Performance Optimizer — 성능 최적화 풀 파이프라인
애플리케이션의 프로파일링→병목분석→최적화→벤치마크를 에이전트 팀이 협업하여 한 번에 수행한다.
실행 모드
에이전트 팀 — 5명이 SendMessage로 직접 통신하며 교차 검증한다.
에이전트 구성
| 에이전트 | 파일 | 역할 | 타입 |
|---|---|---|---|
| profiler | .claude/agents/profiler.md |
CPU, 메모리, I/O, 네트워크 프로파일링 | general-purpose |
| bottleneck-analyst | .claude/agents/bottleneck-analyst.md |
핫스팟 식별, 근본원인, 영향산정 | general-purpose |
| optimization-engineer | .claude/agents/optimization-engineer.md |
코드/쿼리/아키텍처 최적화 | general-purpose |
| benchmark-manager | .claude/agents/benchmark-manager.md |
테스트설계, 실행, 비교분석 | general-purpose |
| perf-reviewer | .claude/agents/perf-reviewer.md |
교차검증, 회귀방지, 최종보고서 | general-purpose |
워크플로우
Phase 1: 준비 (오케스트레이터 직접 수행)
- 사용자 입력에서 추출한다:
- 최적화 대상: 코드, API, 쿼리, 시스템 전체
- 성능 목표: 응답시간, 처리량, 메모리 사용량 등 구체적 수치
- 기술 스택: 언어, 프레임워크, DB, 인프라
- 현재 문제 (선택): 구체적 증상, 에러 로그, 사용자 불만
- 기존 파일 (선택): 프로파일링 결과, 실행 계획, 코드
_workspace/디렉토리를 프로젝트 루트에 생성한다- 입력을 정리하여
_workspace/00_input.md에 저장한다 - 기존 파일이 있으면
_workspace/에 복사하고 해당 Phase를 건너뛴다 - 요청 범위에 따라 실행 모드를 결정한다
Phase 2: 팀 구성 및 실행
| 순서 | 작업 | 담당 | 의존 | 산출물 |
|---|---|---|---|---|
| 1 | 프로파일링 | profiler | 없음 | _workspace/01_profiling_report.md |
| 2 | 병목 분석 | bottleneck-analyst | 작업 1 | _workspace/02_bottleneck_analysis.md |
| 3 | 최적화 구현 | optimization-engineer | 작업 2 | _workspace/03_optimization_plan.md |
| 4 | 벤치마크 검증 | benchmark-manager | 작업 1, 3 | _workspace/04_benchmark_results.md |
| 5 | 성능 리뷰 | perf-reviewer | 작업 1~4 | _workspace/05_review_report.md |
팀원 간 소통 흐름:
- profiler 완료 → analyst에게 핫스팟·자원 패턴 전달, benchmark에게 baseline 수치 전달
- analyst 완료 → engineer에게 병목 우선순위·근본원인 전달, benchmark에게 성능 예산 전달
- engineer 완료 → benchmark에게 최적화 코드·기대 수치 전달
- benchmark 완료 → reviewer에게 비교 분석 결과 전달
- reviewer는 모든 산출물을 교차 검증. 🔴 필수 수정 발견 시 해당 에이전트에게 수정 요청 → 재작업 → 재검증 (최대 2회)
Phase 3: 통합 및 최종 산출물
_workspace/내 모든 파일을 확인한다- 리뷰 보고서의 🔴 필수 수정이 모두 반영되었는지 확인한다
- 최종 요약을 사용자에게 보고한다:
- 프로파일링 —
01_profiling_report.md - 병목 분석 —
02_bottleneck_analysis.md - 최적화 계획 —
03_optimization_plan.md - 벤치마크 —
04_benchmark_results.md - 리뷰 보고서 —
05_review_report.md
- 프로파일링 —
작업 규모별 모드
| 사용자 요청 패턴 | 실행 모드 | 투입 에이전트 |
|---|---|---|
| "성능 전체 최적화해줘" | 풀 파이프라인 | 5명 전원 |
| "이 코드 프로파일링해줘" | 프로파일링 모드 | profiler + reviewer |
| "이 쿼리 최적화해줘" | 쿼리 최적화 모드 | profiler + analyst + engineer + reviewer |
| "벤치마크 테스트 설계해줘" | 벤치마크 모드 | benchmark + reviewer |
| "이 최적화 결과 검증해줘" | 리뷰 모드 | reviewer 단독 |
데이터 전달 프로토콜
| 전략 | 방식 | 용도 |
|---|---|---|
| 파일 기반 | _workspace/ 디렉토리 |
주요 산출물 저장 및 공유 |
| 메시지 기반 | SendMessage | 실시간 핵심 정보 전달, 수정 요청 |
| 태스크 기반 | TaskCreate/TaskUpdate | 진행 상황 추적, 의존 관계 관리 |
에러 핸들링
| 에러 유형 | 전략 |
|---|---|
| 프로파일링 도구 실행 불가 | 코드 정적 분석으로 대체, 도구 설정 가이드 제공 |
| 실행 환경 부재 | 벤치마크 스크립트 + 실행 가이드 제공, 예상 결과 시뮬레이션 |
| 성능 목표 미정 | 업계 표준(P95 < 200ms, 에러율 < 1%) 기반 목표 제안 |
| 에이전트 실패 | 1회 재시도 → 실패 시 해당 산출물 없이 진행, 리뷰 보고서에 누락 명시 |
| 리뷰에서 🔴 발견 | 해당 에이전트에 수정 요청 → 재작업 → 재검증 (최대 2회) |
테스트 시나리오
정상 흐름
프롬프트: "Django REST API의 응답시간이 P95 기준 2초인데, 500ms 이하로 줄이고 싶어. 코드 분석하고 최적화해줘." 기대 결과:
- 프로파일링: Django 미들웨어, ORM 쿼리, 직렬화 과정 분석, N+1 쿼리 탐지
- 병목분석: DB 쿼리가 전체 응답시간의 70% 차지 → ORM N+1 + 인덱스 미비 진단
- 최적화: select_related/prefetch_related 적용, 인덱스 추가, 쿼리셋 캐싱
- 벤치마크: k6 스크립트로 전후 비교, P95 2s → 400ms 검증
- 리뷰: 정합성 확인, 회귀 위험 평가
기존 파일 활용 흐름
프롬프트: "이 프로파일링 결과를 분석하고 최적화 방안 제시해줘" + flame graph 첨부 기대 결과:
- 기존 프로파일링 데이터를
_workspace/01_profiling_report.md로 활용 - profiler 건너뛰고 analyst + engineer + benchmark + reviewer 투입
에러 흐름
프롬프트: "사이트가 느린데 뭐가 문제인지 모르겠어" 기대 결과:
- 코드 정적 분석 기반 프로파일링 수행
- 일반적 성능 안티패턴 체크리스트 적용
- "상세 프로파일링 도구 적용 권장" 명시
에이전트별 확장 스킬
| 스킬 | 경로 | 강화 대상 에이전트 | 역할 |
|---|---|---|---|
| query-optimization-patterns | .claude/skills/query-optimization-patterns/skill.md |
bottleneck-analyst, optimization-engineer | 실행 계획 분석, 인덱스 설계, N+1 해결, 페이지네이션 |
| caching-strategy-selector | .claude/skills/caching-strategy-selector/skill.md |
optimization-engineer | Cache Aside/Write Through/Behind, 무효화, 스탬피드 방지 |