1. 개요 (Overview)
MMA(Multi-Model Agent)는 사람과 복수의 AI 에이전트(대화형 AI, 코딩형 AI, Reviewer AI)가 결합하여 단일 프로덕트를 수명 주기 동안 협업 개발하는 시스템 사례입니다.
특정 엔지니어 개인이나 단일 AI 세션에 프로젝트 기억을 위임하지 않고, 공동의 Git 마크다운 문서 헌법을 통해 다중 주체가 100% 동일한 컨텍스트로 일관되게 개발을 수행하도록 구성되어 있습니다.
"Shared Memory Layer: 사람과 여러 AI 모델이 각기 다른 세션에서 작업하더라도 동일한 Git 명세서를 진실의 출처로 공유합니다."
2. 사용된 표준 문서 (Documents Used)
MMA 프로젝트는 6+1종 표준 문서 체계를 가동하여 인간-AI 협업 인터페이스를 조율합니다.
IDEAS.mdPITCHING_SCRIPT.mdPRODUCT_SPEC.mdTECH_STACK.mdARCHITECTURE.mdTASKS.mdAGENTS.md
Workflow Usage
MMA 다중 에이전트 협업 파이프라인 워크플로입니다:
- 기획 & 토론 (대화형 AI & Human): 요구사항 분석 후
PRODUCT_SPEC.md및ARCHITECTURE.md작성 - 태스크 할당 (코딩형 AI):
TASKS.md의 단위 태스크를 실행 에이전트에 스코프 지정하여 커밋 단위 구현 - 인간 리뷰 및 통합 (Human Reviewer): 자동화 테스트 검증 후 최종 코드를 메인 브랜치로 병합
Human + 대화형 AI
Git Spec Repository (.replworks)
코딩형 AI Agents
Review & Merge
Tools Used
- System Classification: Private Enterprise Agent System
- Agent Orchestration: Multi-Model Routing (Claude 3.5 Sonnet / OpenAI o1 / Gemini 1.5 Pro)
- Shared Memory Layer: REPL Works Standard Documents & Git Repository
5. 학습된 레슨 (Lessons Learned)
공유 기억의 필수성: 팀과 에이전트가 완벽히 동일한 문서를 참조하지 않으면 오버 스코프와 상충된 구현이 발생합니다.
명시적 의사결정 기록: 구두나 대화창에서 결정된 아키텍처 변경점은 반드시 Git 마크다운 문서에 기록되어야 지속됩니다.
기획과 구현 활동의 분리: 요구사항을 정의하는 파이프라인과 코드를 작성하는 파이프라인을 엄격히 분리할 때 결함률이 가장 낮습니다.
Git 저장소가 협업 조율 레이어: 세션을 공유할 수 없더라도 Git 저장소를 공유함으로써 완벽한 조율이 가능합니다.
6. 프로젝트 가치 및 검증 결과 (What This Project Proves)
MMA는 REPL Works가 1인 개발자의 단일 세션 보조도구를 넘어, 인간과 다중 AI 에이전트가 함께 참여하는 복합 협업 환경에서 표준 운영체제로 작용함을 증명합니다.