AI 에이전트 13개가 12일 동안 팀으로 협업했다 — Git 커밋 1,703개가 남긴 것

AI 에이전트 하나가 코드를 짜는 건 이제 익숙한 광경이다. 그런데 13개의 에이전트가 중앙 조율자 없이 팀으로 협업해서 프로젝트를 완성한다면 어떨까.

9월 16일 공개된 연구 결과가 그걸 보여준다. 연구팀은 AI 에이전트 13개를 하나의 레포지토리에 붙여놓고, Git 커밋을 공유 메모리로 활용하게 했다. 에이전트들이 작업 내용을 커밋으로 남기면, 다른 에이전트들이 그 커밋을 보고 다음 작업을 결정하는 방식이다. 12일 동안 총 1,703개의 커밋이 쌓였다.

중앙 플래너 없이 어떻게 협업했나

이 연구의 핵심은 조율 방식이다. 기존 멀티 에이전트 시스템 대부분은 중앙 오케스트레이터가 각 에이전트에게 작업을 할당한다. "에이전트 A는 이걸 해라, 에이전트 B는 저걸 해라" 하는 식이다.

이번 실험은 달랐다. 중앙 플래너가 없었다. 각 에이전트는 Git 로그를 읽고, 현재 상태를 파악하고, 자신이 할 수 있는 다음 작업을 직접 선택했다. 커밋 메시지에는 작업 내용뿐 아니라 "다음에 이 부분을 봐달라"는 암묵적인 신호도 담겼다.

인간 팀이 Git을 쓰는 방식과 비슷하다. PR을 보면 누가 무엇을 했는지 알 수 있고, 이슈 트래커를 보면 무엇이 남아있는지 알 수 있다. 에이전트들도 같은 방식으로 서로의 진행 상황을 파악했다.

1,703 커밋이 의미하는 것

12일 동안 에이전트 13개가 남긴 커밋이 1,703개다. 하루 평균 약 142개, 에이전트 한 개당 하루 약 11개다.

이 숫자 자체보다 중요한 건 커밋의 성격이다. 연구에 따르면 커밋들이 단순 반복이 아니라 실제로 진전을 만들었다. 에이전트들이 서로의 작업을 덮어쓰거나 충돌을 일으키는 케이스는 예상보다 적었다.

물론 완벽하지 않았다. 26개의 케이스에서 에이전트가 처리하지 못하는 한계가 나타났다. 연구에서 "실전 코드의 지저분한 부분"이라고 표현한 상황들이다. 불명확한 요구사항, 깨진 의존성, 레거시 코드 패턴 같은 것들이다. 이 26개는 결국 사람이 개입해서 처리했다.

Paper2Agent 실험도 같은 날 공개됐다

같은 날 또 다른 실험 결과도 나왔다. Paper2Agent라는 연구다. 계산 생물학 논문 100편을 AI 에이전트가 자동으로 MCP 도구로 변환하는 실험이었다.

결과는 100편 중 74편 성공이었다. 수동 정리 없이 논문을 실행 가능한 API 도구로 바꾸는 데 성공했다. 나머지 26편은 변환에 실패했는데, 이유가 흥미롭다. 논문 코드 자체가 재현하기 어려운 상태였다. 다른 환경에서는 동작하지 않거나, 논문에 명시되지 않은 의존성이 있거나, 실험 환경 자체가 재현 불가능한 케이스들이었다.

AI 에이전트의 한계는 대부분 AI 자체가 아니라 대상 코드나 데이터의 품질에서 온다. 이건 인간 개발자에게도 동일하게 적용되는 문제다.

이 연구가 실제 개발 현장에 의미하는 것

당장 내 팀이 이 방식을 쓸 수 있냐고 묻는다면, 아직은 아니다. 이 연구는 통제된 실험 환경에서 진행됐고, 연구용 코드베이스를 대상으로 했다.

하지만 방향성은 분명해졌다. 앞으로 1~2년 안에 여러 AI 에이전트가 같은 레포지토리에서 병렬로 작업하는 워크플로우가 현실화될 가능성이 높다. Claude Code나 GitHub Copilot 같은 도구들이 "팀원처럼 작동하는" 방향으로 진화하고 있다는 신호이기도 하다.

한눈에 보기 — 핵심 요약