# AI > Claude Code Agent Teams, Opus 4.6 활용법, MCP 서버, 금융 자동화 등 AI 에이전트 실전 운영 전략 Use when this capability is needed. - Skill: `tomevault-io/ai-3` (Agent Skill, multi-file: 2 files) - Install (CLI): `npx skillmds@latest add tomevault-io/ai-3` - Raw SKILL.md: https://api.skillmd.com/api/skills/tomevault-io/ai-3/raw - Safety review: pending (external: skill-scanner PASS, skillspector PASS) - Works with: Claude Code, Claude.ai, OpenAI Codex - Category: AI & ML - Author: tomevault-io (https://skillmd.com/u/tomevault-io) - Updated: 2026-09-17 - Page: https://skillmd.com/skills/tomevault-io/ai-3 --- # AI 에이전트 운영 인사이트 🐧 > Claude Code Agent Teams, Opus 4.6, MCP 서버를 활용한 AI 에이전트 실전 운영 가이드 > > 출처: qjc.ai (퀀텀점프클럽) Threads 계정 분석 > 참고: https://www.threads.com/@qjc.ai | 분석일: 2026-02-07 ## 🎯 핵심 컨셉: 1인 기업 + 100개 AI 에이전트 > "직원 수: 0명, AI 에이전트: 100개+" qjc.ai는 혼자서 17개 부서(금융팀, 마케팅팀, 개발팀, 보안팀 등)를 Claude Code 안에서 운영 중. 3개월간 구축한 시스템으로 100명 규모 팀과 동등한 생산성 달성. --- ## 🤖 Claude Code Agent Teams 운영법 ### 팀 구성 가이드라인 | 규모 | 용도 | 비고 | |-----|------|------| | 3명 | PR 리뷰 | 가벼운 작업 | | 5명 | 보안/성능/테스트 | 가성비 최적 | | 10명+ | 대규모 프로젝트 | 비용/조율 난이도 급증 | | 16명 | Rust 컴파일러 구현 | 실제 사례 | ### 핵심 원칙 1. **파일 단위로 분리** - 2명이 같은 파일 편집하면 덮어쓰기 발생 2. **5~6명이 공식 권장** - 일반적으로 3~5명이 가성비 최적 3. **tmux로 화면 분할** - 에이전트 5명 동시 작업 모니터링 가능 4. **독립 컨텍스트** - 각 teammate가 1M 토큰 컨텍스트 사용 ### 비용 고려사항 - 인원 비례 비용 증가 - broadcast 비용: 전체 메시지 전송 시 인원 × 비용 - Lead 조율 부담: 인원 많을수록 증가 --- ## 🧠 Claude Opus 4.6 활용 전략 ### Adaptive Thinking (핵심 변화) 기존 `budget_tokens` 직접 지정 방식 → **deprecated** 새로운 `effort` 파라미터: - `max`: 최고 깊이 사고 - `high`: 기본값 (주의!) - `medium`: 일반 작업 - `low`: 간단한 작업 > ⚠️ **비용 절약 핵심**: 간단한 작업에 high(기본값) 쓰면 불필요한 사고 토큰 폭발 > → 작업 복잡도에 맞게 effort 낮추기 ### 프롬프팅 변화 - 기존 프롬프트 그대로 사용 시 **과도한 도구 호출 폭발** - Opus 4.6은 프롬프팅 방식 자체를 재설계 필요 --- ## 📏 Claude Code Rules 시스템 ### LLM 한계 극복법 **문제**: 날짜/달력 계산 정확도 26.3% (4번 중 3번 오답) **해결책**: `~/.claude/rules/` 폴더에 마크다운 파일 생성 ```markdown # date-calculation.md ## CRITICAL: 날짜 계산 규칙 날짜 계산은 절대 머리로 하지 말 것. 반드시 Bash나 Python 도구를 사용할 것. 예시: - `date -d "+30 days"` (Bash) - `datetime.now() + timedelta(days=30)` (Python) ``` > 💡 **팁**: "CRITICAL" 표시하면 준수율 훨씬 향상 --- ## 🔌 MCP 서버 활용 ### 개념 AI가 외부 데이터에 직접 접근하게 해주는 프로토콜. "AI에게 금융 데이터 파이프라인을 꽂아주는 것" ### 활용 예시 - 금, 은, 비트코인 실시간 가격 조회 - 금리 변화 비교 분석 - 투자 분석 데이터 자동 수집 > "금 가격 추이랑 금리 변화 비교해줘" → 바로 데이터 뽑아서 분석 --- ## 💰 금융/비즈니스 자동화 Claude Code로 자동화 가능한 금융 작업: - DCF 밸류에이션 - 10분 VaR 리스크 분석 - 스타트업 재무 모델링 템플릿화 - 연례 보고서 분석 (PDF 던지면 끝) > "금융 전공 아니어도 됩니다" --- ## 📊 벤치마크 (2026년 2월 기준) | 모델 | ARC-AGI-2 | SWE-bench | |-----|-----------|-----------| | Claude Opus 4.6 | 68.8% | 80.8% | | GPT-5.2 | 54.2% | - | | Gemini 3 Pro | 45.1% | - | ### 실제 성과 - 16개 Claude가 2주간 협업 - 10만 줄 C 컴파일러 생성 - Linux 커널 컴파일 성공 - 비용: $20,000 --- ## 🌐 AI 자동화 시장 트렌드 2026년 2월 현재: 1. **단순 자동화 → 자율 에이전트 시대** 2. **AI 간 소셜 네트워크** 형성 (예: Moltbook) 3. **AI 마켓플레이스** - AI들끼리 일감 주고받기 4. **국내 트렌드**: AntiGravity + n8n 결합한 'AI 에이전트 조직화' --- ## ✅ 실전 체크리스트 ### Agent Teams 시작 전 - [ ] 작업을 파일 단위로 분리 가능한가? - [ ] 적절한 에이전트 수 결정 (3~5명 권장) - [ ] tmux 화면 분할 설정 완료 ### Opus 4.6 사용 시 - [ ] effort 파라미터 적절히 설정 - [ ] 기존 프롬프트 재검토 (도구 호출 과다 방지) - [ ] CRITICAL 규칙 파일 생성 ### 비용 관리 - [ ] Extra Usage 크레딧 확인 - [ ] 자동 과금 방지 설정 - [ ] effort=low로 간단한 작업 처리 --- ## 🔗 관련 링크 - Threads: https://www.threads.com/@qjc.ai - YouTube: https://youtube.com/@qjc_qjc - Instagram: https://www.instagram.com/qjc.ai/ --- *이 스킬은 qjc.ai의 공개 게시물을 분석하여 생성되었습니다.* --- > 🐧 Built by **무펭이** — [무펭이즘(Mupengism)](https://github.com/mupeng) 생태계 스킬 --- > Source: [mupengi-bot/mupengism](https://github.com/mupengi-bot/mupengism) — distributed by [TomeVault](https://tomevault.io).