본문으로 건너뛰기

사이드프로젝트를 위한 AI Agent OS 구축

사이드프로젝트를 위한 AI Agent OS 구축 본문 이미지

소개

이번 작업의 목표는 사이드 프로젝트를 혼자 운영하면서도 PM, 비서, 리서처, 문서 관리자 역할을 AI Agent들이 나누어 수행하게 만드는 것이었습니다.

  • 단순히 ChatGPT에게 질문하는 방식이 아니라, 프로젝트 지식이 쌓이는 Vault를 만들고, Agent들이 그 Vault를 검색해 근거 기반으로 답하게 하는 구조를 만들었습니다.

  • Telegram에서 Agent와 대화하고, Agent는 Vault 안의 제품 문서, 위키, 원본 노트 등을 검색해 답하며, 원본 자료가 곧바로 공식 제품 문서가 되지 않도록 Source Promotion과 승인 기반 업데이트 절차를 만들었습니다.

  • 즉, AI를 각각의 전문 역할을 가진 팀원으로 정의하고, 이들이 내린 결정을 영구적으로 저장하고 실행할 수 있는 운영체제(OS)를 구축한 셈입니다.

진행 방법

< 구축 과정 >

  1. Vault 구조 만들고 Notion(메인 워크스페이스) 업데이트 연동하기

    • 참고로 기존에 모든 brainstorming은 AI 챗봇과 하고, 작업물은 Notion에 기록을 남김

    • 이것이 resource가 되어 Vault 구조를 잡고 내용을 채우는데 크게 어려움이 없었음

    • 꿀팁(?)이라면 기존에 했던 대화내용을 모두 구글독스로 export 시켜서 > Notebook LM에 파일을 연결한 다음 > Agent 들에게 경험치를 먹였음 (되더라구요....?)

      구글 문서
  2. Hermes로 Agent 생성하며 Telegram 연결 후 그룹챗 생성

    4명의 멤버가 있는 채팅 앱의 스크린샷

  3. LLM Wiki 및 RAG 구조 만들기

    개념

    역할

    01_sources = 기억

    원본 자료. 검색 가능하지만 자동으로 현재 진실은 아님

    02_wiki = 이해

    원본을 정제하고 재사용 가능한 지식으로 만든 영역

    04_product = 팩트

    제품 방향, PRD, 로드맵, 결정의 기준

  4. Founder Brain Index 생성 (프로젝트 시작 동기, 제품 로드맵, 사업계획서 등)

    • 기존 워크스페이스를 그대로 이식한 구조

  5. 각종 운영 정책 수립

    • RAG search policy, execution workflow 등

    • 제품 철학이 궁금하면:
      → philosophy.md

      장기 비전이 궁금하면:
      → vision.md

      NU 유입 전략이 궁금하면:
      → product.md

< 현재 기준 전체 아키텍처 >

Layer

의미

주요 내용

00_system

공통 시스템 규칙

스키마, shared agent core, RAG search policy

01_sources

원본 자료

Founder notes, Notion archive, raw research, screenshots

02_wiki

정제 지식

business, finance, philosophy, product, roadmap, UX, Founder Brain

03_agents

Agent 운영 영역

Mochi, Bambi, Leo, Atlas, shared policies

04_product

제품 공식 문서

vision, PRD, roadmap, decision

05_experience

제품 경험 정의

-

06_navigation~09_mock

앱 구조와 구현 보조

navigation, screen, UI, mock data

10_integrations

외부 연동

Notion mirror, scripts, reports

11_runtime

실행 환경

Hermes runtime과 백업. 백업은 active RAG에서 제외

13_domain_modules

도메인 모듈

Finance logic, validation, reports

99_archive

폐기/과거 자료

-

< 현재 기준 에이전트 역할 >

Agent

역할

비고

Mochi

PM Agent. 제품 전략, PRD, 로드맵, 우선순위, MVP 범위, UX 방향을 담당

Founder의 운영 흐름을 지원하며, 각종 보고/일정 관리/리마인드/Agent 업무 진행 현황 등을 정리해서 공유함. 또한 에이전트 간의 업무 handoff를 관리함.

Bambi

Secretary Agent. 일정, 리마인더, 회의 메모, 진행 상황 요약, 핸드오프를 담당

아이디어에 대한 검증, 유효 전략 제안 등을 하지만 결정권은 Founder가 가짐. 이 외 PRD, 제품 전략, 로드맵 등을 기획하여 실질적인 pipeline을 구축함

Luna

UXUI Designer Agent. 화면 설계 및 와이어프레임 구현을 도움

Founder와 PM이 논의한 프로덕트 개선사항을 토대로 Figma에서 수정 작업을 진행함

Leo

Product Research Agent. 경쟁사, 시장, 트렌드, 포지셔닝 근거를 조사

리서치 결과는 Mochi에게 전달되며, Mochi의 의사결정에 영향을 미침

Atlas

Technical Research Agent. 제품의 구현 가능성을 검토

API, 데이터 구조, MCC, 기술 검증 등을 담당

Watcher

문서 관리 Agent

Notion 내 변화를 감지하여 Mochi & Bambi에게 보고하며, 후속 업무 분담으로 이어짐

< 구성 >

  • 역할 기반의 Agent (판단): 각 AI에게 명확한 미션, 금지사항, 역할 등이 부여됨

  • Codex (실행): AI가 파일을 생성하거나 수정하여 결과물을 남기는 실행 레이어가 구축됨

  • Vault (기억): 프로젝트의 모든 지식이 저장되며 폴더 구조(전략, 제품, 의사결정 등)를 엄격히 나누어 AI가 혼란 없이 정보를 찾아낼 수 있게 함

< 실제 활용 사례 >

  • 아이디어 제안: 제가 텔레그램 그룹챗을 통해 회의를 열고 새로운 아이디어를 던집니다.

    • 협업 분석: Leo는 경쟁 서비스들이 이 기능을 어떻게 제공하는지 조사하고, Atlas는 관련 API 확보 가능성과 기술 리스크를 검토합니다.

    • 판단 및 기록: Mochi는 두 researcher의 의견을 종합하여 PM으로서 해당 아이디어의 유효성을 검토하며, 업무 우선순위/소요 시간 등의 의견을 정리하여 제게 승인요청을 합니다.

    • 실행 및 저장: 제가 승인할 경우 or 회의 중 의미있는 대화가 오갔을 경우 Agent들이 자체적으로 판단하여 Codex를 통해 Vault의 'Decision Log' 폴더에 기록을 문서로 남깁니다. 덕분에 며칠 뒤 제가 같은 질문을 해도 시스템은 이미 내린 결정을 근거로 답변합니다.

  • 아이디어 실행: 진행이 결정된 프로젝트 변동사항이 있을 경우

    • Notion을 메인 업무 공간으로 사용하고 있으므로 각 에이전트들이 각자의 공간에 문서를 생성하여 업무 기록을 남기며, 스프린트의 경우 Mochi가 주요 일정을 픽스합니다. 단, Luna만 예외적으로 Figma에서 작업합니다(MCP 연결).

      에밀리의 공간 hc - 스크린샷
      MC 브리지의 스크린샷
    • 저는 그 일정을 기준으로 UXUI 디자인, 프런트 기획 등의 업무를 수행하며 Notion에 모든 업데이트를 진행합니다.

    • 이런 변동사항을 Watcher라는 에이전트가 감지하여 Mochi & Bambi에게 보고하여 후속 업무를 진행하도록 돕습니다.

결과와 배운 점

< 결과 >

  • 혼자서도 조직처럼 일할 수 있게 해주는 시스템을 구현하였습니다.

  • Decision Log를 통해 "왜 이렇게 결정했지?"라는 소모적인 논쟁을 끝낼 수 있게 되었습니다.

  • Hermes를 통해 각기 다른 개성을 가진 에이전트를 여럿 만들 수 있었습니다.

< 배운점 >

  • 에이전트의 설정을 바꿔도 텔레그램에서 달라지지 않는 반응을 보이길래 띠용...? 하다가 한 가지 가설이 떠올랐습니다: Hermes한테 명령해서 만들어진 파일과 로컬에 직접 만든 파일이 충돌하고 있는건가...?

    한국어 앱 스크린샷
    • Profile/gateway를 만들면서 생성했던 soul.md 파일 등 Hermes 내부 설정 파일과 직접 생성한 Vault 문서가 둘 다 원본처럼 동작해서 에이전트들이 "진짜 설정이 어디냐?"는 충돌이 있었음

    • 예를 들어 Vault에는 A라고 적혀 있는데 Hermes SOUL에는 B라고 적혀 있으면, 에이전트가 서로 다른 규칙으로 행동할 수 있었음.

    • 그래서 뒤늦게 Vault를 유일한 공식 원본(Canonical Source) 으로 정하고, Hermes SOUL은 실행용 어댑터(Runtime Adapter) 로만 축소하는 작업을 진행하였음. 비유하자면:

      • Canonical Source=Vault: 에이전트의 정체성, 철학, 규칙, 업무 방식을 정의하는 유일한 공식 원본

      • Runtime Adapter=Hermes: 에이전트가 실제 실행될 때 Canonical Source를 읽고 사용할 수 있도록 연결해주는 얇은 실행 계층(ex. 한국어 사용, 반말하지 마!)

  • 문서를 넣는 것과 Agent가 이해하는 것은 다르다. 검색 가능한 구조와 정책이 필요하다.

  • Vault에 쌓인 제품 철학과 리서치 데이터는 조직의 영구적인 자산이 되어 혼선을 방지한다.

  • 역할 분리가 없으면 Agent가 서로의 일을 침범한다.

  • RAG는 많이 찾는 것이 아니라 필요한 문서를 정확히 찾는 것이 중요하다.

  • 백업/아카이브가 검색에 섞이면 답변 품질이 급격히 떨어진다.

  • 문서가 커질수록 지식 운영 규칙이 필요하다.

  • AI가 무엇을 어디에 저장할지에 대한 엄격한 정책을 먼저 세워야 한다

< 다음 목표 >

  • 아직 완성본은 아니라 천천히 남은 과정도 밟아볼까 합니다 (얼마나 걸릴진 모르겠지만;;)

    • Notion Sync: Notion 수정 시 Vault에 자동 반영하는 프로세스

    • Decision Automation: Founder 승인 시 INDEX 자동 업데이트

    • Embedding, Vector Search, Semantic Retrieval 도입

참고 내용

  • 1주차 때 청강했던 '리서치하네스' 스터디에서 "LLM Wiki"라는 개념을 소개해주셔서 따로 공부한 후에 같이 적용해보았습니다. 중급 과정이라 이해가 너무 어려워서 맞게 한건지는 모르겠지만 GPT의 도움을 받아가며 본 스터디의 내용과 한 번 결합해보았습니다.

  • 1주차 때 청강했던 'AI 논문' 스터디를 통해 옵시디언에 대해 알게 되어 Vault를 구축하는데 도움이 되었습니다.

3

함께 이야기해요 3

로그인하고 댓글을 남겨 주세요

이민영(Emilia) 프로필 이미지

1주차때 다 처음 듣는 내용이라 엄청 해맸는데 또 해매야 하는 구간이 왔군요... 안데ㅔㅔㅔㅔㅔ 공부할게 또 생겼어ㅓㅓㅓㅓㅓ 흐엉 ㅠㅠ 일단은 누적 자료가 아주 방대한건 아니라서 에이전트들이랑 계속 소통하면서 더 쌓이면 그때 시도해보자고 GPT가 제안해서 일단 보류해둔 상황이긴 합니다 ㅋㅋ

김진형 프로필 이미지
김진형2026.06.01

ㅋㅋㅋㅋㅋㅋ마지막주차 스터디에서는 RAG 생성해두시고 모찌가 시맨틱검색으로 RAG를 활용할수있게되기를~!

김진형 프로필 이미지
김진형2026.06.01

오 대박 아니 벌써 멀티프로필까지 만드시고 협업도 시키시다니 대단하신데요!? 아마 지금 옵시디언사용하셔서 마크다운파일로 Vault를 구축하신 것 같은데 본격적인 RAG 구축을 해보고싶으시면 PostgreSQL + pgvector / Langchain 프레임워크 리서치하고 공부해보신다음 모찌에게 그냥 "해줘~" 하시면 진짜 나중에 정보가 방대해졌을때도 정확도를 높이실 수 있을거에요!

필요한 AI 정보만
메일함에 쏙쏙 넣어드려요.

지금 핫한 AI 소식부터 직접 해 본 사례까지, 월요일마다 무료로 받아보세요

이런 사례도 있어요

사례 전체 보기