AI 에이전트 여러 마리를 함께 쓰면 더 똑똑한 결과를 낼 것 같다. 하지만 실제로는 한 마리의 대장 에이전트가 나머지 조수 에이전트들에게 일방적으로 명령을 내리는 경우가 많다. 조수들은 대장이 시키는 일만 하는 단순한 도구로 전락하고 만다. 왜 AI들의 협업은 항상 이런 수직적인 구조여야만 할까.

dance-of-tal이 정의한 에이전트 4단계 구성

개발자 커뮤니티에서 공개된 dance-of-tal(AI 에이전트를 레고 블록처럼 조립하게 돕는 도구)은 이 문제를 해결하려 한다. 기존 방식은 대장 에이전트가 조수 에이전트를 호출하면 조수가 대장의 일부 기능처럼 작동했다. 반면 dance-of-tal은 에이전트를 네 가지 단위로 쪼개어 관리한다.

먼저 Tal(탈)은 에이전트가 누구인지 정하는 성격이다. Dance(춤)는 그 에이전트가 무엇을 할 수 있는지 정하는 재사용 가능한 기술이다. 여기에 모델과 MCP(AI가 외부 데이터나 도구를 쉽게 가져다 쓰는 약속) 그리고 runtime(AI 프로그램이 실제로 돌아가는 환경)이 합쳐지면 Performer(무용수)라는 실제 실행 단위가 된다. 마지막으로 이 무용수들이 어떻게 함께 움직일지를 정하는 것이 Act(공연)다.

결국 에이전트를 단순한 호출 대상이 아니라 독립적인 부품으로 정의한 셈이다.

종속 관계를 협력 관계로 바꾸는 조립의 힘

이러한 변화가 중요한 이유는 재사용성 때문이다. 기존 구조에서는 조수 에이전트가 대장 에이전트의 설정에 묶여 있어 다른 곳에서 다시 쓰기 어려웠다. 그러나 dance-of-tal 구조에서는 성격과 기술을 분리했기에 필요한 곳에 바로 끼워 넣을 수 있다.

주목할 점은 이를 시각적으로 구현한 DOT Studio(AI 에이전트들의 관계를 그림으로 그려서 설계하는 도구)의 등장이다. 사용자는 캔버스 위에 Tal과 Dance를 배치하고 연결하며 협업 흐름을 설계한다. 이는 복잡한 코드를 수정하는 대신 그림을 그리듯 AI의 관계를 설정하는 방식이다.

반면 기존의 방식은 관계와 흐름이 코드 속에 숨어 있어 수정할 때마다 전체를 뜯어고쳐야 했다. DOT Studio를 쓰면 어떤 에이전트가 어떤 역할을 맡고 어떻게 연결되는지 한눈에 보인다. 결국 에이전트 간의 관계가 명령을 듣는 종속 관계에서 함께 춤을 추는 협력 관계로 바뀐다.

실무 설계의 자유도와 OpenCode 환경의 결합

실무적으로는 서로 다른 system prompt(AI에게 어떤 역할을 할지 미리 알려주는 지침서)나 MCP를 가진 에이전트들을 한 화면에서 조율할 수 있다는 점이 핵심이다. OpenCode(코드를 작성하고 실행하는 환경) 위에서 돌아가는 에이전트 구성을 브라우저에서 바로 다룰 수 있다.

단순히 화면이 예뻐진 것이 아니라 설계의 자유도가 높아진 것이다. 서로 다른 설정을 가진 에이전트들을 캔버스에 올려두고 직접 연결하며 최적의 조합을 찾을 수 있다. 이는 복잡한 AI 시스템을 만들 때 발생하는 설정 오류를 줄이고 실험 속도를 높이는 결과로 이어진다.

결과적으로 개발자는 코드의 늪에서 벗어나 AI들의 관계 설계에만 집중할 수 있게 된다.

AI 에이전트의 구조가 명령 체계에서 조립 체계로 변하고 있다. 이제는 누가 명령하느냐보다 어떻게 조합하느냐가 더 중요하다.