%20-%20AI%20Multi-Agent%20Planning%20System%20.jpg&w=3840&q=75)
Arc - AI Multi-Agent Planning System (Product Management AI)
목표를 입력하면 조사·분석·기획·비평 에이전트가 실행 계획과 문서를 만드는 시스템입니다. 진행 상황을 WebSocket으로 보여주고 체크포인트에서 중단된 작업을 이어갈 수 있게 했습니다.
목표를 입력하면 조사·분석·기획·비평 에이전트가 실행 계획과 문서를 만드는 시스템입니다. 진행 상황을 WebSocket으로 보여주고 체크포인트에서 중단된 작업을 이어갈 수 있게 했습니다.
무엇이 어려웠는가.
여러 에이전트가 차례로 일하는 동안 진행 상황과 비용을 보여주고, 중간에 멈춘 작업을 처음부터 다시 하지 않고 이어가야 했습니다.
어떻게 풀었는가.
LangGraph StateGraph로 조사·분석·기획·비평 단계를 나누고 FastAPI WebSocket으로 중간 결과를 전송했습니다. 체크포인트와 토큰 사용량을 저장하고 최종 산출물은 문서로 내보내도록 만들었습니다.
구성 요소와 각자의 책임.
Coordinator Agent
- — 단계별 실행 관리
- — 작업 분배와 결과 취합
Research Agents
- — 웹 자료 조사와 요약
- — 근거를 구조화해 전달
Planner & Critic
- — 실행 계획 작성
- — 비평과 수정 반복
PythonFastAPILangGraphWebSocketPostgreSQL
개요
- 1인 개발로 진행한 LangGraph 기반 다중 에이전트 기획 시스템(Arc/PMAI)입니다.
목적 / 사용 흐름
1) 목적
- “목표를 입력하면, 에이전트들이 분업해 리서치/분석/기획안을 만들고, 비평(critic) 루프로 품질을 올린다”는 기획 자동화 흐름을 구현하는 것이 목적입니다.
2) 유저 플로우
- 프로젝트/요구사항 입력 → 워크플로우 실행(에이전트 라우팅) → 실행 상태/중간 산출물 스트리밍(WebSocket) → 체크포인트 기반 재개 → 문서 형태로 내보내기(예: Obsidian).
핵심 구성
1) 워크플로우 오케스트레이션
- StateGraph 기반으로 에이전트 실행 흐름을 정의하고, 단계별 결과를 누적해 다음 단계에 전달합니다.
2) 실시간 스트리밍
- FastAPI WebSocket으로 실행 로그/토큰/중간 산출물을 스트리밍해 사용자에게 진행 상황을 제공합니다.
3) 체크포인트/재개
- 장시간 실행 또는 중단 상황을 고려해 체크포인트 기반으로 재개 가능한 구조를 구성했습니다.
4) 비용 추적/내보내기
- 토큰/비용 트래킹을 구성하고, 산출물을 문서 도구로 내보내는 흐름을 포함했습니다.