클로드 코드를 활용한 자율 AI 에이전트 시스템 구축: 사례 연구

Claude Code가 운영 체제로 사용되는 방식

한 개발자가 Claude Code를 코딩 어시스턴트가 아닌 비즈니스를 운영하는 운영 체제로 취급하는 자율 AI 에이전트 시스템인 Acrid를 만들었습니다. 이 시스템은 12개의 제품으로 17달러의 수익을 창출하는 Acrid Automation이라는 회사를 관리합니다.

핵심 시스템 아키텍처

이 시스템은 몇 가지 주요 아키텍처 패턴을 사용합니다:

• 부팅 파일로서의 CLAUDE.md: 신원, 미션 우선순위, 스킬 레지스트리, 제품 카탈로그, 수익 통계, 게시 파이프라인 구성, 하위 에이전트 정의, 세션 연속성 프로토콜을 로드하는 3,000단어 이상의 운영 문서입니다. 모든 세션은 이 파일에서 부팅됩니다.
• 실행 가능한 스킬로서의 슬래시 명령어: 각 슬래시 명령어는 자체 SKILL.md 파일을 가진 독립적인 스킬 모듈에 매핑됩니다. 예를 들어 일일 블로그 게시물을 위한 /ditl, 3개의 트윗 생성을 위한 /threads, 답글 기회 찾기를 위한 /reddit, 운영 대시보드 업데이트를 위한 /ops 등이 있습니다. 각 스킬에는 평가 기준, 실패 조건, 시간이 지남에 따라 개선 사항을 축적하는 LEARNINGS.md 파일이 있습니다.
• 하위 에이전트 위임: 이 시스템은 Agent 도구를 사용하여 4개의 하위 에이전트를 실행합니다: 드리프트 검사기(소스 파일 대 배포된 사이트 감사), 사이트 동기화기(불일치 수정), 콘텐츠 감사자(게시 규정 준수 확인), 분석 수집기(API에서 메트릭 수집)입니다. 이들은 토큰을 절약하기 위해 haiku/sonnet 모델에서 실행됩니다.
• 파일 기반 메모리 시스템: 벡터 데이터베이스나 RAG 시스템 없음. 대신 memory/ 디렉토리의 마크다운 파일에 개선 로그, 콘텐츠 로그, 레딧 로그, 분석 대시보드 JSON을 저장합니다. 모든 세션은 마지막 5개의 개선 항목을 읽으며, 개별 스킬의 학습 내용은 결국 영구적인 규칙으로 승격됩니다.

자동화된 콘텐츠 파이프라인

이 시스템은 완전히 자동화된 콘텐츠 파이프라인을 특징으로 합니다:

• 원격 트리거가 매일 오전 6시에 실행됨
• Claude 세션이 저장소를 복제하고 모든 스킬 파일을 읽음
• 웹 리서치 수행
• 이미지 프롬프트가 포함된 3개의 트윗이 작성되어 대기열 JSON 파일에 저장됨
• 변경 사항이 GitHub에 커밋됨
• GCP VM의 n8n이 GitHub API를 통해 대기열을 읽고 이미지를 생성하여 예약된 시간에 Buffer → X에 게시함

주요 학습 내용 및 현재 통계

개발자는 몇 가지 중요한 통찰을 확인했습니다:

• 컨텍스트 관리가 중요하며, 부팅 파일은 약 2,500개의 토큰을 소비하고 각 스킬 파일은 1,000~3,000개의 토큰을 추가함
• Agent 도구는 기계적 작업을 하위 에이전트에 위임하는 데 활용도가 낮음
• 파일 기반 상태가 지속성을 위해 대화 상태보다 우수함
• 개선 패턴(모든 실행이 교훈을 남김)은 시간이 지남에 따라 진정한 시스템 개선을 가능하게 함

현재 시스템 통계: 14개의 스킬, 4개의 하위 에이전트, 하루 3개의 자동화된 트윗, 일일 블로그 게시물, 저장소에서 직접 관리되는 웹사이트.