼 소통한다. 몇 가지 대표 인용을 통해 에이전트 성격의 깊이를 확인할 수 있다:

이러한 성격 설정은 단순한 분위기 조성이 아니라, 에이전트가 특정 관점에서 일관되게 의사결정 하도록 유도하는 프레임워크다.

기존 접근 방식과의 차이점

flowchart TD
    subgraph Generic["일반 AI 프롬프트"]
        G1["'개발자처럼 행동해'"]
        G2["도메인 깊이 없음"]
        G3["일회성"]
    end

    subgraph Library["프롬프트 라이브러리"]
        L1["일회성 프롬프트 모음"]
        L2["워크플로우 없음"]
        L3["산출물 불명확"]
    end

    subgraph Tools["AI 도구"]
        T1["블랙박스"]
        T2["커스터마이즈 불가"]
        T3["도구 종속적"]
    end

    subgraph Agency["Agency Agents"]
        A1["깊은 전문화 + 성격"]
        A2["완전한 워크플로우 + 산출물"]
        A3["투명, 포크 가능, 적응 가능"]
    end

    classDef bad fill:#ffc8c4,stroke:#d44,color:#333
    classDef mid fill:#fde8c0,stroke:#a84,color:#333
    classDef good fill:#c0ecd3,stroke:#3a3,color:#333

    class G1,G2,G3 bad
    class L1,L2,L3 mid
    class T1,T2,T3 bad
    class A1,A2,A3 good

빠른 시작 가이드

방법 1: Claude Code에서 직접 사용 (권장)

# 에이전트를 Claude Code 디렉토리로 복사
cp -r agency-agents/* ~/.claude/agents/

# Claude Code 세션에서 에이전트 활성화
# "Frontend Developer 에이전트를 사용해서 React 컴포넌트를 빌드해줘"

방법 2: 레퍼런스로 활용

에이전트 파일을 직접 탐색하며, 각 에이전트의 정체성, 워크플로우, 기술 산출물, 성공 지표를 참고하여 자신만의 에이전트를 구성한다.

방법 3: 다른 도구에서 사용

# 통합 파일 생성 후 대화형 설치
./scripts/convert.sh
./scripts/install.sh

기여 및 확장 방법

Agency Agents는 오픈소스 프로젝트로, 새 에이전트 추가, 기존 에이전트 개선, 성공 사례 공유가 가능하다.

새 에이전트를 추가하려면:

1. 저장소 포크
2. 적절한 카테고리에 새 에이전트 파일 생성
3. 에이전트 템플릿 구조를 따를 것:
   • Frontmatter (이름, 설명, 색상)
   • Identity & Memory
   • Core Mission
   • Critical Rules
   • Technical Deliverables + 코드 예제
   • Workflow Process
   • Success Metrics
4. PR 제출

커뮤니티 번역도 활발하다. 현재 중국어 간체(zh-CN) 버전이 100개 이상의 에이전트 번역과 9개의 중국 시장 전용 에이전트를 포함하여 관리되고 있다.

로드맵

프로젝트의 향후 계획은 다음과 같다:

• 대화형 에이전트 선택 웹 도구
• 에이전트 설계 비디오 튜토리얼
• 커뮤니티 에이전트 마켓플레이스
• 프로젝트 매칭용 에이전트 “성격 퀴즈”
• “이주의 에이전트” 쇼케이스 시리즈

이미 완료된 항목:

• 멀티 에이전트 워크플로우 예제
• 멀티 도구 통합 스크립트 (9개 도구)

핵심 요약

• Agency Agents 는 112개 이상의 전문화된 AI 에이전트 페르소나를 제공하는 MIT 라이선스 오픈소스 프로젝트
• 각 에이전트는 단순 프롬프트가 아닌, 고유 성격 + 워크플로우 + 산출물 + 성공 지표 를 갖춘 완전한 시스템
• 11개 디비전 (엔지니어링, 디자인, 마케팅, 테스팅, 게임 개발 등)으로 구성, 실제 에이전시처럼 팀을 조립하여 사용
• Claude Code, Cursor, Aider, Windsurf, Gemini CLI 등 9개 에이전틱 코딩 도구 에서 자동 변환하여 사용 가능
• Reddit 커뮤니티에서 탄생, 12시간 만에 50건 이상 요청을 받으며 검증
• 게임 개발 디비전은 Unity, Unreal, Godot, Roblox 엔진별 전문 에이전트 를 제공
• 각 에이전트의 독립적 성격 이 일관된 도메인 의사결정을 유도하는 프레임워크로 작동
• 에이전트 파일 구조가 표준화되어 있어 커스터마이즈와 기여가 용이

결론

AI 코딩 어시스턴트의 시대에서, “하나의 AI가 모든 것을 처리한다"는 접근은 한계에 도달하고 있다. Agency Agents는 전문화된 에이전트의 조합이 범용 AI보다 우수한 결과를 낸다 는 철학을 실체로 구현한 프로젝트다.

단순히 좋은 프롬프트를 모아놓은 것이 아니라, 각 에이전트가 자신만의 성격, 업무 방식, 품질 기준을 가진 가상의 전문가 팀 이다. 9개 도구로의 자동 변환 지원은 특정 도구에 종속되지 않고 에이전트 자산을 활용할 수 있게 한다.

스타트업 MVP를 빠르게 출시하든, 엔터프라이즈 기능을 체계적으로 개발하든, 마케팅 캠페인을 멀티채널로 집행하든 — 프로젝트의 성격에 맞는 전문가 팀을 코드 한 줄 없이 조립할 수 있다는 점이 이 프로젝트의 핵심 가치다.