I Tested DeepSeek Super-Agent: Can It Run an AI Team? (WIth Hermes'' help for sure)
Quick Summary
DeepSeek Super agent는 AI 팀의 작업과 추가 요구를 조율해 작동하는 결과를 냈지만, Hermes 등의 환경·검증 지원과 사람의 관리가 필요했다.
영상 보기
클릭 전까지는 가벼운 미리보기만 먼저 불러옵니다.
🖼️ 인포그래픽

🖼️ 4컷 인포그래픽

💡 한 줄 결론
DeepSeek Super-agent는 AI 팀의 작업과 추가 요구를 조율해 작동하는 결과를 냈지만, Hermes 등의 환경·검증 지원과 사람의 관리가 필요했다.
📌 핵심 요점
- Super-agent는 새로운 모델이 아니라 여러 실행 에이전트의 작업을 조율하는 오픈소스 연구 원형이다. 이번 실험에서는 DeepSeek V4.1 Flash가 추론을, DeepSeek Harness가 작업 환경과 도구를 제공했다.
- 시험 과제는 소규모 모임의 예약 웹사이트였다. 예약 규칙과 통합, 게스트 화면, 운영자 화면으로 작업을 나눴으며, 사람은 각 작업의 책임과 공통 규칙을 먼저 정했다.
- 작업 시작 후 정원을 8명에서 6명으로 줄이되 기존 예약을 삭제하지 말라는 요구를 추가했다. 납품된 앱에서는 초과 예약의 대기 전환, 취소에 따른 순차 승급, 정원 복원 시 자동 확정이 두 화면에 일관되게 반영됐다.
- 이전 시험에서는 개별 변경을 통합하지 못해 사람이 추가 요청을 보내야 했다. 후속 시험에서는 처음부터 통합 책임을 명확히 했고 추가 교정 요청이 없었지만, 이를 감독이 필요 없다는 증거로 볼 수는 없다.
- 후속 시험은 코드 테스트 53개와 독립 점검 48개를 통과했다고 보고됐다. Hermes와 다른 도구도 환경 구성과 검증을 도왔으며, 실서비스 적합성이나 다른 도구 대비 속도·비용 우위는 입증하지 않았다.
🧩 배경과 문제 정의
영상은 DeepSeek가 공개한 Super-agent 연구 원형을 작은 예약 웹사이트 개발에 적용한다. 사이트는 한 모임의 게스트 화면과 운영자 화면으로 구성되며, 예약·취소·정원 변경·대기자 처리가 서로 일치해야 한다.
핵심 질문은 실시간 화면 갱신 자체가 아니라, 여러 AI가 나눠 맡은 작업과 중간에 바뀐 요구를 누가 추적하고 통합하느냐이다. 제작자는 AI가 실제로 전달한 결과와 그 결과를 얻기 위해 사람이 수행한 관리 작업을 함께 평가한다.
🕒 시간순 섹션별 상세정리
1. 예약 사이트로 살펴보는 AI 팀의 조율 문제
- DeepSeek의 오픈소스 Super-agent를 소개하고, 8석 규모 모임의 예약·대기·취소 처리를 시험 과제로 제시한다. 게스트의 예약은 운영자 화면에도 새로고침 없이 반영된다. [01:10]
- 시험의 초점은 기능 개발 중 AI에 맡길 수 있는 일과 사람이 관리해야 하는 일의 경계다. 에이전트는 도구를 사용해 파일을 수정하고 검사를 실행하는 등 연속 행동으로 과제를 수행하는 AI로 보여준다. [01:55]
- 예약 규칙과 두 화면이 각각 작동해도 서로 결과가 다르면 전체 서비스는 실패한다. 여러 AI의 작업, 추가 요구, 최종 통합을 조율하는 문제가 Super-agent의 시험 대상이다. [02:28]
2. 모델·실행 환경·권한의 역할 구분
- 독립 시험 프로젝트에 공식 원형을 구성했다. DeepSeek V4.1 Flash는 추론을, DeepSeek Harness는 환경과 도구를, Super-agent는 요청 추적과 실행 에이전트 조율을 맡는다. [03:00]
- 코드는 GitHub 비공개 시험 저장소에 두고 변경안을 검토하도록 했다. 앱은 로컬에서 실행했으며 실제 고객이나 결제는 없었다. [03:30]
- 작업을 지시할 수 있는 사람을 제한하고 변경 수락 전 검토를 유지했다. 독립 컨테이너를 사용해도 연결된 온라인 계정의 접근 범위까지 자동으로 제한되지는 않는다. [03:52]
3. 작업 분담과 실행 중 요구 변경
- 예약 규칙·최종 통합, 게스트 화면, 운영자 화면이라는 세 과제를 사람이 명시했다. 각 부분의 협력 방식도 정했으므로, 시스템이 모호한 목표만 받아 프로젝트 전체를 스스로 기획한 실험은 아니다. [04:06]
- 실행 에이전트는 별도 세션과 폴더에서 작업하고 결과를 보고한다. 조율의 핵심은 각 작업을 원래 지시, 후속 메시지, 최종 결과에 계속 연결하는 데 있다. [05:06]
- 작업 초기에 정원을 8명에서 6명으로 줄이는 요구를 추가했다. 기존 예약을 삭제하지 않고 초과분을 대기 명단으로 옮기도록 했으며, 이 요구가 납품 결과까지 이어지는지 확인했다. [05:38]
4. 납품된 앱의 예약·대기 동작 검증
- 8석을 채운 뒤 Eli가 2석을 요청하자 대기 상태가 됐다. 정원을 6명으로 줄였을 때 늦게 확정된 그룹도 대기로 이동했으며, 예약 기록과 양쪽 화면의 상태가 유지됐다. [06:17]
- Bruno가 취소하자 Drew가 순서에 따라 확정되고 Eli는 대기 상태를 유지했다. 정원을 다시 8명으로 늘리자 Eli도 수동 새로고침 없이 확정으로 바뀌었다. [06:47]
- 시연은 예약 규칙·정원 조정·취소·대기 처리가 함께 작동함을 보여준다. 다만 기능이 작동한다는 사실만으로 다른 도구보다 우수하다고 결론 내릴 수는 없다. [07:01]
5. 통합 실패 경험과 독립 검증의 의미
- 이전 시험에서는 개별 변경을 통합하지 못해 사람이 추가 요청을 보냈다. 구현 코드를 직접 수정하거나 충돌을 해결하지는 않았어도, 그 요청은 사람의 개입으로 계산해야 한다. [07:27]
- 후속 시험에는 추가 교정 요청이 없었지만 처음부터 통합 책임과 공통 규칙을 명확히 했다. 개별 에이전트의 완료 선언이 곧 납품 가능한 전체 프로젝트를 뜻하지는 않는다. [07:54]
- 기록 보존, 대기 순서, 화면 일치, 재시작 후 데이터 유지 등을 확인했고 코드 테스트 53개와 독립 점검 48개를 통과했다고 보고했다. Hermes 등도 환경 구성과 검증을 도왔으며, 운영 적합성이나 속도·비용 우위는 입증하지 않았다. [08:49]
6. 도입 절차와 최종 평가 기준
- 일상 사용은 과제 설명, 같은 논의에서 요구 추가, 변경안 검토, 직접 시험하는 흐름이다. 이번 변경은 주 브랜치에 병합하거나 배포하지 않았고, 최초 구축에는 Harness·원형·모델 연결·저장소·권한 구성이 필요했다. [09:28]
- 연구 원형을 성숙한 일괄 설치 앱으로 볼 수는 없다. AI로 여러 변경을 다루는 사용자에게는 실제 고객 데이터와 결제를 연결하지 않은 작은 격리 프로젝트에서의 시험을 제안한다. [10:04]
- 이번 실행은 작동하는 변경과 추가 요구 반영에 성공했지만, 사람은 환경 준비·과제 정의·경계 설정·검수를 맡았다. 제작자는 결과의 사용 가능성과 남은 관리 부담을 평가 기준으로 제시하고, 시청자가 AI에 맡기고 싶은 일을 물으며 마무리한다. [11:06]
🧾 결론
- 이번 사례는 여러 에이전트가 개별 작업을 수행하면서 실행 중 추가된 요구까지 결과물에 반영할 수 있음을 보여준다.
- 개별 에이전트의 완료 보고만으로 프로젝트 전체의 완성을 판단할 수 없다. 변경 통합과 실제 동작 확인이 필요하다.
- 사람에게는 환경 준비, 과제 정의, 권한 설정, 결과 검수가 남았다. 평가 기준은 에이전트 수보다 결과의 사용 가능성과 남은 관리 부담이다.
- 결과물은 로컬 시험 환경에서 검증했으며, 변경을 주 브랜치에 병합하거나 온라인 서비스에 배포하지 않았다.
📈 투자·시사 포인트
- AI 개발 도구를 평가할 때 모델 성능과 함께 작업 추적, 후속 요구 전달, 변경 통합 능력을 살펴볼 필요가 있다.
- 생산성 판단에는 구현 작업뿐 아니라 초기 구축, 사람의 추가 지시, 검토와 검증에 드는 노력도 포함해야 한다.
- 이 실험에는 동일 과제의 도구 간 속도 비교와 전체 비용 확인이 없다. 비용 절감이나 경쟁 우위에 관한 투자 판단으로 확대하기에는 근거가 부족하다.
- 연구 원형의 가능성과 실제 서비스에 도입할 준비 수준은 구분해야 한다. 이번 영상은 작은 격리 프로젝트에서의 기능 검증 사례다.
⚠️ 불확실하거나 확인이 필요한 부분
- 소규모 로컬 프로젝트의 성공만으로 실제 고객·결제 데이터가 있는 운영 환경의 안정성이나 더 복잡한 프로젝트의 성공률을 판단할 수 없다.
- 다른 도구와 같은 조건에서 속도를 비교하지 않았고 전체 청구 비용도 확인하지 않아, 더 빠르거나 저렴한지는 알 수 없다.
- 정원 변경 요구는 작업 초기에 추가됐다. 개발이 상당히 진행된 뒤의 대규모 요구 변경도 같은 수준으로 처리할지는 확인되지 않았다.
- 자막 기반 정리: 타임스탬프가 있는 자막을 기준으로 정리했으며, 고유명사·수치·인용은 원문 확인 필요 시 별도 검증한다.
- 영상 속 주장: 발표자의 해석·전망·비교는 확인된 외부 사실이 아니라 영상 속 주장으로 분리해 읽는다.
- 검증 필요: 수치, 기업 실적, 정책·시장 전망은 발행 전 최신 자료로 별도 검증이 필요하다.
✅ 액션 아이템
- 실제 고객 정보와 결제를 연결하지 않은 작은 격리 프로젝트에서 먼저 시험한다.
- 모델, Harness, Super-agent, 저장소의 역할을 구분하고 초기 구성에 필요한 작업을 확인한다.
- 작업별 책임과 최종 통합 담당, 화면 간 공통 규칙을 요청에 명시한다.
- 후속 요구를 기존 작업 논의에 연결해 남기고, 제출된 변경이 그 요구를 반영했는지 검토한다.
❓ 열린 질문
- 같은 과제와 검증 기준으로 비교하면 다른 에이전트 도구 대비 완료 시간, 전체 비용, 사람의 개입 횟수는 어떻게 달라질까?
- 개발 후반의 요구 변경이나 더 많은 병렬 작업에서도 요청 추적과 변경 통합이 안정적으로 유지될까?
- 초기 구축과 검수까지 포함했을 때 사람이 절약하는 총작업량은 얼마나 될까?