🖼️ 인포그래픽

🖼️ 4컷 인포그래픽

💡 한 줄 요약

Fleet은 일회성·탐색형 업무에는 General Purpose Chat을, 반복적으로 맡겨야 하는 업무에는 지속 설정과 메모리를 갖춘 Specialized Agents를 쓰도록 두 에이전트 유형을 구분한다.

📌 핵심 요약

• 원문은 에이전트 업무가 크게 일회성·임시 요청과 반복 가능한 업무 패턴으로 나뉜다고 설명한다. 많은 AI 제품이 두 유형을 모두 일회성 채팅처럼 다루지만, 반복 업무에서는 프롬프트와 맥락을 매번 다시 만들게 되어 한계가 생긴다.
• General Purpose Chat은 별도 설정 없이 넓은 범위의 요청을 처리하는 데 적합하다. 휴가 후 Slack, GitHub PR, Linear 티켓, 캘린더 초대 등을 훑어 요약하거나 다음 행동을 정리하는 것처럼 한 번 처리하고 끝나는 업무에 맞춰져 있다.
• Specialized Agents는 주간 계획 업데이트, inbox 관리, 고객 리서치 브리프, backlog 유지처럼 같은 기대치와 판단 기준이 반복되는 업무를 위한 구조다. 사용자는 지시문, 도구, 모델, 스킬, 하위 에이전트, 트리거와 일정을 직접 정의하거나 Fleet의 도움을 받아 구성할 수 있다.
• 두 유형의 가장 큰 차이는 메모리의 지속 방식이다. General Purpose Chat은 스레드 단위 맥락에 머무르지만, Specialized Agents는 특정 업무에 묶인 메모리를 유지하고 시간이 지나며 사실과 선호를 갱신해 다음 실행에 활용한다.
• Fleet의 핵심 메시지는 팀이 처음에는 가벼운 도움으로 시작하고, 반복되는 패턴이 확인되면 이를 위임 가능한 책임으로 승격할 수 있다는 것이다. 즉 즉시성 있는 개방형 작업과 장기적으로 반복되는 업무 책임을 모두 지원하기 위해 두 에이전트 유형이 필요하다는 주장이다.

🧩 주요 포인트

1. 원문은 에이전트 업무가 크게 일회성·임시 요청과 반복 가능한 업무 패턴으로 나뉜다고 설명한다. 많은 AI 제품이 두 유형을 모두 일회성 채팅처럼 다루지만, 반복 업무에서는 프롬프트와 맥락을 매번 다시 만들게 되어 한계가 생긴다.
2. General Purpose Chat은 별도 설정 없이 넓은 범위의 요청을 처리하는 데 적합하다. 휴가 후 Slack, GitHub PR, Linear 티켓, 캘린더 초대 등을 훑어 요약하거나 다음 행동을 정리하는 것처럼 한 번 처리하고 끝나는 업무에 맞춰져 있다.
3. Specialized Agents는 주간 계획 업데이트, inbox 관리, 고객 리서치 브리프, backlog 유지처럼 같은 기대치와 판단 기준이 반복되는 업무를 위한 구조다. 사용자는 지시문, 도구, 모델, 스킬, 하위 에이전트, 트리거와 일정을 직접 정의하거나 Fleet의 도움을 받아 구성할 수 있다.
4. 두 유형의 가장 큰 차이는 메모리의 지속 방식이다. General Purpose Chat은 스레드 단위 맥락에 머무르지만, Specialized Agents는 특정 업무에 묶인 메모리를 유지하고 시간이 지나며 사실과 선호를 갱신해 다음 실행에 활용한다.
5. Fleet의 핵심 메시지는 팀이 처음에는 가벼운 도움으로 시작하고, 반복되는 패턴이 확인되면 이를 위임 가능한 책임으로 승격할 수 있다는 것이다. 즉 즉시성 있는 개방형 작업과 장기적으로 반복되는 업무 책임을 모두 지원하기 위해 두 에이전트 유형이 필요하다는 주장이다.

🧠 상세 정리

1. 두 가지 업무 패턴과 Fleet의 설계 이유

원문은 에이전트가 처리하는 일이 보통 두 가지 패턴으로 나뉜다고 시작한다. 하나는 사용자가 도움을 요청하면 에이전트가 몇 가지 도구에서 맥락을 모으고, 무엇이 달라졌는지 판단한 뒤 답을 주고 끝나는 임시 업무다. 다른 하나는 같은 지시와 맥락, 같은 도구, 일관된 판단을 매번 요구하는 반복 업무다. 많은 AI 제품은 두 패턴을 모두 일회성 채팅처럼 취급하지만, 반복되는 일에서는 프롬프트를 다시 쓰고 맥락을 다시 만들며 채팅 스레드를 운영 절차처럼 사용해야 하는 문제가 생긴다. Fleet은 업무 요구사항에 맞춰 에이전트 형태도 달라져야 한다는 전제에서 General Purpose Chat과 Specialized Agents를 분리한다.

2. General Purpose Chat: 설정 부담이 낮은 임시 작업

General Purpose Chat은 미리 도구나 프롬프트, 스킬을 정하지 않고도 넓은 범위의 요청을 처리하도록 설계되어 있다. 원문은 휴가에서 돌아온 사람이 Slack 스레드, GitHub PR, Linear 티켓, 캘린더 초대를 한꺼번에 확인해야 하는 상황을 예로 든다. 이런 작업은 여러 도구를 넘나들고 판단도 필요하며 긴 요약이나 다음 단계 목록을 만들 수 있지만, 다음 주에 똑같은 형태로 다시 실행할 필요는 크지 않다. Fleet은 workspace 통합 기능에 접근하고, 파일 시스템을 통해 맥락을 관리하며, 코드·파일·데이터 분석처럼 실제 환경이 필요할 때 virtual computer를 사용할 수 있다. 사용자는 필요한 일을 요청하고, Fleet은 그 작업을 실행하며, 일이 끝나면 스레드도 자연스럽게 종료될 수 있다.

3. Specialized Agents: 반복 업무를 위한 지속적 구조

Specialized Agents는 반복되는 업무가 매번 같은 설명에 의존하지 않도록 안정적인 실행 기반을 제공한다. 원문은 주간 계획 업데이트, inbox 관리, 고객 리서치 브리프, backlog 유지 업무를 예로 들며, 이런 작업은 같은 기대치와 형식, 판단 기준이 반복된다고 설명한다. 예를 들어 planning agent는 매주 월요일 Linear를 확인하고, 무엇이 배포되었는지 요약하며, 막힌 일을 표시하고, 팀이 기대하는 형식으로 업데이트 초안을 작성할 수 있다. inbox agent는 새 이메일을 분류하고, 답장 초안을 만들고, 고객 이슈를 escalte하며, 사용자가 직접 처리하고 싶어 하는 메시지를 기억할 수 있다. 사용자는 에이전트의 지시문, 모델, 도구, 스킬, 하위 에이전트, 트리거와 일정을 직접 설정하거나, 자연어로 업무를 설명해 Fleet이 알맞은 구조를 만들도록 도울 수 있다.

4. 구성요소: 지시문, 도구, 모델, 하위 에이전트

Specialized Agents가 유용한 이유는 실행할 때마다 같은 구성이 유지된다는 점이다. 지시문은 에이전트의 역할, 의사결정 규칙, 출력 형식, escalte 방식, 경계를 정의해 반복 업무의 일관성을 만든다. 도구는 해당 업무에 필요한 것만 붙여 에이전트가 자신이 맡은 일에 집중하도록 범위를 좁힌다. 모델은 메인 에이전트와 개별 하위 에이전트에 각각 선택할 수 있으며, 예를 들어 supervisor agent는 계획이나 검토에 더 강한 모델을 쓰고 좁은 하위 작업에는 더 작은 모델을 쓸 수 있다. 하위 에이전트는 각자 지시문, 도구, 모델 선택을 가진 호출 가능한 전문가로 작동하며, 맥락이 무거운 작업을 분리해 메인 에이전트의 대화 맥락을 오염시키지 않는 데 도움을 준다.

5. 스킬, 트리거, Computer Access의 차이

Specialized Agents는 회사 전체에서 공유되는 workspace skills와 특정 에이전트에만 범위가 지정된 private skills를 함께 사용할 수 있다. 이 구조는 반복 업무에 재사용 가능한 지식 기반을 제공하면서도, 모든 지시를 모든 에이전트에게 노출하지 않도록 해준다. 또한 Slack, Gmail, Outlook, Teams 같은 도구의 이벤트에 반응하거나 일정에 따라 실행되는 트리거를 연결할 수 있다. 예를 들어 Gmail 트리거는 inbox에 새 이메일이 도착할 때마다 실행을 시작할 수 있고, scheduled trigger는 매일 아침이나 매주 같은 에이전트를 실행할 수 있다. Computer Access도 두 유형에서 다르게 쓰이는데, General Purpose Chat에서는 스레드별로 켜서 맥락을 분리하고, Specialized Agent에서는 에이전트 환경의 일부로 설정해 스레드별 또는 에이전트별로 범위를 정할 수 있다.

6. 메모리와 위임으로 이어지는 사용 기준

원문이 가장 큰 차이로 강조하는 것은 메모리가 작업 사이에서 어떻게 지속되는가다. General Purpose Chat은 스레드 수준의 맥락을 가지므로 임시 작업에 잘 맞고, 스레드가 끝나면 그 작업도 끝난 것으로 볼 수 있다. 반면 Specialized Agents는 특정 업무에 묶인 메모리를 가지며, 사실을 기억하고 시간이 지나며 갱신한 뒤 다음 실행에서 다시 사용할 수 있다. 원문은 Linear 티켓과 GitHub PR을 관리하는 product-manager agent를 예로 들어, 어떤 엔지니어가 backend 이슈를 선호하는지, 누가 더 작은 단위의 티켓을 원하는지, release-blocking bug를 즉시 escalte해야 한다는 사실을 메모리에 둘 수 있다고 설명한다. 그래서 Specialized Agent는 단순히 저장된 채팅이 아니라, 안정적인 지시문과 변화하는 업무별 메모리를 가진 반복 실행 주체로 기능한다.

🧾 핵심 주장 / 시사점

• Fleet의 구분은 에이전트의 난이도보다 업무의 형태를 기준으로 삼는다. 복잡한 일회성 작업은 General Purpose Chat에 적합할 수 있고, 단순해 보이는 반복 작업은 Specialized Agent가 더 적합할 수 있다.
• 반복 업무에서 중요한 것은 프롬프트를 잘 쓰는 개인에게 의존하지 않는 것이다. Specialized Agents는 지시문, 도구 범위, 실행 트리거, 메모리를 고정해 팀의 업무 방식을 재사용 가능한 운영 단위로 만든다.
• Fleet은 사용자가 처음부터 완성된 자동화 구조를 설계해야 한다고 보지 않는다. 먼저 General Purpose Chat으로 가볍게 시도한 뒤, 반복되는 패턴이 확인되면 이를 지속 실행 가능한 Specialized Agent로 승격하는 흐름을 제안한다.

✅ 액션 아이템

• 요청은 즉시성·일회성인지, 반복 가능한 책임형인지 먼저 구분해 일회성은 General Purpose Chat, 반복형은 Specialized Agents로 분배한다.
• 전환이 필요한 반복 업무는 지시문·도구·모델·스킬·트리거·일정을 함께 설계해 동일한 맥락을 유지하는 실행 체계를 만든다.
• Specialized Agents는 업무별 메모리를 누적·갱신해 다음 실행에 반영하므로, 갱신 대상 사실과 선호를 분기별로 점검해 기준을 고정한다.

❓ 열린 질문

• 반복성이 낮은 임시 요청과 반복 가능한 책임형 업무의 경계는 어떤 지표로 구분할 것인가?
• 특정 Specialized Agent의 메모리에 어떤 사실과 선호를 남겨야 다음 실행에서 판단력이 높아지는가?
• General Purpose Chat에서 Specialized Agents로 위임 전환할 때 어느 시점부터 비용 대비 효과가 충분해지나?