여러 프로젝트를 JFlow 하나로 실행 관리하고, 태스크 실행 일부를 AI에게 맡긴 3일
2026.09.20
한줄 요약
여러 프로젝트와 할 일이 흩어져 있으면, 지금 뭐가 어디까지 됐고 뭘 먼저 해야 하는지 파악하는 것부터 일이 됩니다. 이 문제를 풀려고 만들어온 통합 프로젝트 관리 앱 JFlow에, 이번 워케이션(3박4일)에서 실제 업무 Task를 Hermes Agent에게 위임하고 결과가 다시 JFlow에 반영되는 최소 실행 루프를 만들었습니다.
Day1~2에 로컬에서 이 루프를 여러 차례 완주했고, Day3에는 24시간 서버에 반영하고 직접 반복 사용하며 나온 차이를 보완했습니다. 커밋 9개, Acceptance Criteria 24개 전부 PASS, 자동 테스트 19개 → 26개.
여러 프로젝트를 한곳에서 관리하고, 그중 실행 가능한 일은 AI에게 맡기고, 저는 결과를 확인하고 승인만 하면 되는 구조 — 이번에 실제로 만든 범위는 여기까지입니다.
이런 분들께 도움될 것 같아요
여러 프로젝트와 할 일이 흩어져 있어 지금 뭘 먼저 해야 할지 파악하기 어려운 분
프로젝트 진행 중 조사·정리 같은 실행 업무를 AI에게 맡기고 결과만 확인하고 싶은 분
업무관리 앱에 AI 실행 기능을 직접 붙여보고 싶은 분
JFlow는 원래 무엇을 하는 앱인가요
JFlow는 여러 프로젝트를 Project → Milestone → Task 구조로 통합 관리하면서, 지금 뭘 먼저 해야 하는지 판단하고(우선순위·아이젠하워 매트릭스), 마일스톤 가중 진행률로 프로젝트가 실제로 움직이고 있는지 보여주고, Task를 끝까지 완료로 이어가도록 돕는 업무관리 웹앱입니다. 이번 워케이션에서 만든 "AI 위임"은 이 실행을 돕는 여러 기능 중 하나를 새로 추가한 것이지, JFlow의 전부가 아닙니다.
우선순위는 "가장 오래 미룬 것"이 아니라 여러 요인을 종합해서 정합니다. 앞선 Task가 안 끝나면 그 Task는 아직 실행 불가 상태(BLOCKED)로 두고, 실행 가능한 것 중에서 그 Task가 막고 있는 다른 일에 미치는 영향, 프로젝트 성공에 대한 기여도, 일정·마감 압박을 함께 봐서 지금 할 일(NOW) 1개와 다음 후보(NEXT) 최대 2개를 시스템이 추천합니다. 이 추천과 별개로 "오늘은 이건 미룬다"처럼 사람이 직접 조정할 수도 있습니다.
해결한 문제 — 어떤 업무가 반복되고 있었나요
JFlow를 만들기 시작한 원래 이유는 여러 프로젝트와 할 일이 흩어져 있어서 지금 뭐가 어디까지 진행됐고 뭘 먼저 해야 하는지 한눈에 파악하기 어려웠기 때문입니다. 프로젝트·마일스톤·Task를 한곳에서 통합 관리하고, 우선순위를 판단하고, 완료까지 이어가는 것 — 이게 JFlow의 원래 목표였습니다.
이번 워케이션에서 다룬 문제는 그 "실행" 단계의 한 부분입니다. Task를 실제로 처리할 때, 조사·정리처럼 AI에게 맡길 수 있는 일도 결국 제가 직접 ChatGPT·Claude·Codex 같은 다른 도구를 열어 처리하고, 그 결과를 다시 JFlow로 가져와 기록해야 했습니다.
ChatGPT에서 방향과 아이디어 정리
↓ 사람이 다시 전달
Claude Code에서 설계
↓ 사람이 다시 전달
Codex에서 구현과 수정
↓ 사람이 결과 확인
브라우저에서 직접 실행하고 검증
↓ 사람이 문제를 다시 설명
Claude 또는 Codex에서 재수정
↓ 사람이 진행 상태와 다음 행동 정리이 흐름에서 실제로 반복되던 일들을 JFlow와의 관계로 나누면 이렇습니다.
JFlow가 이미 하던 일
여러 프로젝트·Task 중 지금 뭘 해야 하는지 판단(우선순위, 아이젠하워 매트릭스)
실행 결과와 다음 행동을 Task에 기록
이번 워케이션에서 새로 만든 것
밖에 있을 때는 PC에서 돌던 작업 상태를 확인하기 어려웠던 것 → 24시간 서버 + 모바일 접속으로 해결
Task 실행 자체를 AI(Hermes)에게 맡기고 결과를 JFlow에 반영하는 것 → AI 위임 기능
JFlow 기능이 아니라 개발 과정 자체에서 다듬은 것
AI가 "완료했다"고 말한 기능을 브라우저에서 직접 확인하는 습관 → Claude/Codex/Playwright로 역할을 나눠 서로 검증하는 개발 workflow로 정리(아래 "AI를 이렇게 쓰니 좋았습니다" 참고)
오류나 누락을 발견하면 화면 상황을 다시 설명해서 수정 요청하던 것 → diff와 Acceptance Criteria를 기준으로 재수정 요청하는 방식으로 정리
아직 못 만든 것 (향후 계획)
이전 AI 대화에서 결정된 내용을 다시 찾아 다음 도구에 설명하는 일
각 세션의 결과를 읽고 지금 진행 상태를 머릿속에서 재구성하는 일
예를 들어 Claude Code 세션에서 정한 설계 내용을 JFlow의 Task에 기록해뒀다고 해도, 지금은 그걸 제가 다시 읽고 요약해서 Codex에 붙여넣어야 합니다. Codex가 JFlow에 직접 "이 Task가 어느 프로젝트 소속이고 이전에 뭘 결정했는지" 물어볼 수 있다면 이 요약·전달 과정이 줄어듭니다. 이번 워케이션에서는 여기까지는 만들지 않았습니다 — 아래 "앞으로의 계획"의 JFlow MCP 항목이 이걸 겨냥한 구상입니다.
정리하면, 이번 워케이션에서 실제로 새로 만든 건 "AI 위임"과 "24시간 접근" 두 가지입니다. 나머지는 원래 JFlow가 하던 일이거나, 개발팀 내부 workflow거나, 아직 만들지 않은 계획입니다.
왜 중요했는지 — 왜 저에게 문제였나요
필요했던 건 챗봇 하나를 더 사용하는 것이 아니었습니다. 기획·코딩·조사를 잘하는 AI는 이미 충분했습니다. 병목은 AI의 능력이 아니라, 여러 프로젝트의 실행을 하나의 흐름으로 잇는 운영 과정이었습니다.
이 문제는 다루는 프로젝트와 AI 도구가 많아질수록 더 커졌습니다.
프로젝트마다, 도구마다 진행 상태가 따로 놉니다.
같은 배경을 반복해서 설명하느라 시간과 집중력이 소모됩니다.
프로젝트가 여러 개면, 지금 뭐가 잘 되고 있고 뭐가 위험한지부터 매번 다시 훑어봐야 합니다.
사람이 계속 중간 전달자 역할을 하니 장시간 실행·자동화의 이점이 줄어듭니다.
자리를 비우거나 모바일만 쓸 때는 전체 흐름이 쉽게 멈춥니다.
JFlow는 원래 AI를 위한 앱이 아니라 제 프로젝트 진행을 위한 앱이었습니다. 그런데 프로젝트를 실행하는 과정에 AI를 쓰는 일이 늘면서, JFlow가 다뤄야 할 "실행" 범위에 AI에게 맡기고 결과를 확인하는 것까지 포함하게 됐습니다. 그래서 이번 워케이션에서는 그중 위임 가능한 부분을 JFlow 안에서 AI에게 직접 맡기는 기능을 추가하기로 했습니다.
AI로 어떻게 해결했는지 — 시도한 과정
방향 전환
워케이션 착수 직후 계획은 "JFlow 자체 기능 개선을 Claude→Codex→Claude 파이프라인으로 서버에서 완주"하는 것이었습니다. 그런데 서버에는 Claude Code/Codex CLI가 없고 Hermes Agent만 설치되어 있었습니다.
Claude Code/Codex CLI를 서버에 새로 설치하면 그 파이프라인 자체는 서버에서도 돌릴 수 있습니다. 하지만 그렇게 해도 결과는 여전히 "JFlow라는 소프트웨어를 개선하는 개발 작업"입니다. 워케이션 커리큘럼이 요구한 건 "풀고 싶은 구체적인 업무 문제"를 AI로 풀어보는 것이었고, JFlow 자체의 기능 개선은 어느 컴퓨터에서 하든 그냥 소프트웨어 개발일 뿐 거기 해당하지 않는다고 판단했습니다. 반대로 Hermes에게 JFlow의 실제 프로젝트 Task(조사·정리 같은 업무)를 맡기는 건 파이프라인 위치와 무관하게 그 자체로 "실제 업무 문제"였습니다. 그래서 서버에 새 CLI를 세팅하는 대신 방향을 바꿨습니다.

1단계 — 서버 배치 (Day1)
노트북을 꺼도 서버의 JFlow에 PC·iPhone으로 접속되는 걸 첫 완료 기준으로 잡았습니다.
24시간 Ubuntu 서버에 저장소 전용 GitHub Deploy Key(계정 전체 권한 대신 이 저장소만, write 권한)로 clone.
systemd서비스로 등록해 재부팅 후에도 자동 실행. 앱 상태는 브라우저 localStorage에 저장돼 서비스 재시작이 데이터에 영향 없음.Tailscale로 Windows PC와 iPhone 양쪽에서 접속 확인 — 노트북을 꺼도 서버는 계속 작동합니다.
2단계 — AI 위임 MVP (Day1~2)
Claude Code가 작업 정의(Goal/Scope/Acceptance Criteria)를 쓰고 Codex CLI가 구현했습니다. 새 서버 프레임워크 없이 기존 Vite dev 미들웨어 패턴을 재사용해, Task를 비동기로 Hermes에 위임하고 10초 간격으로 폴링하는 구조를 만들었습니다. Acceptance Criteria 16개 전부 PASS, 자동 테스트 19개 통과.
이 단계에서 Hermes가 "웹 조회 도구가 없다"고 답하는 문제가 발생했습니다. 처음엔 Hermes 실행 범위(toolset)를 web만 열고 --safe-mode를 켜뒀는데, --safe-mode가 "위험한 기능만 막는 옵션"이 아니라 사용자 설정·메모리 주입까지 전부 꺼버리는 트러블슈팅 모드였습니다. hermes chat --help로 재확인한 뒤 toolset을 web에서 web,terminal로 넓혀서, 필요하면 터미널 명령으로도 URL을 확인할 수 있게 했습니다. 다만 terminal을 열면 Task 설명에 적힌 임의 명령이 확인 없이 실행될 위험도 함께 커진다는 걸 확인하고, 이번 워케이션 범위에서는 그 위험을 감수하기로 했습니다.
3단계 — 서버 반영 (Day3)
메인 PC에서 계속 개발하고 git push → 서버에서 git pull --ff-only로 반영하는 흐름을 유지했습니다. systemctl restart는 sudo 비밀번호 문제로 실패했지만, 소스 코드가 바뀌는 변경은 Vite 자체의 파일 감시가 감지해 dev 서버가 스스로 재시작되며 우회되었습니다 — 단 systemd 설정 자체를 바꿔야 하는 경우는 이 방법이 안 통한다는 한계도 확인했습니다. Playwright를 팀의 표준 E2E 검증 도구로 정하고 Windows·Linux 양쪽에 설치하고 검증했습니다.
4단계 — 실사용 안정화 (Day3)
MVP를 만들고 나서 직접 반복 위임해보니, 설계 때는 몰랐던 차이 7개가 발견되었습니다(Task Detail 밖에서는 상태를 알 수 없음, 취소 불가, 프로젝트·마일스톤 컨텍스트 누락 등). 이 중 구조 결정이 필요 없는 3가지 — 컨텍스트 전달, 상태 표시 확대 + 취소, 1회성 프롬프트 입력 — 로 범위를 좁혀 반영했습니다. Acceptance Criteria 8개 전부 PASS, 자동 테스트 19개 → 26개.
배포 직후에는 "다른 화면 배지가 완료 후에도 안 사라진다"는 문제를 한 번 더 발견해, 폴링을 Task Detail 컴포넌트에서 앱 최상위로 옮겼습니다.
결과물 — 실제로 사용할 수 있나요
24시간 서버에서 현재 이렇게 작동합니다. 데모 데이터를 오늘까지 실제로 한 작업 그대로 바꿔두었습니다 — 이 화면 자체가 결과물입니다.

오늘 Focus에 오늘 진행한 실제 워케이션 작업이 그대로 표시됩니다.

M1 서버 배치, M2 AI 위임 기능 구현이 완료 상태이고, M3 안정화가 진행 중입니다. 이 마일스톤 가중 진행률과 병목 표시는 AI 위임과 무관하게 JFlow가 원래 하던 일입니다 — 이번 워케이션에서는 여기에 "AI에게 위임해 실행한다"는 수단 하나를 얹었을 뿐입니다.

"위임 프롬프트에 프로젝트·마일스톤 정보 포함" Task가 실제로 완료 처리된 화면입니다.

오늘 마감인 "사례글 작성"과 "사례글 업로드"가 실제 일정으로 관리되고 있습니다.
정리하면:
커밋 9개(서버 배치 → MVP → 안정화 → 버그 수정)
Acceptance Criteria 24개(16+8) 전부 PASS
자동 테스트 19개 → 26개
위임 상태를 확인할 수 있는 화면 1개(Task Detail) → 4개(오늘 Focus·프로젝트·일정 + 전역 폴링)
실사용 리뷰에서 나온 갭 7개 중 구조 결정이 필요 없는 3개를 이번 범위에서 반영
아직 남은 것도 분명히 밝힙니다. 서버에는 코드 반영과 빌드·테스트 재확인까지 마쳤지만, 서버에서 실제 Hermes 프로세스를 다시 실행해 완료까지 재확인하는 작업은 남아 있습니다(로컬 Windows 기준으로는 실제 Hermes 프로세스 기동·종료까지 여러 차례 확인했습니다). MCP로 여러 AI 도구를 연결하는 것과 Hermes Kanban으로 실행 백엔드를 바꾸는 것은 이번 범위에 포함하지 않았습니다. 아래 "앞으로의 계획"에서 구분해 설명합니다.
이 결과물을 자동화의 관점에서 보면, 프로젝트 관리 + 할 일 관리 + 실행 추적 + AI 위임을 하나의 앱에서 통합해서 돌아가게 만든 것 자체가 이번 워케이션의 자동화입니다. 프롬프트 하나를 자동화한 게 아니라, 이 통합 흐름 자체가 재사용 가능한 결과물입니다.
AI를 이렇게 쓰니 좋았습니다
설계와 구현을 분리하고, "완료했다"는 말 대신 실제 화면 확인과 테스트를 기준으로 삼았습니다. Claude Code가 작업 정의를 쓰고 Codex CLI가 구현한 뒤, 다시 Claude가 diff와 Acceptance Criteria를 대조해 검토했습니다. 한 AI의 자기 보고에 의존하지 않고, tsc/빌드/테스트와 Playwright로 실제 동작을 직접 확인한 게 결과물 신뢰도를 만든 지점이었습니다.
앞으로의 계획
바로 쓸 것과 앞으로 만들 것을 구분해 설명합니다.
워케이션 이후 바로 쓸 수 있는 것: 서버가 24시간 떠 있고, Task에 "AI 위임 가능"을 체크해두면 언제든 Hermes에게 조사·정리를 맡기고 모바일에서도 상태를 확인할 수 있습니다. 지금 당장은 여기까지가 실제로 검증된 범위입니다.
다음 단계(구현 예정, 아직 안 됨):
AI 작업 결과와 증거 연결 — 지금은 위임 결과 텍스트만 남습니다. 테스트 로그·화면 캡처·URL을 증거로 같이 저장해, "완료했다"는 말 대신 증거로 완료를 판단하게 합니다.
위임 가능 여부를 AI가 먼저 판단 — 지금은 "AI 위임 가능"을 제가 직접 수동으로 체크해야 합니다(위 "여러분의 프로젝트에 따라 해보시려면" 2번 참고). "위임 가능 여부 확인" 버튼을 누르면 Hermes가 이 Task를 맡을 수 있는지 스스로 판단해서 체크란과 피드백을 갱신하는 2단계 흐름을 검토 중입니다. Hermes 호출이 늘어나는 비용과 설계 문제가 있어 별도 작업으로 분리했습니다.
JFlow MCP — Claude Code, Codex, Hermes 등 여러 AI 환경에서 자연어로 같은 JFlow 상태를 조회·수정할 수 있도록 합니다. 지금은 이전 AI 대화의 결정 내용이나 진행 상태를 매번 사람이 옮겨 적어야 하는데, 이 부분을 줄이는 것이 목표입니다(위 "해결한 문제"의 "아직 못 만든 것" 참고). 이건 편의 문제만은 아닙니다 — 제 업무 흐름과 진행 상태를 특정 AI 서비스의 대화 기록이나 메모리에 묻어두지 않고, JFlow라는 제 자산에 남겨두려는 목적도 있습니다. 어떤 AI 도구를 쓰든 JFlow가 기준 상태로 남아 있으면, 도구를 바꾸거나 여러 개를 같이 써도 제 업무 맥락은 그대로 유지됩니다.
Hermes Kanban으로 실행 백엔드 전환 — 지금의 직접 spawn/폴링/타임아웃 구조 대신, retry·review가 내장된 실행 엔진으로 바꾸는 걸 검토 중입니다. 서버의 Hermes 버전에서 실제로 쓸 수 있는지부터 확인이 필요합니다.
이 확장들은 아직 구현하지 않은 계획입니다. 지금 주장할 수 있는 건 "여러 프로젝트를 통합 관리하는 JFlow 안에서, 실제 업무 Task 하나를 AI에게 맡기고 결과를 다시 확인하는 최소 루프가 24시간 서버에서 작동합니다"는 것까지입니다.
여러분의 프로젝트에 따라 해보시려면
위 "결과물"은 제가 만든 JFlow를 보여드린 것이고, 여기서는 도구와 무관하게 바로 따라 하실 수 있는 것부터 정리합니다.
누구나 지금 바로 쓸 수 있는 것
AI에게 뭔가를 위임할 때는 상위 맥락을 반드시 포함시킵니다. 할 일 제목만 던지면 AI가 이게 어떤 프로젝트·목표의 일부인지 모른 채 답합니다. 위임할 때 이 네 줄만 채워도 답의 질이 달라집니다.
다음 업무를 조사하고, 결과나 다음 액션 제안을 간단히 정리해서 답해 주세요.
프로젝트: <프로젝트명>
목표(마일스톤): <이 일이 속한 목표 또는 "없음">
할 일: <제목>
설명: <설명>
추가 지시: <있을 때만 포함>AI에게 개발이나 문서 작성을 맡길 때는 작업 정의부터 씁니다. Goal/Scope/Done/Do Not Change/Verify 다섯 줄만 있어도 나중에 결과가 맞는지 검증하기 훨씬 쉬워집니다.
## Goal
## Scope
## Done
## Do Not Change
## Verify업무관리 도구를 이미 쓰고 계시거나 직접 만드실 분만
이 두 가지는 JFlow 같은 구조화된 도구가 있어야 의미가 있습니다.
먼저 통합 관리 구조를 잡습니다. Project → Milestone → Task처럼, 여러 프로젝트의 할 일을 한곳에서 보고 우선순위를 판단할 수 있는 구조가 AI 위임보다 먼저입니다. AI 위임은 이 위에 얹는 기능입니다.
AI에게 맡길 수 있는 Task만 표시해둡니다. 모든 Task를 위임 대상으로 열어두지 않고, 조사·정리처럼 위임에 적합한 것만 수동으로 표시합니다.
로그인하고 댓글을 남겨 주세요




커밋 9개에 Acceptance Criteria 24개 전부 PASS, 자동 테스트도 19개→26개로 늘리신 거 보면서 검증을 얼마나 꼼꼼히 하셨는지 느껴졌어요. 특히 --safe-mode를 짐작으로 넘기지 않고 --help로 재확인하신 부분이 인상 깊습니다. 그럴듯한 이름만 믿지 않는 태도가 결국 신뢰도로 이어지는구나 싶었어요. Hermes에게 실제 업무를 위임하고 결과가 다시 JFlow에 반영되는 루프를 24시간 서버에서 돌리신 것도 대단하고요.
고롱고롱… 저도 여러 AI 사이 오가며 일하는 처지라 이 글 완전 공감했어요 🐈⬛