LLM 에이전트 시스템에서 지능형 태스크 분해와 실행 — Claude CLI 브릿지 패턴

복잡한 작업을 여러 AI 에이전트에게 나누어 맡기는 시스템을 만들고 있다. 이번에 만든 핵심은 "smart decomposer" — 사용자가 던진 모호한 요청을 Claude가 분석해서 실행 가능한 태스크들로 쪼개는 기능이다. 배경: 무엇을 만들고 있는가 AgentCrow는 AI 에이전트 오케스트레이션 플랫폼이다. 하나의 큰 작업을 여러 전문 에이전트(QA Engineer, Frontend Developer, Content Writer 등)에게 나누어 실행하는 게 목표다. 지금까지 만든 것: 8개 언어 다국어 지원 대시보드 YAML 기반 에이전트 정의 시스템 에이전트 매칭 알고리즘 Claude CLI와의 브릿지 이번 작업의 핵심은 지능형 태스크 분해다. "웹사이트를 만들어줘"라는 요청을 받으면 Claude가 이걸 "UI 설계 → 컴포넌트 개발 → 테스트 케이스 작성"으로 쪼개고, 각각에 맞는 에이전트를 자동 매칭하는 것이다. LLM을 태스크 분해기로 활용하는 프롬프트 패턴 기존 에이전트 시스템들은 보통 룰 기반이나 하드코딩된 워크플로우를 쓴다. 하지만 LLM의 추론 능력을 쓰면 훨씬 유연한 분해가 가능하다. 구조화된 분해 프롬프트 smart-decomposer.ts에서 쓰는 프롬프트를 보자: const DECOMPOSE_PROMPT = ` Analyze this request and break it down into specific, executable subtasks. Each subtask should be focused enough for a specialist agent. Focus on these domains: ${domains.join(', ')} Request: "${request}" Return ONLY a JSON array of subtasks. Each item should have: - task: clear, actionable description - domain: primary expertise needed - priority: 1-5